在台北最大的成就就是能與這些最棒的夥伴一起工作。 2017對團隊是充滿驚奇的一年。我相信2018會有更多的突破與驚喜。 我一直主張我們有高質量，世界級的機器智能研究團隊，當然機會，影響力也是全球的。團隊的畢業生有的加入台北新創，有的選擇出國任職，有的留在傳統電子業。我相信接下來會發揮更大的影響力！ 我們持續尋找博士後研究（postdoc）、專職研究助理加入團隊，歡迎願意投入前瞻視覺智能研究，善用高效能運算資源、以及與國際研究團隊合作的博士畢業生加入。目前科技部薪資已鬆綁，加上企業贊助款，可以有相當的彈性。 同時也感謝各位產業界已經長官們的支持跟協助。 我們致力於發揮自己最大的能力與影響力。參考最近TVBS 「世界翻轉中」的報導，詳述我們如何培養世界級的人才。

前陣子協助 天下雜誌 副總編輯 Yi-Shan Chen 完成AI專輯 [AI全面啟動Ⅰ：科技島國的翻身契機]。 我在紐約，這段時間，Yi-Shan透過FB的訪談跟資料詢問，我感受到她的焦慮，急著摸清楚這個浪潮的來龍去脈，以及我們該做的、或是已經做到的。 初稿完成，正如Yi-Shan所說的，她不那麼悲觀了。或是說我們也沒有悲觀的權利。 我的觀察。 2016年初開始，國內幾家領先企業也開始注意到AI（深度學習）浪潮可能對公司的影響。已經開始研究如何在既有的核心業務上善用這些前瞻技術。 這不是將開源的類神經網路拿來使用就好、或是付費API可以全然解決。首先產品需要的偵測／辨識的項目跟benchmark資料完全不同、產品大部分是multi-label的問題而不是大家常討論的multi-class、訓練資料的取得跟缺乏、應用場域資料型態差異、學習model的參數過大、耗電、運算時間、或是在使用者端自動調適學習等。產品佈建跟論文討論的範疇有著相當大的差異。 領導者（執行長、董事長）的決心是最關鍵的問題。因為引進新的機器學習paradigm之後，牽涉到資源配置、薪資結構、產品pipeline（如使用者資料收集、AI引擎的更新）、新產品的定位等，需要很大的決心。 缺乏深度學習技術的研究人員是第二個問題。在協助幾個團隊之後發現，台灣的數理教育品質相對優良，理工科碩士論文要求對於前瞻的研究是很有幫助的。 在組織具有某些特質的工程師之後，透過適當的做中學、學中做的過程，還有我們十幾年在影像／視訊上成功跟失敗的經驗，是可以逐漸訓練出內部深度學習基本研發團隊、也能適性地將技術調整到適合的產品線上。 目前已經看到這樣的技術成果用在解決監控系統上常見的誤判的問題、照片標註、辨識、自動分類、edge端的精簡深度學習模型、或是利用各種感測器、攝影機進行未來事件預測等。甚至有些已經上線進行A/B test，交付給客戶的PoC、或是取代原本沒效率的人工分類等。 在這次的訪問當中，也將這幾個領先企業介紹給天下雜誌，但是因為公司內部的marketing跟財務時程，還不能公開披露目前的結果。 我們不選擇悲觀、抱怨、譏笑。許多團隊，也早就捲起袖子為企業帶來更具有競爭力的AI（深度學習）能力，開啟新的產品思維，如同全球企業忙著乘著巨浪向前。也感謝 天下雜誌 […]