List

 

In the Saturday afternoon (August 12, 2017), I will had a public sharing –regarding the current developments of deep neural networks and the adoptions in local industries — in a mini workshop oragnized by 商業周刊(商周.com). A panel will be followed with more discussions — hope to be informative and insightful. The speakers and panelists also include Dr. Eric Chang, Senior Director of Microsoft Research Asia  and Chairman Kuo, Syntrend.

很榮幸上星期六(八月十二號)可以參與「商業周刊」舉辦的小型座談會【數創闖視界-CEO分享會–AI闖未來】,利用假日在 SYNTREND 三創生活園區 分享人工智能在各個面向上的機會。 商業周刊(商周.com) 副總編輯吳修辰主持了演講之後的精彩座談。

地主,三創生活園區董事長郭守正,由產業、VC的角色分享這幾年他看到台北新創團隊的演變、遭遇的問題(主要為無法scale到全球市場)、以及三創(或是鴻海集團)可能可以提供的協助。

CloudMile 萬里雲創辦人 Spencer Liu 分享他的連線創業經驗 — 忍受孤獨的勇氣。提及目前這家新創公司專注與雲運算進而增進到人工智能的服務。

微軟研究院副院長 Eric Chang,分享了微軟在感知運算上的發展,以及目前已經可以公開使用的各種API(深度學習在語音、影像、對話上的研究)以及未來利用人工智能及AR技術可以在工業生產/維修上提供的各種商業應用。

延續過去一年在IBM華生研究中心的觀察,我主張應該以 “Augmented” Intelligence 的角度來看人工智能可以帶來的機會。這些突破性的技術最大的效益應是在商業領域提升生產力、提高安全性、以及加速生產/維修效率。如果以這個角度切入,則有許多機會:除了目前矽谷新創公司專注的議題之外,傳統的經濟領域(金融、醫療、資訊、電力/水資源、製造、交通、房地產等,如下圖麥肯錫的研究顯示。)容易產生大量製造資料,而且資料價值較高的產業類別,也是諸多機器學習演算法可以勝出的領域。Eric Chang 更不約而同提出了類似的觀察–機會在於幾個關鍵的垂直領域(Vertical)可以有深度的利用智能技術在核心問題上。

我的觀察,當然另外一個機會是這些智能模型(不管是深度網路、SVM、或是簡單的線性模型)如果可以在各種Device上精準的運作的話(當然得兼具耗能以及設計/計算複雜度的限制),這是另一個可以很快開發的領域。想像一下「智能化」的嬰兒車、燈泡、鑰匙、等。不管是智能化的產品或是其中關鍵的智能晶片,都是相當具有潛力的領域。

我也舉出多個例證,讓大家知道台灣有諸多世界級的機器智能研究團隊,「泛人工智能」領域的研究、核心技術非常適合我們以及受惠於過去的教育訓練。

現場也可以感受到聽眾對這些議題的投入。希望有機會再與大家面對面的分享,對我也是非常棒的學習機會,從觀眾、各位講者身上,都有大大的收穫。

  Posts

1 2 3 4
October 28th, 2017

Best Brave New Idea Paper Award in ACM Multimedia 2017

October 28th, 2017

How to Get Started in (PhD) Research (如何帶領你的PhD學生)

October 25th, 2017

Technical Debt — 沒有白吃的午餐

  十月初Intel副總兼CTO Amir Khosrowshahi 來台,有機會交流。Amir說明Intel在未來智能服務的定位。其中提到了NIPS 2015 Sculley的論文中 “Technical Debt” (技術債)的概念。 很有趣的一個名詞,用來解釋天下沒有白吃的午餐 — 智能化當然是相當重要的未來,但是也得搭配其他不可或缺的要件。  很快的把Sculley的論文看了,主要討論智能元件上線之後,對於線上的工程系統有怎樣的工程挑戰:比如說如何維持特徵值擷取版本,過多的特徵值,訓練模型的版本等等。 值得工程人員關注。  其中最有意思的是這張圖,核心智能(機器學習或是深度學習)常常只是工程系統中的一小部分,為了讓整個服務可以完整的運行,還有其他重要配合的工程部分,例如資料收集、清理、運算資源管理、運算平台、監控服務等。Intel想提供圖一上的大部分,不是只有ML核心。  每個有價值的垂直領域,都有專業的知識,需要時間、成本累積。從一年多前開始跟醫學領域的人一起合作,完全可以感受到跨領域的挑戰,令人戰戰兢兢。  技術債可以用(素質好)的人力彌補,例如挖角、併購,但是價格高。  同樣的,對於非以IT技術擅長的產業,即時是獲利非常良好的隱形冠軍們,要智能化在公司內部開始產生效益,也需要相當的時間跟花費(同樣的,有許多技術債得償還)。當然,經營層的決心是最關鍵的。  這也可能是許多(新創)公司的機會所在。尤其是專注服務於產出大量資料,以及資料單位價值高的幾個領域:例如製造、能源、健康醫療、交通、IT等,都是值得大量投資智能技術的領域。 […]

August 29th, 2017

Interview by Harvard Business Review (哈佛商業評論) on How to Grow the (AI) Talents

August 27th, 2017

Panel Discussion in IBM Technical Forum 2017 and How to be the AI-Savvy Company

August 20th, 2017

Technical Talk in Dell Technology Forum 2017 — AI Developments and Opportunities

August 20th, 2017

Amazing Year in IBM TJ Watson (IBM 華生研究中心的夢幻旅程)

August 20th, 2017

Presenting in Media Event: 商業週刊演講會 — 機器智能的在地機會

July 25th, 2017

Our CVPR 2017 Paper Highlighted in NVIDIA Corporate Blog

July 24th, 2017

NVIDIA AI Lab Meetup in CVPR 2017 and new V100 GPUs