張傳育教授_智慧技術與產業應用

Wed, May 31, 2023 14:00 PM

前言

本次講座很榮幸邀請到雲林科技大學資工系張傳育教授，他曾於2021年獲得教育部第四屆國家產學大師獎、2022年獲得美國史丹佛大學全球前2%頂尖科學家、2023年獲得中國工程師學會傑出工程教授獎，在講座中講師以淺顯易懂的方式向觀眾講解了許多關於AI的實際應用建議和啟發，透過精彩豐富的內容帶給我們很多的收穫！

內容分享

機器學習(Machine learning)：

人類給予feature的不同點，去讓機器做監督學習。
【缺點】feature對於人類來說難以分辨。

分為以下三種：

• 監督式學習(supervised learning)
• 非監督式學習(unsupervised learning)
• 強化學習(reinforcement learning)

深度學習(deep learning)：

直接給予機器不同的樣本，讓機器自己去學習、分析feature並辨識不同處。

實際應用：

• 工研院眼底智慧醫療助理(IMAS)

全球首創以眼底影像應用於視神經纖維缺損預測，協助醫師判定青光眼。

• 全方位智能嬰兒監測器

結合嬰兒哭聲偵測、哭聲辨識、吐奶偵測、臉部心率及呼吸檢測等技術。

基於Ai的醫療應用：

• IDx-DR

為第一個獲得FDA批准的基於AI的糖尿病視網膜病變診斷工具。

• QuantX

是首個獲得FDA批准，使用AI評估乳房異常的平台。

• Aidoc

第一個採用深度學習技術來幫助放射線醫師在頭部CT掃描中識別出急性顱內出血的工具。

• Zebra Medical Vision

一個可計算患者冠狀動脈的鈣化程度的平台。

智慧醫療不成功的原因：

• 患者個資隱私資料分散在各個醫院，缺乏標準化規範難以互通共用
• 病徵樣本不足、不均（疾病的盛行率不平衡）
• 擬辨識的病徵種類多元，模型無法快速複製
• 臨床設備、參數、操作技巧差異，導致辨識率大幅降低

結語：

• 智慧影像辨識技術與應用的發展可以
• AI不是萬能，有其限制性
• 擁有資料才是王道
• DL不是AI的唯一手段

講座心得回饋

第一組：

連翊安：
今天的講師提到了很多AI相關的應用與知識，並且也介紹了他所帶的專題生做的東西。感覺以現在的趨勢，AI在未來會被廣泛應用，甚至可以跨領域的結合，利用機器學習讓醫療或者工業上能夠做更精準的判斷或更精細的工作，是一個需要好好了解的領域。

陳冠吾：
演講深入介紹了AI及機器學習的原理和應用。AI透過機器學習的方式進行訓練，包括監督式學習、非監督式學習和強化學習。深度學習則是一種直接給機器樣本讓其自行學習的方法。AI在醫療領域有很大潛力，例如影像辨識能幫助醫生更快判斷病情，但也存在個人隱私和辨識準確性的問題。AI的發展需要持續關注和討論，以確保其成為人類的助力而非敵人。AI在未來將在各行各業中持續發展，將成為重要的趨勢，我們應該持續學習以跟上時代的變化。

徐翊華：
在演講中，AI技術的潛力令人驚嘆。它不僅能夠幫助我們解決複雜的問題，還能創造全新的機會。然而，我們也必須謹慎使用AI，確保它的發展符合倫理和社會價值觀。只有透過合作和負責任的應用，我們才能確保AI的未來能為人類帶來真正的益處。讓我們共同努力，發展出一個智能且可持續的未來。

鍾佳諭：
這次的講座讓我深刻體驗到科技的奇蹟，它改變了我們的生活方式與未來展望。人工智能的潛力無窮，能在醫療、交通等領域帶來巨大影響。然而，我們也需關注倫理與隱私議題，確保科技的發展能造福人類而非傷害。AI是我們的工具，而不是主宰。

李俐瑩：
今天的講座是關於AI的應用已經未來的發展，我們最近最常使用到的工具就是chat gpt，也讓AI 受到更多關注，如今聽了今天的講座也讓我們對AI 領域有了初步了解。

第二組：

今天雲林科大的張傳育教授提到了AI在影像辨識等領域的潛力，以AlphaGo及各種醫學上大小病症為例。這讓我對AI的能力有了更深刻的了解，它可以在複雜的情境下做出高度準確的判斷和決策。然而，講師也提到了AI在某些方面的限制，例如在疾病辨識中只能針對單一症狀進行辨識，而且因為症狀的千奇百怪及在地性，使得準確率容易在醫學上大幅下降(有時會以融合當地data的資料集進行再訓練提高精準度)。

除了AI的基本介紹和實際應用，講師還講解了機器學習的發展歷程。這些機器學習的變化發展史及成長速度展示了機器學習巨大的潛力，現在它不僅可以作到節省時間及增加醫生做出更準確有效率的診斷和治療，對如今往後的研究也頗有幫助。這些都讓我對機器學習的能力有了更深入的了解，並且讓我認識到它在解決現實問題方面的價值。

這次演講讓我意識到AI和機器學習對於現代科技和醫學領域的重要性。它們不僅是學術研究的一部分，更是推動社會進步和改善生活質量的關鍵。學習AI對我來說不僅擴展了我的知識面，也逐漸融入我們的生活中。

第三組：

這星期的講師是工研院的教授，他對AI學習的研究相當深入。而且也因為在AI界的研究成果有功上過新聞，是在這方面地位舉足輕重的狠角色。而我剛好對AI非常感興趣，所以對這次講座抱有諸多期待，能在這次演講收穫許多。這次講座不斷強調機器學習和深度學習，還舉出兩種學習法於各種現實狀況的應用，舉凡醫學方面就有腫瘤、青光眼預測等等。競技方面則是AlphaGo的圍棋。這些學習法加速AI的學習能力，並且訓練成果甚至超越經驗豐富的人類。雖說AI的學習法成果驚人，但仍然有弊病，而經過講師的演說後，也讓我略懂一二。這次講座不失我的期待，收穫良多。因為自己本身對這塊很有興趣但網路上能搜尋到的資源相當匱乏，剛好藉由這次講座機會增長自身的見識和知識。

第四組：

楊舒怡：今天的演講讓我更深入了解AI，知道了AI是透過機器學習訓練，而機器學習又分為監督式學習、非監督式學習和強化學習，而chatGPT則是由基於人類回饋的監督學習和強化學習做微調。機器學習和深度學習的不同在於，機器學習是人類給予feature的不同點，去讓機器做監督學習，但缺點是feature可能很難分辨；而深度學習則是直接給機器不同的樣本，讓機器自己去學習、分析不同的feature，並辨識出不同點。總之，有了chatGPT的出現，全世界都更關注了AI的發展，希望AI可以帶給我們更多的便利。

楊蕙嬬：本次演講在講述怎麼用AI影像辨識做應用，說到比較多的是在醫療上的輔助，不管是腦部、皮膚、甲狀腺、腫瘤等等，可以提供醫生一些建議，讓醫生可以更快的去判斷病患的問題爭取治療的黃金時間！
但是個人隱私的問題，再加上人體的病症很難有一個完整的判斷方式，所以也可能造成判斷不準確在臨床上也很難實施，希望未來擴大應用！

張郁琪：透過這場講座讓我對AI有了更多的了解也知道了它的歷史發展，也知道了原來machine learning 是先透過人來抓取特徵再讓電腦去學習，這場講座也滿有趣的，因為感覺就像是在聽故事一樣，也能讓我對AI領域有了不少的了解。

陳宥蓁：透過今天的演講，我學到了很多關於AI的相關知識，像是如果提供給AI訓練資料不夠多樣化，在辨識時難以辨別出深膚色的人種，會不小心把人辨識成黑猩猩，使得AI的推斷結果帶有種族歧視，所以今天講者也告訴我們AI其實是用來輔助人類做出最好的決定或是結果，而並非要取代人類。

陽彩柔：透過今天的演講，我了解到現今Ai技術在醫療領域有哪些幫助，甚至Ai也可以從嬰兒的哭聲來去判斷嬰兒狀況，我認為在未來我們的生活中勢必充斥著Ai技術來輔助我們，但在這樣的趨勢下，我們應該持續學習，使自己能跟上時代的變化。

蒲品憶：今天的講師，提到很多關於AI智慧醫療、嬰兒哭啼辨識、人體臉部辨識偵測體溫等等研究，並且都有實際做出來成品我覺得非常厲害，但是關於Al的發展方向還是必須小心，要讓AI在未來成為人類的助力，而不是人類的敵人，是我們需要持續討論的課題。

第五組：

林柏辰：透過講員的介紹，才發現AI產業的科技迭代十分快速，我們現在專題實驗的理論項目早就在1980年代就已被提出，也期待著在往後的時代AI能夠在生活中有更多的實際應用。

吳彥寬：這次的演講說了很多有關影像辨識的應用和方法，講師也詳細介紹了AI技術在影像辨識中能帶來甚麼創新應用，讓我獲益良多。

林圻恩：這次的講座介紹的是AI的演進與應用，讓我蠻訝異的是現在大家在用的AI，我本來一直覺得AI這個概念應該是近20年左右才會被提出，結果原來1980年代就有AI的概念了，然後AI的應用範圍也非常廣，希望之後能有更多的實際應用於生活。

康旭：這次的講員分享了很多關於影像辨識的相關知識，其中包含了智慧檢測、智慧生活、智慧醫療。這些都是跟影像辨識有很大的關係，我透過這些知識了解到影像辨識是如何應用到實際生活。

魏宇奐：這次講座讓我看到了影像辨識技術的前景。其中，讓我印象最深刻的就是因為資料分布不均的問題，導致影像辨識跟醫療技術上的合作遇到了很大的阻礙，也讓我感嘆，要大量收集到正確而且可以利用的資料真的很不容易，讓我受益良多。

劉又誠：這次講座跟我們專題有很大的關係，也是關於影像辨識的使用，教授舉了更多我從沒想過的使用方法，甚至使影響辨識配合技術來達成目標，都使我受益良多。

第六組：

今天的講師是張傳育教授，他在AI領域的智慧辨識應用上有豐富的經驗。透過他詳細的講解，我更深入了解了機器學習和深度學習之間的差異以及它們各自的運作方式。

我們生活在一個AI發展迅猛的時代，幾乎每個月都有新的論文被提出，這使人們感到前所未有的壓力和不安，甚至有些人開始對AI的出現感到厭煩。然而，講師告訴我們，AI的存在並非要取代人類，而是要幫助人類。

他舉了一些智慧醫療方面的應用例子，例如使用AI預測糖尿病導致的失明風險，利用三個攝影機拍攝傷口並使用AI進行傷口檢測，以及關於寶寶的監控系統等。這些都是AI在協助人類生活、提供更方便的生活方式方面的實際應用。

這些例子讓我們看到了AI如何在醫療領域中發揮作用，提供更準確的診斷和更有效的治療。這種協作模式可以幫助醫生和護理人員更好地照顧病人，提高醫療的質量和效率。

因此，講師的演講讓我明白了AI的真正價值所在。它不僅是一個工具，更是一個可以改善人類生活的助力。我們應該懷抱開放的態度，善用AI技術，使其為我們所用，為社會帶來更多的益處。

第七組：

劉珈彤：這次的演講讓我對機器學習和AI有了更深入的認識。講師分享了許多有趣的例子和實際應用，如醫學影像分析和臉部辨識技術，讓我對AI的潛力感到興奮。同時，講師也提到了AI發展中需要關注的倫理和隱私議題，這是一個重要的問題需要大家共同思考和解決。

邱家祐：這次的講員在介紹有關於智慧辨識的應用，一開始先介紹了機器學習，深度學習跟AI發展的歷史，這是我沒聽過的部分，還有說明機器學習跟深度學習之間的差別，後介紹了一些智慧辨識的應用，除了在醫療上我覺得他所介紹的智慧生活很有趣，像是可以提前發現寶寶要吐奶，讓我覺得很厲害。

姜柏仰：這次講師分享了雲科大的IRIS也介紹了很多他們與產業的合作還有與國外的合作，這讓我了解到資工系可以往這個方向發展，覺得受益良多。

劉丞曜：這次講座講師講說了有關智慧辨識產業的應用，先說了有關AI的三種分類，再說了關於舊時代的機器學習及新時代機器學習的差別，再來就是關於製作一個AI相關作業需要的流程，最後討論了有關深度學習現在的限制，這次的演講對我來說收穫很多，關於知識層面的內容也很好理解，感謝講師今日的分享。

林傳堯：這次的演講分享了很多實作的東西，也學習到很多有關機器學習以及深度學習的知識，而這些對我們的專題實作很有幫助，這次的演講真的是收穫滿滿。

第八組：

陳威綸：這次的講師帶給我們的是關於ai在日常有多少的貢獻以及未來的發展，我是真的沒想過可以預防糖尿病就是了，看來以後還會出現很多奇怪但有趣的東西呢!

范育瑋：這次的演講又再次的讓我感受到產業的趨勢，以及認識講師所處的單位是在做什麼。還是醫療方面的器材領域比較多方向來發展。果然還是我們不知道趨勢啊～

張善泓：AI的使用以及普及化是未來不可避免的趨勢，還在求學途中的我們也應該要增加這方面相關的能力，才有辦法符合接下來市場以及企業的需求。

鄧樂心：今天的講師分享了AI在各個產業中帶來的影響以及未來的發展趨勢，讓我感受到AI能為將來帶來的可能性和新技術。如果未來要從事這方面的工作的話，至少要具備對AI的基本知識才行。

莊士毅：這次講師分享了很多AI在未來的應用，以及現今的發展和遇到的問題，讓我們如果對AI有興趣的話，有一個頭緒，總得來說，獲益良多。

第十組：

這一次的講師是張傳育教授，在前面的解說中我們了解到他是個在AI領域的智慧辨識應有著很豐富的經驗以及經歷。在他的演說中，我們得知了機器AI在處理印象以及深度學習之間的差異這都是使它們自己去做學習與處理。

現在的世代中沒辦法避免的就是AI人工智能的發展極巨快速，幾乎每個月都有新的論文被提出或是更先進的技術被開發出來，這使人們感到很多的的惶恐與不安，甚至有些人開始對AI的出現感到排斥與不了解甚至會覺得自己要被取代了。但講師告訴我們，AI的存在並非要取代人類，而是要幫助人類讓人類變得更好。

他從中有舉出一些有關智慧醫療方面的應用例子，像是使用AI預測糖尿病導致的失明風險，或是利用三個攝影機拍攝傷口並使用AI進行傷口檢測，以及關於寶寶的監控系統等。這些其實很顯然的都是一項項很了不起的技術以及專業，可以幫助到我們人類讓我們的生活變得更好你可以說他確實會讓我們失去一些工作上的機會，但我們也從中能夠慢慢的學會如何去思辨以及更加創新這就是AI無法取代我們的地方。

但間接下來也會有許多問題像是對AI所帶來的倫理和社會問題。隱私權、數據安全和就業市場的變化等問題，會不會到最後誰擁有的AI技術越多就能越為非作歹呢？隨著AI的普及，個人數據的收集和使用變得更加廣泛，這引發了對個人隱私的擔憂。但總而言之聽完了這次的演講讓我受益良多有反思了很多問題。

第十一組：

今天演講的主題主要是在講時下最熱門的主題AI，講師講解了關於很多關於AI的基本知識，AI的發展歷史，mahchine learning與 deep learning之間不同的地方，mahchine learning通常需要手動選擇和設計特徵，然後使用這些特徵來訓練模型，這光想就實在是一件困難的事，因為得要將特徵給完整敘述出來。而deep learning則不需要手動設計，卻需要大量的運算能力。而講師今天提出的例子alpha go，就有幾千顆幾百顆的CPU、GPU，而chat gpt肯定需要更多的資源，我才後知後覺，了解到最近新聞上nvidia ai的晶片是有麼的重要。而後面講師提及的例子關於在醫學領域的實際應用，例如透過觀察人的頭的微震動、以及人臉微血管來計算呼吸與心跳的頻率，我才初步了解到影像辨識在醫學領域重要的輔助功能。

第十二組：

這次的演講者是張傳育先生，這次講的主題主要是和現在時下最熱門的話題-AI。
傳育先生在AI產業有相當大的貢獻，對於未來的發展有很大的幫助。其中有幾個我滿印象深刻的，像是嬰兒聲音辨識，對於父母來說，小寶寶的健康是最爲關心的。小嬰兒的語言表達還有問題，若他們有什麼不舒服，只能透過哭去判斷，若能夠透過AI去分析他們所說的話，可以讓父母更了解他們的狀況。還有一個是傷口判斷處理，在一些比較缺乏醫療資源的偏鄉，可以透過辨識傷口的儀器，做初步的判斷，再進行上傳到平臺給其他醫師做更進一步的判斷，能給病患帶來很大的幫助。我發現AI發展的趨勢越來越多是取決於人類目前的需求，以及解決社會大衆的問題。透過自己的專業所學去給社會帶來貢獻我認爲是很棒的一件事，但也不能完全依賴AI，畢竟他的思路還是死的，若做出什麼不可逆的判斷是我們無法承擔的。因此如何在需求與依賴程度上去拿捏，是我們需要去思考的問題。

第十三組：

10942208 陳洺安

這次的教授，在學術上也是令人景仰得對象，說到連大公司都要搶其研究就知道，他的研究有很高的價值，在說到機器學習和深度學習的差異時也是讓我一聽就明白，以前還搞不懂甚麼是標籤式學習要那個幹嘛!尤其是說到下棋那段時，我想教授也是想傳達給我們，人工智慧縱然厲害，但我們人類也有自己自身的優勢，並不是人工智慧會取代我們全部人類活著，也與其結語互相應證，還有說到資料在ai領域的重要性，也提出了在沒有過多data下的解決之道，雖然不知道未來自己會往哪個方向發展，但聽完教授演講的確對這個領域有更多認識及好奇!

10927260 劉宗諺
這次的講師清楚地向我們解釋AI這個存在，也點出機器學習和深度學習的差異，對於原本對於AI只有初步認識的我有很大的幫助。教授也有提到關於人類會被AI淘汰這件事，這件事也是現在大眾矚目的焦點。雖然AI現在已經可以做到很多事情，像是寫故事、畫畫、甚至到寫程式，AI都可以做到，但是，人類還是有許多地方地方是AI現在還無法做到的，唯一確定的是不努力的人會被淘汰。

10927262 呂易鴻
這次的講者是雲林科大的張傳育教授，這位教授在於AI的領域有相當多的貢獻與成果。這次的演講提出了許多的實際案例，例如嬰兒聲音辨識。此外，他也談到了AI沒有足夠多數劇的困境，但也對於AI的前景相當看好。我自己最在意的點是使用GPT等雲端AI功能會使得資料被AI提供的公司知曉，未來的眾多企業會因此有什麼變化。最後，我們必須與AI共存且學習使用AI加速我們的開發，在未來才更有競爭力。

第十四組：

李騏亦：本次的講師向我們介紹了關於AI的發展歷史，也提到AI配合了影像辨識等技術後所擁有的潛力，如AlphaGo。此外講師也說明了如此訓練出來的成果其實也是有限制的，像是疾病辨識一次只能針對一種症狀進行辨識，如果需要辨識另外的疾病只能再次進行訓練。儘管如此，AI在未來的各行各業中都可能擁有一塊立足之地，將是未來長久不衰的發展趨勢。

林昊緯：這次邀請到了雲林科技大學的教授，向我們介紹有關機器學習原理，還分享了許多自己帶領的團隊內容。

這次的講座使我獲益良多，像是Machine Learning 中的 Supenised Learning, Unsupervised Learning, Reinforcement Learning以及近期蓬勃發展的Self Learning，這些知識使我在製作專題上更有方向，也對於不同領域有了更深入的了解！

許睿麟：這次的講師是來自雲科大的教授帶給我們許多關於machine learning相關的知識，也提到很多他的團隊智慧辨識產業服務研究中心裡的產品抑或是研究，同時也提到許多世界上的趨勢，讓我在這上面有更多的理解。

李冠威：這次的主題主要專注於機器深度學習。講師跟我們介紹了生活上很多不同人工智能運用的例子和優缺點，像是下棋ai雖然在對弈時不會受到情緒影響，但是其打造費用和啟動所需的能源也不是一碗牛肉麵就可以解決的。讓我更加認識了現代對人工智能的發展和趨勢。

李自翰：這次的演講主題是機器學習的介紹。講師詳細解說了機器學習的發展歷史以及其實際應用。其中包括了機器學習在醫學領域的實際應用，例如甲狀腺超聲波片的人工智能解析、腫瘤的判斷以及對皮膚表面傷口的分析等等。這些應用讓我對於機器學習的潛力有了更深刻的認識，超出了我在演講之前所能想像到的範疇。因此，這些知識對我來說具有重要且寶貴的價值，也對我的學習和專業發展有著極大的幫助。

第十五組：

陳冠傑：今天講員跟我們介紹了AI辨識技術的應用，以及智慧醫療的應用與其困難的地方，比如因為醫院通常不會釋出病患資料的關係，以及基於個資隱私的緣故，所以不可能釋出病患的病歷，因此難以統整並以AI辨別病例。但利用聯邦學習法就可以用訓練模型來觀測病患，再回傳訓練的模型，這樣只會得到觀測病患後的Ai模型，並不會得到病患個資，再進入訓練，最終突破智慧醫療的困難點。

黃詳諺：這次的演講讓我對於智慧醫療有更深入的了解，其中讓我印象最深刻的是透過影像來視訊檢測心跳以及呼吸，以往都是使用接觸式的裝置來判斷使用者的狀態，透過影像辨識可以大幅減少電子產品汰換後產生的電子垃圾，非常厲害。

王胤迦：這禮拜的講員很厲害，聽完以後，讓我對於人工智慧和影像辨識有更多的了解，剛好專題的方向也是影像辨識，所以相輔相成，並且未來有機會的話也可以往雲科大的實驗室走，有學術大佬的協助，相信未來出路很有前途。

陳建成：這禮拜的演講提到了和智慧醫療有關的內容，也讓原本對這方面不熟悉的我有了更多的了解，而且這居然也能和AI、影像辨識等能有相結合的關係。又想到這幾周的主題很多也都是這兩者能夠發光發熱的地方，也讓我對未來研究所選擇的目標有了更明確的方向。

陳顥：在今天的演講中，講師提到了有關智慧辨識在醫療與生活中的運用與發展，我才知道原來現在普通看診其實也用到了很多智慧辨識系統。他也提到了如果追溯AI的發展，最早可以到1940年代，原來AI其實是一個發展了一段時間的技術，而不是這幾年才被提出的。

蔡鎮陽：這次的演講望我知道AI可以結合不同的領域，來讓應用範圍更廣。

第十六組：

曾雲鴻：今天看到講師的個人經歷，發現他在智慧辨識領域有非常大的貢獻，尤其是智慧醫療的部分，拍攝使用者的臉部利用影像辨識就能判斷呼吸頻率及心跳，以及嬰兒哭聲的翻譯，這些都令我嘆為觀止，也讓我對其技術感到相當好奇。現今的生活與AI息息相關，如何利用AI來增加我們的收入，甚至使人類更進步，是全民都該學習的課題。

吳政遠：今天的講師為我們講解AI的一些知道，以及他所了解的AI，讓我獲益良多，尤其是現在的專題也是有關machine learning讓我對我的專題產生一些新的方向可以嘗試，感謝今天的講師帶來的演講。

蕭育傑：今天的講師的演講讓我大開眼界，因為講師都在講一些實際可行甚至是已經在營運的東西，因此特別有感，加上自己的專題也是以機器學習相關去發展，所以對於講師今天講的內容也算了解。讓我印象深刻的就是講師研發的透過AI根據攝影機所拍到的內容就可以去診斷人的心跳以及呼吸的次數，感覺真的有夠酷，非常佩服講師可以想到這個點子，謝謝講師今天的演講，真的非常有趣!

第十八組：

黃勤：這次的演講讓我更深入了解AI的應用領域，尤其是在智慧醫療方面的應用。講師介紹了機器學習和深度學習的不同，並提供了許多實際案例，讓我看到了AI如何在醫療領域中發揮作用。這種協作模式可以提高診斷準確性和治療效果，對提升醫療品質和效率有著重要作用。我對AI的未來發展充滿期待，希望它能為我們帶來更多便利和改善生活品質的機會。

林益華：這次的講師大有來頭，得過許多獎項，演講的內容也十分專業，讓我學到蠻多東西的。

第十九組：

陳易鴻：這次的主題是智慧辨識技術的產業應用，講師從人工智慧與機器學習開始講起，講師最致力於將深度學習應用在醫療方面上，同時介紹了很多成果、優缺點、衍生的問題，可說是科技與生活融合的最佳例子，透過這次講座讓我更清楚的知道研究科技時需要注意的要點。

黃立軒：這次的講座介紹了人工智慧在生活上的應用，講解好幾個將深度學習做出來的成品，從看眼睛預防青光眼到嬰兒的嬰語翻譯機，讓我們了解到深度學習如何結合生活上的需求，來做出有用的成品，讓我收穫不少寶貴的經驗。

洪有為：透過這次講座我發現現在AI的演進與普及已經十分蓬勃，各個領域都有突破性的發展，講師提到的醫療領域透過機器學習這些技術已經有許多實際上的成果，但同時也提到了一些延伸問題是未來需要去設法解決的。

林岳頡：這次講的範圍很多很廣，從智慧檢測、醫療、生活到AI、3D、演算法等等，應有盡有，很多有趣的東西，也學到了很多。

陳俞安：講師提到了許多AI與我們生活上可以發展的相關應用，從講師自身帶領的嬰兒狀態偵測可以判斷出吐奶、嘔吐等動作，並發出危險警告，可以看出人工智慧正在影響我們的生活。

侯昊恩：這次的講座講了非常多關於AI的內容，我對於AI也是相當的有興趣，所以我覺得這次的講座內容非常有趣。

第二十組：

今天講座老師的資歷非常厲害，得過許多獎項，而且還有和中研院合作，是一位非常厲害的教授。今天的內容主要是關於AI的發展與應用，AI在最近可以說是非常的紅，不管是在哪個領域都可以見到AI的身影，甚至是融入了我們的生活中。在講座課程中有提到AI的發展史，令我驚訝的是沒想到原來關於AI的學術論文其實很早之前就已經有提出來了，只是因為其中有一點點的小錯誤所以沒有受到重視，直到過了許多年後才有人提出解決辦法，問題解決之後配合上現代的技術AI才得以開始蓬勃發展。還有在課程中講座老師展示了許多實際的成果，其中有一項應用是我完全沒想到的，就是指根據面像就可以測量出心律的AI，從正常人的角度來看，在零接觸的狀況下怎麼可能可以測出心律來，但是AI做到了，讓我不禁聯想到底有什麼是AI做不到的，到底會不會有人類被AI反撲的可能性存在呢?

第二十一組：

這次關於AI的演講，讓我驚嘆於現代AI技術的發達，剛好我的專題正在做句子辨識的訓練，也是一種人工智慧的基礎模型訓練，面對於現今各式各樣的人工智慧大爆發，讓我非常敬佩那些成功將人工智慧的自動化與辨識能力發揮到淋漓盡致的開發者，我當時光是理解文本辨識的原理就花了我不少時間，對於向量與交叉熵也是到近期才了解的更多，對於人工智慧的領域我還有很多需要學習。人工智慧近幾年的突破其實已經默默地影響我們周遭的事物，像是人臉辨識的發達使海關能成立快速通道、車牌辨識讓高速公路收費站成為自動化、貨物辨識與路線分析則是Amazon強大的原因之一，科技已經逐漸改變我們生活的樣貌，但我也不禁思考這樣的快速發展到底是好事還是壞事，講員也有提到最近由OpenAI聯合其他家人工智慧公司，共同約定要限制人工智慧的發展，從人工智慧的出現(人工神經網路)到現在其實還沒過三十年，而人腦在這兩百年間都沒有改變，現代人是否已經準備好面對逐漸超越人類的人工智慧還是個問題，人工智慧的初衷即為更方便的工具，但當這工具在發揮效用之前就取代太多的工作、替換掉創作者的位置、成為逃避學習的藉口，這樣的工具也許還是不要太早面世的好。

Q&A

第四組：

Q：影像辨識男女生，若要辨識的是長得很像男生的女生，系統會怎麼判斷，如果錯了系統會把這張圖拿去深度學習嗎？因為連人眼都很難辨識，深度學習以後這樣會不會造成數據不準確？

A：在早期的時候做的人臉辨識確實是有這方面的事情，不過最近，舉個例子來說，我有一個雙胞胎長的都很像，好奇最近想試試看用人臉辨識解鎖弟弟的手機，發現沒有辦法，有可能Al臉部辨識已經發展到很厲害能夠分辨得出來不同的人了。至於關於辨識男女的問題，其實並不是什麼問題，像是之前有一個研究，把同性戀網站中的人統整做出一個能夠辨識同性戀的系統，那其實也沒什麼，因為使用同性戀網站的人也不一定是同性戀。

Q：我想請問 AI本身應該是沒有主觀的情感，那現在有沒有在做相關的研究，想要實現他能夠有自己的情感，或是要避免這種情況？

A：OpenAl公司來說，他們是想不要讓Al有情感，他們可能怕AI有情感會威脅到人類。又比如，你可以想像如果AlphaGo有情感，那如果它下錯棋，那會不會因為心情不好，影響之後幾盤棋的表現？這樣是好的嗎？我也不知道Al到底要不要有感情，這一直是目前人們需要討論的議題。

講座照片區