徐宏民專欄

Microchip

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。

如何設計低耗能、高功效深度學習網路(一)

目前智能應用的普及來自近年機器學習技術的精進，其中最大的突破在於深度學習網路。給予適當的類神經網路架構以及足夠的訓練資料下，在各種智能應用中都有突破性的發展。而付出的代價則是龐大的參數模型以及運算量。舉例來說，常用的深度學習網路參數大約數百（千）萬個（浮點）參數，每次推論運算約需數個G-FLOPs，可以想像對於運算資源的需求十分龐大。

autoML自動化深度學習網路設計可行嗎？

機器學習(深度學習為其中一分支)技術成為各產業智慧化的核心能力，但是算法的設計複雜，需要專業知識與經驗，對於好的人才，需求遠大於供給。為了彌補這個空缺，這幾年自動化機器學習工具(autoML)新研究興起，希望有自動化的系統，在給定問題(通常是標記的資料)之後可以自動生成機器(深度)學習算法。在資訊理論上，這是非常複雜的問題，需要大量運算資源，所以極具挑戰。

智慧硬體擴張為生態系

硬體產業如何擴張？怎樣跨足到毛利相對高的軟體或是新興產業？這是台灣許多資通訊業所關心的議題。似乎不少人選擇跨足到與本業不同的全新領域，但這是唯一做法嗎？

人臉辨識—從理論到產品

似乎一夕爆發，最近許多國內外的企業都將「人臉辨識」列為主要的產品。這些公司橫跨各種類型，包括晶片、軟體、系統、金融、交通、安全、服務等。顯然目前人臉辨識的學術突破，已經可以落地為實際應用，並成為很多跨領域的公司極度看好的核心技術。前陣子在矽谷舉辦NVIDIA GTC 2019，我們也分享了如何產品化人臉辨識技術，之後收到很多工業界與會者非常正面而且熱烈的評價。顯然矽谷的產業鏈也十分在乎這項關鍵技術。

智能技術可以具有人類的視覺美感嗎？

我們看到了智能技術在影像辨識、偵測上的突破，甚至落地為產品。很多人問，這些深度學習為核心的電腦視覺技術也可以具有人類的美感—具有評判、編修、甚至美學創作的能力嗎？

智能生成模型的產業機會

智能技術長久以來大多專注在分析(如辨識、分類、偵測等)，但快速進展的深度學習技術，能因著使用情境而產生適切的內容，也在各方面產生令人驚艷的結果。如顯示器、攝影的影像品質強化、自動內容製作、照片視訊編修、AR/VR內容生成、對話機器人等。這些生成內容橫跨文字、影像(視訊)、音樂、語音，對於娛樂、安全、自動服務等產業，已經產生極大的變革，也預計會大大影響電子資訊產品的技術走向。

AI + X：智能技術翻轉產業生態系

近來看到某家硬體上市公司的股價起伏，肇因於市場猜測主要客戶可能因為精進的影像智能技術讓產品的鏡頭數量降低。此主要的核心技術為計算攝影（computational photography，電腦視覺技術的次領域），可以利用多顆鏡頭來提升拍照品質：如提高解析度、低光拍攝、或是模擬出景深效果等。多顆鏡頭提供多樣性的訊號來源，數量的多寡，取決於成本以及最終產品將展現的功能。

人工智慧技術的下一波研發核心

人工智慧(AI)技術發展陸續帶來技術瓶頸的突破：如語音、視覺辨識、自駕車、機器人、自動影像生成等。同時也在這些新興領域激發許多新的商業需求，如運算平台、感測器、大量記憶體、儲存設備等。我們更好奇，未來的技術發展會往哪個脈絡前進？

人臉辨識—深度卷積網路帶來的突破

人臉辨識中，取出強健的有效特徵值，即使在不一樣的光源、拍攝時間、些微的表情、視角變化，仍能正確判斷，是數十年來研究的挑戰工作。而近來人臉辨識的穩定度可以提昇到滿足產業應用，在於兩個主要因素：深度卷積網路的發展以及大量的人臉訓練資料。

人臉辨識的技術環節

人臉辨識的核心問題，不管是人臉確認(face verification)或是人臉識別(face identification)，都必須在人臉上取出具有「辨別度」的特徵值。

<<
1
2
3
4
5
>>