# Mechine Learning ###### tags: `MyNTUST` [toc] Open === Speaker --- - 劉峻誠 - Albert - 耐能智慧股份有限公司 總經理/執行長 - 出版書籍 - Deep Learning : Hardward Design KNEO EDGE AI+ === {%youtube adMe_lkMQuU %} - 講者公司的產品 - AI platform - https://www.kneron.com/tw/ - 暗指集中式 AI (FB, Google) 最終會控制人類 - Edge AI - 不會洩漏你的資訊給中央伺服器 Concept --- - keep your digital assets yours - easily apply to different situation Products & Applications === Chip --- - KL520 - KL720 - feature - low power consumtion - ~0.5w - support video/image/audio processing Application --- - 台北智慧自來水表 - 台北世貿 - 中興巴士 - 鴻海 MIH - Toyota - Honda - 台銀 - 彰銀 - 台達電 hardward product --- - USB dongle - 快速 AI 化 - AI 簡單化 - 不懂 AI 也能玩 - [buy it](https://www.icshop.com.tw/product-page.php?28115) - 智慧水錶 - 智慧門鎖 - 一年不用換電池 - 自動體溫+臉部監測 - 自駕車 {%youtube ap8-kBrR-uU %} Q & A === 1. 就個人所知，區塊鍊的特色是不可否認性，請問 KNEO 網路是否運用了這個特色？若是，這個特色如何應用在 KNEO 網路中？若否，請問 KNEO 網路結合了區塊鍊及 AI 的哪些特色？ A: 區塊鍊有許多特色，如去中心化、數位資產、公私鍊。KNEO 網路將學習到的知識上鍊，可以輕易回溯找出問題。也可以將各種行為紀錄，作為數位資產做後續利用。 2. 現在疫情期間出入各場所需戴口罩，人臉辨識的應用該如何因應？ > 來不及問 3. 現在監控科技發達，未來是否可能出現反監控機制？ A: GAN，善於創造。目前人類對於GAN技術仍然不熟悉，常用於偽造角色生成。可以利用於生成特殊雜訊干擾 AI 辨識。 4. Dongle 宣稱 2-3 天就可 train 出一個可用的 model，但就傳統經驗所知，訓練模型需要大量數據，dongle 如何在短時間內蒐集這麼多的數據？ A: 犧牲準度，一般常規模型準度普遍達 99% 以上，而 dongle 短時間訓練出的模型普遍準度在 80% 左右。 5. 一般 AI 產品都是部署在雲端上，開放 API 供人使用。但邊緣運算將 model 放在晶片上是否會造成技術容易洩漏？ A: 會用亂碼及 BlockChain 保護，參考 [官網](https://www.kneo.ai)。 6. 競爭對手如何與你競爭？ A: 大力推廣、壓低價錢。 7. 日用品 USB 插槽並不普及，貴公司如何讓 USB dongle 普及？ A: 並不只有 USB 介面。USB 是為了面對普羅大眾。 8. 開發智慧門鎖時遇到的困難？ A: 雙胞胎、化妝、口罩、背光， 9. CV 辨識率中，無法辨識的少數如何補償？ A: 準度其實是商業語言，若今天找到破綻，則準度是 0。業界有 NIST 標準指令集。 10. GAN 能否應用於遊戲開發，例如場景生成、功能精緻化？ Ａ: 可以，但創造一個遊戲仍有困難（目前沒有實際產品）。 11. 驗貓血尿的應用，是如何採集樣本及訓練？ A: 參 YouTube，基本上是用 camera 拍。 {%youtube a2uJ-yR7j-c %} 12. 有什麼是 AI 做不到的？ A: 有規範的、固定的工作較容易被取代。AI 駕駛目前較不容易被取代，除非全部都自動駕駛。總而言之，沒有規則、常有例外需要處理的工作不容易被取代。