由新到舊 由舊到新 日期篩選

・2018/07/13
讓電腦擁有理解人類語言的能力,就是自然語言處理(Natural Language Processing,縮寫 NLP)。然而,人和人之間就會誤會彼此的語言了,電腦要如何理解語義?中研院資訊科學研究所的馬偉雲助研究員說明:以中文來說,最基本的,要先教電腦學會「斷詞」和「理解詞的意思」。
・2018/07/09
107年大學學測自然科第68題講的是地震的問題,藉由題目的情境來推算,地震定位沒有想像中簡單,不同的單位觀察地震是為了不同的面向觀察同意件事情,但都需要由不同的資訊佐證。
・2018/05/19
隨著研究資源的日益緊縮但發表管道卻不斷增加之現實狀況,從事學術研究的工作者面臨了比以前更殘酷的發表壓力。因此可以預見的是未來學術不端的事情不會消失,而且會越來越嚴重。從最近臺灣所面臨的這兩場學術造假風波之經驗顯示,論文造假事件的處理已經到了必須尋找更迅速、更有效的方法才能對抗的時候了;這不只是臺灣的課題,也是全世界科研界的共同課題。
・2018/04/28
汽車跑得快,不叫「人工馬」;飛機飛得高,不叫「人工鳥」。怎麼計算機本領大了,就要稱作「人工智慧(Arti_cial Intelligence, AI)」?
・2018/04/27
量子電腦挾著其強大運算速度和能力的潛能,使得全球科學界和產業界競相投入,雖然目前仍在理論實踐和可操作原型發展階段,近年的技術突破似乎使得每年都「即將成功」的量子電腦真正更接近商業化應用,在今日知識經濟和全球化競爭的時代,運算能力即是國家和企業的競爭力,因此量子電腦在近年頻頻被各國視為重點發展技術,許多科技趨勢報告也將其列為年度突破。
・2018/03/16
你有沒有想過,一個地區、一個城市,甚至是一整個國家內部,「人」在哪裡、在哪裡工作、在哪裡居住?「長時間」的遷徙趨勢是往城市、還是往鄉村移動?「短時間」的通勤人口是來自外縣市還是不同行政區?現在「手機訊號」幫助科學家看見了這些人口遷移的有趣現象。諸如「哪裡是女性出沒較多的地方?」、「何時是大家進城的熱門時段?」之類的問題都有了解答。這不只是知道了「大家去哪兒」而已,還能協助政府進行有效的國土規劃、建設分區。
・2018/01/10
AlphaGo 擊敗棋王,可以說是通過圖靈測試了嗎?李國偉解釋,雖然電腦很多能力的確比人強,不僅下圍棋,計算數學的能力也早就超越人類,但是圖靈測試是「漫無目標」的智能測驗,包括各種「常識」。電腦在很多專業知識上都超越人腦,但是最弱的就是常識。至今,還沒有一台機器真正通過圖靈測試。 不過,如何訓練機器擁有常識,是有方向可循。如同 AlphaGo,訓練機器的方法,就是從一個「嬰兒機器」開始,讓它不斷學習、演化。下棋的好方法保留下來,壞方法淘汰掉,機器就不斷增強。
・2017/12/18
從專心致志地打磨石器到專心致志地滑著手機,我們與科技的互動從根本上改變了我們作為一個物種的命運。人類大腦發展出新皮質讓我們變得理智,然而大腦邊緣系統與激素的緊密合作,使情緒化跟非理性行為依舊佔了上風。作者也提到,根據過往研究者統計,人類溝通中,只有 7% 是文字,剩下的 93% 都是非語言的線索,這也是為何我們該重視情感與人工智慧的交匯,因為那才是真正的主戰場。
・2017/11/25
精通網購的人越來越多,大家都習慣了這個更「透明」的購物環境:東西買不買,先看看評價怎麼樣。發表於《心理科學》(Psychological Science)的研究[1]卻顯示,人們在網購中過於看重一件商品有沒有足夠多的評價數,而相對看輕這件商品的評分有多高。
・2017/11/14
投資理財除了靠經驗與運氣,能否更科學一點?中研院資訊科技創新研究中心的王釧茹助研究員,與團隊運用機器學習分析財報中的「軟資訊」,找出「特定詞彙的出現」跟「企業財務風險」的關係。早期華爾街聘請許多稱為 “Quant” 的人才 ,擁有物理、數學等專業背景,透過電腦計算金融模型、以理論為衍生性金融商品(期貨、選擇權)定價、或預測市場行為,現在則引入透過「資料」進入此過程。最大的不同在於:以往數學模型是依照理論,假設股票遵循某種分配去擬定理論價格,但理論和假設是會改變的;資料分析則基於現實存在的金融資料,有什麼資料、就說什麼話,而這種專業正是王釧茹團隊所擅長──尤其是財務報告中的「軟資訊」。