| |
學者專家預言2020年將是AI落地關鍵年，正式從研發商品化成為實際應用階段，智慧製造、智慧零售、智慧醫療等跨產業整合應用莫不磨拳擦掌躍躍欲試。
理律學堂邀請國立交通大學大數據研究中心主任盧鴻興博士舉辦《數據科學導論與應用》系列課程，本篇「人工智慧發展」回顧數據科學、機器學習進而橋接人工智 |
|
|
| 慧、從現今世代的AI演進介紹到探討「有人味的AI，或替代人位的AI？」省思人類如何在深度學習與AI的未來共同合作解決問題。 |
| 人工智慧風險管理、演算法的實際運用及其新興風險：同溫層 |
| 陳奕甫 經理 |
 |
|
|
人工智慧AI存有以下潛在風險：未來無隱私、無自主權、資訊壟斷、資源分配不均、造成社會疏離，先要理解風險本質才能真正進行管理，因而全面認識演算法才能妥善以法律或道德自律形成治理框架；當演算法黑盒在所難免時，則應透過黑盒探針、控制黑盒走向、利用建議模組(Adversary network)預判比 |
對是否符合初始期望等方法打造「可被解釋的人工智慧」（Explained-AI）。
實際上演算法已深入捕捉我們各項資訊，從每天網路搜尋、社群平台表情貼文、雲端音樂播放、App排行，在網路世界的日常生活一舉一動，藉由資料累積庫存(inventory)、篩選訊號(signals)、進一步預測(predictions)用戶喜好興趣、再權重衡量產生分數(score)來決定資訊出現先後順序，無形中接收的資訊已被過濾、身處看似越來越厚實的同溫層；同時，演算法本身存在的缺陷（如資料不全、歧視偏見等）可能損害其應用產生的決策、預測與分析結果，引發或加劇目前道德、技術、法律或其他方面的困境。 |
| ‧ 人工智慧風險管理 |
 |
| ‧ 演算法的實際運用及其新興風險：同溫層 |
|
|
|
