AD
標籤
#ai
共 29 筆相關資料
科學與新知｜
Nov. 01 2024
AI的許諾與威脅
撰文：李永適 不久之前公布的諾貝爾物理獎，頒給了兩位人工智慧領域的先驅：霍普菲爾德與辛頓，讓許多人備感意外。幾天後公布的諾貝爾化學獎，又頒給了三位開發出用於蛋白質分析與設計AI模型的科學家，貝克、哈薩比斯與瓊珀。這再度證明AI如今是顯學中的顯學，已經並將繼續對人類未來科技與知識的發展產生重大影響。 另一方面，對AI可能帶來災難的警訊也從未停止。今年3月，美國國務院委託的一份報告，在訪問了超過200位相關領域的專家後指出，人工智慧的超快速發展在最壞的情況會「對人類物種造成滅絕等級的威脅」。去年，超過350位AI領域的企業領袖、研究者與工程師在一份公開信中也做了類似...
科學與新知｜
Nov. 01 2024
AI賦予外科醫生嶄新的超能力
人工智慧對人類世界的改變不是即將發生，而是已經發生。而且帶給科學的可能性，說不定比我們想像中更奇妙，也更人性化。 運算科技的突破性發展，一夕之間賦予研究者新的能力，挑戰新的問題或解答古老謎團。位於這場革命核心的是各種複雜科技：機器學習、高等演算法、自然語言處理、類神經網路。這個領域的先驅正利用這些工具，重塑我們對地球的認識──更重塑了我們對人工智慧可實現之事的想像。 其他內容：透過影像一窺AI令人驚訝的起源和它不可知的未來，另有專家回答這個重大時代最棘手的一些問題。 AI賦予外科醫生嶄新的超能力 顱骨打開了，時間分秒必爭。手術室內的醫生現在多了一種看...
科學與新知｜
Nov. 01 2024
AI的演化
AI系統的變化速度與用來執行AI的硬體變化一樣快。70年前的初始版本能穿越迷宮，今日的可以執行天文運算。到了明日，誰知道呢？ 早期類神經網路 人工神經網路今日是AI的發展前沿，但其實源於數十年前就出現的一個想法。最早的一個原型是隨機神經模擬強化計算器（SNARC），由電腦科學家馬文．閔斯基創建於1951年。這套電路由真空管、電阻器、電容器組成，模擬一個神經元，與其他39個神經元共同在一架平臺鋼琴大小的網路內運作。每一個節點所做的運算都會影響整個系統的決策。SNARC能運用這樣的計算能力解開電腦化迷宮問題。 最新的類神經網路有幾千億個互連節點，能解決非常複雜...
科學與新知｜
Nov. 01 2024
AI破解古代世界失落的謎團
有了新工具相助，學者忽然能夠閱讀長年來認為一打開就會粉碎的莎草紙卷。科技突破也許能改寫歷史。 撰文：大衛．蒙哥馬利 DAVID MONTGOMERY 在2023年的春天，大學生路克．法瑞托開車前往SpaceX的德州星際基地實習的途中，被一個播客節目吸引住了。主持人介紹了一場目標大膽的競賽：閱讀2000年前的卷軸手稿，但不能實際攤開卷軸。這份手稿是一套莎草紙卷軸的一部分。公元79年，維蘇威火山噴發，夷平羅馬古城龐貝和赫庫拉尼姆。卷軸被掩埋在地底碳化，用手攤開就會碎成粉屑，湮沒原本記載的訊息。參賽者若能想到辦法利用機器學習讀到手稿內部，將可共享超過100萬美元的獎金...
科學與新知｜
Nov. 01 2024
AI揭露動物的內心生活
動物都在說些什麼？研究者終於開始打造幫助我們理解的工具了。 撰文：安娜．皮爾 ANNA PEELE 那是2020年5月的某一天，普拉尤莎．夏瑪正大費周章地分析資料，希望從中找出模式，為她在麻省理工學院的研究小組會議做準備，而這也不是普通的資料集――這個資料集始終無法解讀，裡頭包含十年來所收集、抹香鯨用於溝通的喀答聲，足有數千小時之久。 夏瑪是鯨豚翻譯計畫（CETI）的一員。用研究團隊的話來說，這項計畫希望理解「鯨魚在說什麼」。目標單純明確，但困難度超乎想像：CETI要翻譯的是非人類的溝通內容。因此夏瑪與團隊伙伴也招募了非人類的盟友：一個基礎AI程式，協助他...
科學與新知｜
Nov. 01 2024
AI協助預測自然災害
測繪地底世界的研究員已愈來愈了解地震波的移動方式──以及潛藏危險之處。 撰文：羅賓．喬治．安德魯斯 ROBIN GEORGE ANDRES 加州地底藏著一座斷層迷宮。所謂斷層，是大塊岩石沿著彼此的側面、上方、下方滑動或彼此擠壓的地方。它們用指甲生長的速度移動，直到最後劇烈搖晃，地面也跟著震顫。破壞力強大的地震無可避免會晃動加州。沒有能防止地震來襲的方法，但了解地震容易發生的地點和地震可能釋放的力量，代表地方居民可以預先準備。 換句話說，減輕這些未來災害的最佳方法，是繪出地底世界的地圖，標出每一道斷層並監測斷層活動。 為了創建這樣的地圖，研究人員在地表...
科學與新知｜
Apr. 05 2026
AI晶片在模仿人腦嗎？什麼是類神經網路晶片
早上出門，你一眼認出迎面走來的老朋友；搭捷運時，你瞬間聽懂廣播裡的一句話；騎車轉彎，你的手幾乎在意識到之前就已經轉動了把手。這些事情對人類來說理所當然，但如果要交給電腦，工程師可能得為此努力好幾年。 人腦在執行這一切的時候，消耗的電力大約只有 20 到 25 瓦，和一顆省電燈泡差不多。相較之下，如今支撐大型 AI 模型訓練與運作的資料中心，往往需要極其龐大的電力與散熱系統。這種懸殊差距，正凸顯出人腦在能效上的驚人優勢。 國立陽明交通大學電子研究所陳坤志教授，專長橫跨多核心系統晶片設計、類神經網路學習演算法、超大型積體電路架構等領域。他指出，人腦最值得AI借鏡的，不只是計算能力，而是...
科學與新知｜
Mar. 12 2026
把飲食紀錄交給 AI 分析？重點不是算熱量，而是看穿你的「飲食習慣」
打開手機 APP，對著午餐拍一張照，輸入「滷肉飯一碗」，系統隨即跳出熱量估算和營養素比例，還提醒你今天的鈉攝取偏高、蔬菜量不足。 這種即時回饋很容易讓人產生信任感，原本模糊的「好像吃太多」或「最近飲食不太健康」，突然有了數字佐證，被整理成清楚的指標和圖表。用久了，你甚至開始期待 APP 能給出明確的判定，告訴你這一餐到底及不及格、明天該怎麼調整。 但飲食一旦被轉換成資料，許多東西就在過程中被簡化了。一張照片看得見菜色，卻看不見調味用了多少油和鹽；一行文字寫得出食物名稱，卻很難交代真正吃了多少。臺北醫學大學保健營養學系趙振瑞教授長期從事營養評估研究，她認為飲食...
AD