時間

 議題

 講師

13:00-13:30

來賓簽到

13:30-14:10

人工智慧民主化在台灣
摘要:
有人說，資料是新時代的石油；那麼，人工智慧 (AI) 就是新時代的電力，未來將不會有任何現代產業與 AI 無關。
問題在於 AI 技術的引入會面臨兩大挑戰，挑戰一，AI 是解決特定問題的技術......挑戰二，AI 並沒有辦法 plug & play (即插即用) ......
幸運的是，這一波 (也是人類史上的第三波) 的 AI 浪潮伴隨著「人工智慧民主化(AI Democratization)」的趨勢，最重要的概念是，AI 技術不應該只被某些跨國企業所壟斷，應該讓所有需要的人都有機會參與及使用。具體的作法包含各種深度學習開發工具及模型的開放源碼，以及各式最新核心技術的分享等等。
我個人所看到的是機會，因為這個 AI 民主化趨勢，AI 技術發展在各領域所帶來的機會無窮無盡，是習慣等待國外大廠解決方案的我們應該把握的。
當然，目前普遍遇到的挑戰是 AI 人才的缺乏，台灣人工智慧學校為此而成立......
我將在這場演講中，分享台灣人工智慧學校的來龍去脈，如何從一個稱為 Project Theta 的計畫開始，慢慢確認人才培育的需求，以及形塑台灣人工智慧學校的雛型。這個故事從 2017 年三月的某個早晨開始......
Q&A

講師：陳昇瑋
中央研究院資訊科學研究所研究員暨資料洞察實驗室主持人、台灣人工智慧學校執行長
　

14:10-14:50

人工智慧技術及大數據分析相關技術產業化前瞻
議題內涵：
人工智慧的發展已超過六十年，期間經歷幾波起伏，近年來人工智慧風潮再起，其中有哪些是真正的機會，又有哪些將會再度泡沫化？是個首先值得關注的議題。工研院持續投入人工智慧的研發逾三十年，近年在巨量資料分析與機器學習應用亦有重要突破，本次講題將分享工研院如何參考國際技術發展趨勢與實際應用案例，並運用台灣的特色，推動台灣產業AI化與AI產業化。
議題大綱：
一、人工智慧的核心意涵
二、國際發展趨勢
三、我國人工智慧發展策略
四、人工智慧應用案例
五、結論與建議
Q&A

講師：余孝先
工研院協理兼巨量資訊科技中心主任、資策會副執行長兼數位轉型研究所所長
　

14:50-15:05

中場休息

15:05-15:45

深度學習的全球專利布局與趨勢
議題內涵：
人工智慧系統的關鍵技術為深度學習(Deep Learning)，深度學習是機器學習拉出的分支，它試圖使用包含複雜結構或由多重非線性變換構成的多個處理層，對資料進行高層抽象的演算法。
議題大綱：
透過專利檢索探討人工智慧與深度學習發展概況，檢視人工智慧技術專利申請現況，並藉由全球專利申請分析，進一步解析深度學習技術領域之全球布局現況以及發展趨勢，以期能進一步探索台灣相關產業未來發展利基。
Q&A

講師：杜在國
專利檢索中心執行長

15:45-17:15

機器學習美國專利布局分析
議題內涵：
2017年網路神秘棋手Master透過中國圍棋網站－弈城網和野狐網，向中、日、韓多位圍棋高手下戰帖，數日對戰結果Master六十局連勝，事後證實Master就是Google AlphaGo，這是繼2016年3月AlphaGo以四勝一敗的戰績打敗韓國圍棋九段李世石之後，再次向世人展現其採用的機器學習(Machine Learning)人工智慧演算技術又有明顯進展。
研究顯示，機器學習具有學習與預測能力，可協助人們在生活場域或是工作場域解決諸多複雜問題，像是消費行為分析、客戶關係管理、股票投資交易、信用詐欺檢測、惡性腫瘤檢測、語音辨識、影像辨識等等，近年來已成為人工智慧領域一項熱門且重要的研發課題，台灣科研單位在機器學習領域投入多年研發資源，與其他國家及國際大廠相較，台灣在機器學習的機會與挑戰又那些呢？對此，我們針對機器學習美國核准專利進行分析，藉此掌握機器學習國際研發能力之差異性，深入瞭解機器學習美國專利布局情形以及對產業界造成之影響。
議題大綱：
一、機器學習美國專利趨勢分析：國家別、領域別、技術別、廠商別

二、機器學習美國專利應用布局：歷年分析、智慧硬體、智慧服務、智慧產業

三、結論與建議
Q&A

講師：陳賜賢
資策會產業情報研究所(MIC)資深產業分析師