徐宏民專欄

TERADYNE

member

徐宏民

台大資工系教授

徐宏民(Winston Hsu)現任富智捷(MobileDrive)技術長暨副總經理以及台大資訊工程學系教授。哥倫比亞大學電機博士，專精於機器學習、大規模影像視訊搜尋與辨識。為訊連科技研發團隊創始成員，慧景科技(thingnario)共同創辦人，NVIDIA AI Lab計畫主持人；曾任IBM華生研究中心客座研究員、美國微軟研究院客座研究員。習慣從學術及產業界的角度檢驗技術發展的機會；十餘年產學合作及新創經驗。曾獲2018 IBM Research Pat Goldberg Memorial Best Paper Award 、2018偽裝人臉辨識冠軍、傑出資訊人才獎、吳大猷先生紀念獎等國內外研究獎項。

跨越深度學習技術產品化的障礙

即使深度學習技術在各個領域帶來突破，甚至逐漸翻轉各種產品服務，可是還能聽到產業界對於這些新穎的研究能否應用到產品上抱持著懷疑的態度。

推進空間感知技術(一)

這陣子關心車輛安全技術以及新能源車產業的朋友，目光焦點都在某輛開啟Autopilot(自動輔助駕駛)在高速公路發生意外的車子。大致狀況是在高速公路光線良好的情形下，前方內車道一輛白色貨櫃車傾覆，其他駕駛人減速繞道而行，而這部在Autopilot模式的車子卻直接駛入貨櫃車廂。大家好奇，這顯而易見的障礙，應該是目前快速發展的深度學習技術或是各種感測元件可以偵測得到，而車子應可以自動繞道或是停止，為什麼失誤？或是從這個意外我們可以學習到什麼？

出賣你的文字、照片與設備

目前絕大部分的軟硬體服務都竭盡所能的收集使用者資料，包括網路瀏覽紀錄、對話、參加的群組、喜好文章、照片、購物紀錄、打卡位置、音樂歌單等。透過這些資訊可以推估使用者屬性、喜好、甚至政治傾向，富含商業應用。而快速發展的智慧技術，更推升了使用者資料的價值。

晶片速度是唯一競爭優勢？

原本每年3月在矽谷召開的GTC–NVIDIA GPU技術大會，今年因疫情關係，轉為線上會議。最能揭示NVIDIA未來技術走向以及眾人期待的執行長黃仁勳主題演說，也在矽谷居家防疫下，改到5月中以他家的廚房為主舞台展開。從2016年開始參加GTC會議，當大家這幾天討論嶄新的Ampere技術讓A100 GPU速度提升多少時，反而嗅到在這酷炫技術展示之外的商業企圖心。

翻新ISP設計？

影像訊號處理器(ISP，Image Signal Processor)是每個相機(攝影機)的核心，主要是將影像感測器的訊號輸出接續轉換為標準的全彩(如sRGB或類似色彩表示、或進而壓縮為適當格式)。其主要過程包括去馬賽克、降噪、白平衡、曝光校正、銳化、色彩轉換、編碼等複雜的模組。

視訊辨識的技術與機會

急速增加的攝影機使得監看人力逐漸無法負荷，「視訊辨識」一直是長久以來安全監控領域的殺手級應用。但礙於技術發展，過去不曾真正落實，直到近年來深度學習技術中卷積網路(CNN)的高度發展，才激勵產業與學界重新檢視視訊辨識的機會。在應用上，視訊辨識可以滿足諸多需求：例如影片拍攝分類，安全監控中的摔倒偵測、尾隨進入建築、爬牆，購物情境中的產品銷售熱區、結帳安全，自駕車中的事件判斷，或是醫療照護中的老人看護、復健動作偵測等。

智慧技術快問快答：人才篇

基於過去產業及學術經驗，很幸運一直有機會與協助企業將這些前瞻智能技術落地為產品，過程中的挑戰，不外乎「人才」以及「技術」兩大類。許多資通訊產業的前輩們，也時常提出類似的問題，本文先就大家常詢問的「人才」問題簡短回答。

防疫推昇技術新需求

讓世界措手不及的COVID-19(新冠肺炎)疫情，衝擊資通訊產業鏈。典範轉移，也推昇了新技術的需求：各國不斷尋找有效、快速的檢測、治療技術，甚至全球被迫採用全新工作、生活型態。這樣新的模式，也必然會產生新的需求。

美國國防部也在用　「可解釋的智慧技術」是什麼？

現今諸多機器學習應用都呈現超越人類的效能，技術的突破在於我們可以訓練具龐大參數的機器學習模型；從傳統僅使用幾十個參數的方法(如SVM)提升到包含數千萬(或數十億)參數的深度學習網路，而且正逐步滲透各領域。

智慧技術的躍競年代

NeurIPS (舊稱NIPS)，為機器學習領域的頂尖會議(頂會)，12月在溫哥華召開。不令人意外，在智慧技術的浪潮下，論文投稿以及參加人數持續創新高，大會還得啟動抽籤機制，來決定誰可以註冊參加會議，結果這個較偏理論的機器學習大會還是湧進了大約一萬三千人左右。參與其中，我們發現這也是智慧技術的躍競(Leap)時刻。

<<
1
2
3
4
5
>>