熱門搜尋 :
工智慧(AI)及其子集機器學習(Machine Learning, ML)均代表著人類生存時代的重要階段性變化，雖然還有一些具爭議性的道德問題，但它們所提供的潛在效益實在令人難以想像(圖1)。
人工智慧(AI)與機器學習(ML)已在商業市場愈來愈受到歡迎。根據GigaOm的《AI at the Edge：A GigaOm Research Byte》報告，過去6年間應用在最大型的AI訓練模型上的運算，平均每100天就增加一倍，而這也讓AI運算增加三十萬倍。
如果要說有哪個指標可以用來衡量新技術的顛覆性，那莫過於大眾所表露出的恐懼和懷疑。如果以社會的焦慮做為衡量標準，那麼人工智慧(AI)在今日的再次興起，會讓AI成為改變世界的突破性科技名單候選人。正如伊隆・馬斯克、比爾蓋茲、史蒂芬・霍金和其他科技巨擘所說，AI將會改變人們的生活。對於AI應用不良影響的廣泛擔憂，在技術變革發生時並不稀奇，這是社會不安的表現，在新技術相關變革及隨之而來的巨大潛力產生之前，常會出現這種不安。
RISC-V(念做Risk-Five)是一種起源於加州大學柏克萊分校(UC Berkeley)，具有高品質(High Quality)、無授權費(No License Fee)、無權利金(No Royalty)等主要特點的精簡指令集運算(RISC)指令集架構(ISA)。
AIoT商機雖備受看好，但目前發展依舊處於初步萌芽階段，許多不確定因素充斥整個市場，使其需要能快速驗證設計概念的物聯網開發平台，加速廠商找到正確的設計方向，打造高效能、高整合與高智慧化的商品，搶奪AIoT市場的第一桶金。
在工程設計、科學、資料科學、機器學習(ML)、資訊技術及人工智慧(AI)等各類應用中，Python開源程式設計語言已成為非正式標準。當在嵌入式應用中使用現代系統單晶片(SoC)時，能運行Python來執行複雜的分析演算法，其效能接近桌上型電腦工作站，但外形尺寸顯著縮小，且功耗需求也顯著降低。藉由從感測器讀取的資料進行預處理，可使產品大幅度提高效能和確定性，同時降低延遲。
2015年迄今智慧音箱市場持續成長，並未見消褪。2015~2018這三年來全球產業與消費大眾對於智慧音箱與人工智慧(AI)語音助理的看法也十分兩極化：一邊是非常不看好，另一邊視為新藍海市場。2018年是智慧音箱與AI助理發展關鍵年，撐過三年考驗之外，大廠們前仆後繼地投入，也點燃全球產業與消費大眾對具有智慧音箱與AI語音助理的興趣。AI語音助理發展正在全球如火如荼蔓延開來，全面襲擊所有的軟體服務與硬體產品。本文歸納全球AI語音未來發展方向，分析並預測市場現況趨勢、應用布局、產業鏈(歐美、中國、台灣)、生態系、人機介面等五大面向，以提供給台灣業者參考。
截至現今，如果物聯網(Internet of Things, IoT)未能積極進一步智慧化，它的全部應用潛力將很難完整得到實現。人工智慧(Artificial Intelligence, AI)在物聯網中的運用包括家庭、車用、生活中如購物、工廠生產等方面，充分融合才能發揮其最大潛力。因此，人工智慧結合物聯網的AIoT正在興起，而AIoT不僅須要收集數據，還須要在網路邊緣進行運算處理並做出關鍵的決策。
人工智慧(AI)支援的智慧家庭市場正在迅速發展。最近的市場行動聚焦於使AI助理在家中變得更有用和無所不在。
過去這段日子以來，無論走到何處，似乎都可以聽到有人談論工業物聯網(IIoT)，甚至從這項趨勢衍生而出的特定應用，也開始在各個產業嶄露頭角。舉例來說，工業4.0就是專為生產設備而發展出來的概念，在現有的電網裡，智慧電網就是工業物聯網的實作案例；而數位油井，則是石化及天然氣產業的工業物聯網實作案例。儘管這些衍生自工業物聯網的應用各自擁有專屬詞彙與流程，但是其中所涵蓋的技術和優勢大致相同。另外，雖然各大企業無不積極導入工業物聯網以求發揮其潛能，但是要精準預測500億個裝置能否在2020年順利完成串連，仍還比較難預測[1]。根據專家預估，2015至2025年之間部署的全新聯網裝置當中，有將近半數將來自工業領域[2]。也就是說，在工廠、測試實驗室、電網、煉油廠，乃至於基礎建設中實作工業物聯網的作業，都是由工程師與科學家擔任主導角色。
為什麼手機中會設置LTE、Wi-Fi及藍牙三種無線通訊裝置，而平板電腦和電腦中通常都只有Wi-Fi和藍牙兩種？又為什麼人們會熟悉Wi-Fi、藍牙和LTE這些名稱？那5G或ZigBee呢？
行動裝置上的人工智慧已經不再依賴於雲端連接，2018年CES最熱門的產品展示和最近發布的旗艦智慧手機都證實了這一觀點。人工智慧已經進入終端裝置，並且迅速成為一個市場賣點。包括安全、隱私和回應時間在內的種種因素，使得該趨勢必將繼續擴大到更多的終端裝置上。為了滿足需求，幾乎每個晶片產業的廠商都推出了不同版本、不同命名的人工智慧處理器，像「深度學習引擎」、「神經處理器」與「人工智慧引擎」等等。
為了滿足不斷攀升的資料處理需求，未來的系統需在運算能力上進行改善。傳統解決方案(如x86處理器)再也無法以高效率、低成本的方式提供所需運算頻寬，因此系統設計人員須尋找新的運算平台。
毫無疑問神經網路變得越來越流行，在各式各樣的產品中都可以找到它的相關應用。它們會根據你的興趣自動調整社交多媒體內容、讓照片顯示更加好看、在AR/VR頭戴設備中增強檢測和眼球追蹤功能。
Featured Videos
Upcoming Events
Hot Keywords
本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多