深度學習可指導電腦以受人腦啟發的方式來處理資料，可以彈性滿足不同應用的需求。企業使用深度學習模型來分析資料，並在各種應用程式中進行預測，廣泛導入嵌入式AI系統中。 深度學習是人工智慧(AI)中的一種方法，可指導電腦以受人腦啟發的方式來處理資料。深度學習模型可識別圖片、文字、聲音和其他資料的複雜模式，藉此產生更準確的洞察和預測。使用者可以透過深度學習方法將通常需要人類智慧的任務自動化，例如描述影像或將聲音檔案轉錄為文字。  AI技術指的是開發人員試圖將電腦，訓練成能夠像人類一樣思考和學習的系統。深度學習技術驅動了許多日常產品中使用的AI應用程式，例如：數位助理、聲控電視遙控器、詐騙偵測、自動臉部辨識(圖1)。AI也是新興技術的關鍵組成部分，例如自動駕駛、虛擬實境等。  圖1　臉部辨識應用範例 深度學習模型是資料科學家經訓練後使用演算法，或一組預先定義步驟執行任務的電腦檔案。企業使用深度學習模型來分析資料，並在各種應用程式中進行預測。 深度學習在汽車、航太、製造、電子、醫學研究和其他領域中具有若干使用案例。深度學習應用包含自動駕駛汽車使用深度學習模型，自動偵測道路標示和行人。國防系統也使用深度學習，來自動標示衛星影像中感興趣的區域。而醫學影像分析使用深度學習來自動偵測癌細胞，以進行醫學診斷。工廠則使用深度學習應用程式，自動偵測人員或物件是否位於機器的不安全距離內。 深度學習五大應用 深度學習的應用主要可分為電腦視覺、語音辨識、自然語言處理(NLP)，以及建議引擎五大類。 電腦視覺 電腦視覺是電腦從影像和影片中，擷取資訊和洞察的功能。電腦可以使用深度學習技術，進而以與人類相同的方式理解圖像。電腦視覺有多種應用，例如內容審核可自動從影像和影片封存中，移除不安全或不當的內容。臉部辨識可識別面部，並識別睜眼、眼鏡和面部毛髮等屬性。影像分類可以識別品牌標誌、服裝、安全裝備，和其他影像詳細資訊。 語音識別 儘管語音模式、音調、語氣、語言和口音不同，深度學習模型仍然可以分析人類語音。例如Amazon...

深度學習可指導電腦以受人腦啟發的方式來處理資料，可以彈性滿足不同應用的需求。企業使用深度學習模型來分析資料，並在各種應用程式中進行預測，廣泛導入嵌入式AI系統中。 機器學習背景下的深度學習 (承前文)深度學習是一種機器學習，深度學習演算法的出現是為了提高傳統的機器學習技術的效率。傳統的機器學習方法需要大量的人力來訓練軟體。例如，在動物影像識別中，使用者需要手動標記成千上萬的動物影像、讓機器學習演算法處理這些影像、在一組未知的影像上測試這些算法，接著確定某些結果不準確的原因，最後透過標記新影像來改善資料集，進而提高結果的準確性。 這個過程稱為監督學習。在監督學習中，只有當使用者擁有廣泛且多樣化的資料集時，結果準確性才會提高。例如，演算法可能會準確識別黑貓，而不是白貓，因為訓練資料集中的黑貓影像更多。在這種情況下，使用者將需要標記更多的白貓影像，然後再次訓練機器學習模型。 機器學習/深度學習各有優勢 有效處理非結構化資料  機器學習方法發現非結構化資料...

深度學習可指導電腦以受人腦啟發的方式來處理資料，可以彈性滿足不同應用的需求。企業使用深度學習模型來分析資料，並在各種應用程式中進行預測，廣泛導入嵌入式AI系統中。 深度學習的訓練 (承前文)深度學習的訓練(Training)可以分為三個步驟：定義網路架構(Define...

工業場域透過影像辨識實現智慧化技術，實現工廠系統對於各類物件的自動辨識，是機器視覺發展的方向。目前影像視覺技術越來越普及，未來各產業的電子設備，勢必會加入更多的機器視覺功能。 人工智慧(Artificial...

工業場域透過影像辨識實現智慧化技術，實現工廠系統對於各類物件的自動辨識，是機器視覺發展的方向。目前影像視覺技術越來越普及，未來各產業的電子設備，勢必會加入更多的機器視覺功能。 實例分割 (承前文)實例分割是對圖像中不同的物體分類，並且確定物體之間的邊界、關係與差異性。實例分割是物體辨識加上語義分析的結合體。典型的模組為Mask...

香港科技大學成立亞洲首個研發人工智慧晶片設計的跨國聯盟，並投入培育人工智慧晶片人才，智慧晶片與系統研發中心(AI Chip Center for Emerging Smart Systems, ACCESS)由香港科大與史丹佛大學、香港大學和香港中文大學合作成立，已獲香港政府InnoHK創新香港研發平台提供4.439億港幣計畫經費。該中心目標為致力創造運算效能提升1,000倍、且更具能源效益的AI晶片。 ACCESS計畫希望發展運算能力更強並更省電的AI晶片 自2020年9月成立以來，ACCESS至今已啟動了14個研究項目，另有更多項目正在籌劃。人工智慧晶片市場快速成長，估計至2026年的產業規模將達2,915億美元，香港科大工學院院長及智慧晶片與系統研發中心創始總監鄭光廷教授表示，ACCESS不僅以從快速成長的市場獲益為目標，更希望能培育人才，為科技新創與較小規模的公司提供客製化的晶片設計及軟硬體協同設計方案。 ACCESS的研究工作由36位學者督導，來自各參與大學的研究人員超過100位。團隊規模將持續擴大，目標是招募並維持60至80名以中心為工作基地的全職研究人員團隊。 鄭光廷強調，ACCESS研發希望有效縮小科研與成果應用成效之間的「死亡谷」差距。亦在中心所建立的機制下與大學及產業界緊密合作。ACCESS已發展的研究工作包括：探討整合採用可調節規模矽晶片的矽相容新興記憶和矽光子科技；新型以記憶為中心的晶片結構和異質系統整合；開發新興和專屬的設計方法及設計自動化工具，以助設計人工智慧晶片；以及人工智慧應用、算法和硬體的協同優化，以突破人工智慧硬體上的速度與能源效率瓶頸。已開發兩款全新的人工智慧晶片原型，並進行評估和產品分析。 ACCESS並提出數個開發專案： 特殊應用壓縮硬體協同設計(Application-specific...

本文探討了將新型人工智慧(AI)引擎用於5G行動網路和機器學習深度神經網路(DNN)/卷積神經網路(CNN)等運算密集型應用的架構、應用和優勢。

AI人工智慧及5G是被預期下一個十年最重要的技術，工研院舉辦一年一度的ICT TechDay(資通訊科技日)，展示超過20項最新資通訊創新技術，從AI晶片與應用、資訊安全、自駕車與無人機，到5G通訊與邊緣運算四大領域，臺灣在半導體和資通訊產業已有一定優勢，在AI人工智慧與5G物聯網催生下，業者有機會在全球供應鏈搶進核心地位，扮演下世代資訊科技重要角色。 工研院舉行2020...

有鑑於應用需求的差異，DNN推論作業負載和硬體加速器架構領域的關鍵趨勢為多樣性和快速演進發展。

Mentor近日宣布人工智慧(AI)處理器公司Mythic已在Mentor的Analog FastSPICE平台上為其自訂電路驗證與元件雜訊分析進行了標準化作業。此外，Mythic已選用Mentor的Symphony混合訊號平台來驗證其智慧處理器(IPU)中整合類比和數位的邏輯功能。 Mythic公司工程副總裁Ty...

新思科技(Synopsys)近日針對機器學習及人工智慧(AI)邊緣應用推出具備深度神經網路(DNN)加速器的全新DesignWare ARC EV7x嵌入式視覺處理器系列產品。ARC EV7x視覺處理器可整合多達四個強化向量處理單元(VPU)及一個高達14,080...

半導體製造是個極度複雜且漫長的生產過程，且每個製程步驟的良率都必須接近100%，才能確保最終生產良率維持在可接受的水準。因此，半導體製造業者很早就開始在產線上設置各種資料擷取機制，並藉由大數據分析等方...