- 今日收錄
- 3篇
- 近 24 小時
- 9篇
- 近 7 天
- 49篇
報導關鍵字
近 7 天最新收錄
篩選「OpenAI」清除篩選 ×
本頁 18 篇 · 依收錄順序
Claude Code明星產品經理跳槽OpenAI！Cat Wu有何本事？為何成AI巨頭搶才目標？
Claude Code產品負責人Cat Wu在Anthropic IPO前夕轉投OpenAI。模型差距拉近後，AI巨頭搶的是能把模型變成產品的人。
OpenAI獨家授權最強語言AI模型GPT-3給微軟，馬斯克再開砲：有違開放初衷
在OpenAI宣佈與微軟建立合作，將獨家授權其語言AI技術GPT-3後，共同創辦人馬斯克也公開抨擊這有違開放初衷。
牽手馬斯克創辦的OpenAI，微軟投資10億美元開發雲端AI技術
微軟宣佈投資AI研究機構OpenAI 10億美元，同時兩家公司將攜手合作，除了開發雲端AI技術外，也將共同朝通用人工智慧的大方向邁進。
開放《Dota2》全球玩家線上挑戰，OpenAI廝殺7千場拿下99%勝率
OpenAI開放全球玩家上線挑戰自家AI，並在3天內取得勝率99.4%的卓越戰績。
AI寫假新聞又快又好，OpenAI新技術太危險官方延後釋出
人工智慧研究團隊OpenAI於上週介紹新的軟體技術，能編寫出邏輯清晰、架構完整的文章，引發外界對散播假消息的擔憂。共同創辦人伊隆．馬斯克（Elon Musk）則宣布退出公司，表示與OpenAI部分理念不合。
5個AI合作無間，OpenAI打《DOTA 2》電競團體戰擊敗人類
經過了一年的精進，本周OpenAI團隊宣布，由他們所開發出來的AI，已經有能力在五對五的團體戰中，戰勝《DOTA 2》頂尖業餘玩家，AI與AI之間能夠相互配合，被認為是電腦科學領域的新里程碑。
OpenAI人工智慧完勝《DOTA 2》電競玩家，但它有比AlphaGo厲害嗎？
由非營利人工智慧組織OpenAI開發的電競機器人，上週五在著名國際電競比賽「The International中」的兩場比賽中完勝人類職業電競選手，這也是第一個在電競比賽中擊敗世界好手的機器人。
OpenAI發表新演算法，讓機器人像人類般透過模仿學習新技能
OpenAI今日發表的機器人學習系統，讓機器人只要看過一次人類在虛擬實境（VR）中的示範後，就能成功複製人類行為，完成任務。
用《俠盜獵車手》教AI「開車」！OpenAI開源自動駕駛訓練專案
人工智慧實驗室OpenAI今日開源一套透過賽車電玩《俠盜獵車手》學習的自動駕駛系統，只需要一台電腦和遊戲，人人都可以開發出自動駕駛系統。
OpenAI開源全新虛擬世界Universe，幫助人工智慧鍛鍊「判斷能力」
舊金山人工智慧實驗室OpenAI宣布全新的虛擬世界Universe，人工智慧系統將可以透過與虛擬世界的不斷互動、試錯中自主學習、鍛鍊「判斷能力」。
人人都能打造自己的AlphaGo！Google宣布將DeepMind程式碼開放成開源
DeepMind宣布，將把AlphaGo背後的程式碼開源、上傳到GitHub。同一時間，伊隆·馬斯克參與成立的AI研究機構OpenAI也宣布，將旗下的電腦訓練場「Universe」開放成為開源資源。
台灣如何在人工智慧彎道超車？得培養高級AI人才
<div><img src="https://media.bnext.info/image/album/2016-10/img-1476777053-76881.jpg" /><br /></div><p>近年來深度學習以及人工智慧飛速的發展，在許多領域都造就了突破性的成果，例如自動駕駛系統利用深度學習來<a href="http://spectrum.ieee.org/cars-that-think/transportation/self-driving/mobileeye-pours-cold-water-on-deeplearning-robocars" title="辨識物體">辨識物體</a>、從醫療影像中<a href="http://www.bnext.com.tw/ext_rss/view/id/1808715" title="辨識視覺疾病">辨識視覺疾病</a>等。這樣的近況，造就了許多公司積極在現有或新的產品上應用深度學習。</p> <p>可以想像未來在台灣，對AI人才的需求會越來越多。然而，就如<a href="http://www.bnext.com.tw/column/view/id/41223" title="連結說明">李宏毅老師上一篇文章</a>所提，以深度學習為基礎的AI技術本身並沒有太高的門檻，只要幾台伺服器插幾張顯卡，然後寫幾行程式碼，人人都可以是AI人才。</p> <p><strong>但是，難道每一位AI人才，都可以成功利用深度學習演算法，開發出實用的產品嗎？</strong></p> <p><section class="al-section al-photo al-s-1" data-mode="editor" data-type="photo"></p> <figure data-style="al-s-1"><picture> <!--[if IE 9]><video style="display: none;"><![endif]--> <source srcset="https://media.bnext.info/image/album/2016-10/img-1476777106-68892.jpg?_dc=1476777191641&s=900" media="(min-width:768px) and (max-width: 991px)"> <source srcset="https://media.bnext.info/image/album/2016-10/img-1476777106-68892.jpg?_dc=1476777191641&s=600" media="(min-width:481px) and (max-width: 767px)"> <source srcset="https://media.bnext.info/image/album/2016-10/img-1476777106-68892.jpg?_dc=1476777191641&s=400" media="(max-width: 480px)"> <!--[if IE 9]><video style="display: none;"><![endif]--><img src="https://media.bnext.info/image/album/2016-10/img-1476777106-68892.jpg" title="科學家_工程師_shutterstock_330576671.jpg"></picture><figcaption>隨著人工智慧及深度學習的飛速發展，對AI人才的需求日增。</figcaption><figsource>shutterstock</figsource></figure> <p></section></p> <p>借鏡美國可以發現，各大公司對「高級」AI人才的追求，幾近瘋狂。因為如何訓練AI系統，讓它符合產品需求，是一門難度極高的技術。</p> <p><section class="al-section al-essence" data-mode="editor" data-type="essence"></p> <div class="essence-box"> <div class="ess-description">所謂高級AI人才，就是有能力持續提升演算法的效能（如辨識準確度），最後達到「產品需求」的人才。</div> </div> <p></section></p> <p>以電腦視覺領域為例，Conference on Computer Vision and Pattern Recognition (CVPR)是最大的學術會議，2016年有超過60個廠商來<a href="http://cvpr2016.thecvf.com/exhibit/industry_expo" title="徵才">徵才</a>。</p> <p>許多公司例如Facebook、Apple，都進一步邀請口頭發表（oral presentation）的作者們晚上參加聚會，目的是為了吸引最優秀的人才。許多新創公司更是會主動在<a href="https://github.com/" title="GitHub">GitHub</a>上延攬熱門的開源（Open Source）作者，不論作者在不在美國，都主動邀約面談。</p> <p>從去年開始，許多大陸公司（如<a href="http://www.tusimple.com/" title="圖森">圖森</a> ）也在CVPR跟美國公司較勁，爭取人才。如果台灣公司有產業升級的企圖心，就必須在人才競爭上展露出野心。</p> <h2>台灣留不住高級AI人才</h2> <p>當然現實是殘酷的，一般公司非常難在人才市場上搶贏大公司如Google、Facebook等。因此，台灣很重要的是培育高級AI人才。</p> <p>不過，好消息是，從2013年台大資工系副教授林軒田的<a href="http://www.ntumooc.org/single-post/2014/07/22/%E6%A9%9F%E5%99%A8%E5%AD%B8%E7%BF%92%E5%9F%BA%E7%9F%B3" title="連結說明">開放式機器學習課程</a>開始，至2015年中研院主辦的深度學習工作坊，台灣資料科學年會對於深度學習的介紹，以及台大李宏毅老師開放課程的推廣，越來越多的學生以及工程師開始學習機器學習以及深度學習，紛紛走上成為AI訓練師（AI Mentor）的路。</p> <p>然而，高級AI人才的養成需要歷練以及時間。 可惜的是，大部份學生成為AI人才之後，卻只能選擇出國一途，因為台灣缺少需要高級AI人才的產業。另外，許多公司雖投入資源，讓工程師轉型為AI人才，但是遇到瓶頸之後可能缺乏經驗突破，公司內部也可能缺乏夠多的人才去腦力激盪出新的方法。這些問題都很可能讓台灣追不上這波AI創新的浪潮。</p> <p>因此，台灣近幾年最關鍵的是如何留住人才。台灣公司需要更積極的跟學校合作，開設培育高級AI人才的全職以及在職課程。更盼望可以大張旗鼓地讓台灣年輕人看到留在台灣的出路，讓人才不再淨流出。</p> <h2>AI人才，才能讓台灣彎道超車</h2> <p>怎麼樣才能加速AI發展，讓台灣彎道超車呢？必須創造一個AI人才可以持續成長為高級 AI人才的環境。</p> <p>成長的環境對現今的AI人才來說是非常重要的, 因為AI領域發展太快速了，幾乎每幾個月，學界或是業界都有重大的突破。因此一個單位是否吸引人才的重要因素是，一年後可以學會多少新的東西？有多少自由度能追逐看似瘋狂的想法？</p> <p><section class="al-section al-photo al-s-1" data-mode="editor" data-type="photo"></p> <figure data-style="al-s-1"><picture> <!--[if IE 9]><video style="display: none;"><![endif]--> <source srcset="https://media.bnext.info/image/album/2016-10/img-1476777053-76881.jpg?_dc=1476777247724&s=900" media="(min-width:768px) and (max-width: 991px)"> <source srcset="https://media.bnext.info/image/album/2016-10/img-1476777053-76881.jpg?_dc=1476777247724&s=600" media="(min-width:481px) and (max-width: 767px)"> <source srcset="https://media.bnext.info/image/album/2016-10/img-1476777053-76881.jpg?_dc=1476777247724&s=400" media="(max-width: 480px)"> <!--[if IE 9]><video style="display: none;"><![endif]--><img src="https://media.bnext.info/image/album/2016-10/img-1476777053-76881.jpg" title="賽車_Racing_shutterstock_126225098.jpg"></picture><figcaption>台灣能若要在人工智慧領域彎道超車，需要高級AI人才。</figcaption><figsource>shutterstock</figsource></figure> <p></section></p> <p>若剖析最成功的美國AI研發單位，它們有三個共同點：(1) 聚集足夠多的人才，像是<a href="https://research.facebook.com/ai/" title="Facebook AI Research (FAIR) ">Facebook AI Research (FAIR)</a> 、<a href="https://research.google.com/" title="Google">Google</a>以及<a href="http://www.apple.com/" title="Apple">Apple</a> 的研發單位；(2) 有遠見且能跟AI人才直接溝通的領導，像是Facebook、Google、<a href="https://www.teslamotors.com/" title="Tesla">Tesla</a> 的執行長，都有相關背景；(3) 相當程度的開放研究，FAIR以及Google都開放許多研究發表，成果開源，以及鼓勵經驗分享。</p> <p>台灣許多令人尊敬的企業家們，請帶頭成立投資AI人才的共同基金。海外成功的國人以及國內的專家們，請你們擔起為台灣識才的評審及導師，替台灣選出以人才為主的團隊。唯有台灣出現願意早期投資AI技術公司（例如<a href="https://deepmind.com/" title="DeepMind">DeepMind</a> , <a href="http://www.vicarious.com/" title="Vacarious">Vacarious</a>, <a href="https://openai.com/" title=" OpenAI ">OpenAI</a> ），才可能把人才留下。</p> <h5>《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄[email protected]，文長800至1000字，兩天內會回覆是否採用，文章會經編輯潤飾，如需改標會與您討論。</h5>
Elon Musk：人工智慧下ㄧ步，是使人類成為「AI共生體」
<div><img src="https://media.bnext.info/image/bn/2016-09/img-1474275924-66365.jpg" /><br /></div><p>SpaceX創辦人Elon Musk上週與美國知名創新育成機構Y Combinator總裁Sam Altmanㄧ段對談的影片中，談到了他對人工智慧未來不一樣的描繪。</p> <p>人工智慧已經成為全球科技公司追逐的技術，包括Google、Facebook、微軟、百度等公司都在人工智慧領域加碼投資發展，Elon Musk更在去年12月籌資10億美元成立非營利機構「OpenAI」，吸引技術研究人員進行研究，目的在於透過各種途徑運用科技與數位智慧提升人類的生活。這波由科技巨頭領軍的人工智慧研究，引發不少爭議與技術壟斷疑慮，Elon Muskㄧ直以來對於AI潛在的危險性向來直言不諱，不過在這段對談中，他ㄧ改過去懷疑的論調，講出了對於AI未來發展不一樣的想像。</p> <h2>AI普及化，避免技術壟斷</h2> <p>Elon Musk表示，「如果我們可以把人工智慧跟人類大腦皮質連結在一起，人類便能成為「AI共生體」，將技術廣泛傳播後讓人人成為「AI人」，如此ㄧ來就能夠避免少部份的公司或個人壟斷AI技術，降低AI獨裁的疑慮，不必再擔心人工智慧失控傷害人類的局面」，Elon Musk直言這將是未來人工智慧發展的趨勢所在，這也是他能想到的最好的結果。</p> <p>假如自己今天是一位22歲的創業者，Elon Musk認為什麼事情是重要的？他認為AI跟基因科學會是他著重的領域，尤其是如何讓大腦跟電腦有更好的互動跟連結，Elon Musk表示：「在未來連接大腦會是重要的方向，現在我們大腦跟外界互動方式太過於局限，這是因為人類大腦沒有很好的輸出方式，事實上人類的大腦能力是超過 email、電腦、手機或 APP 的，我們本來就如同超人ㄧ般。」雖然人類有限的「輸入輸出」的能力，使人類只能接受或發出有限數量的訊息，但可以透過一種被稱為「神經織網」(neural lace) 的大腦植入物，透過連接大腦跟電腦來提升人類的智力。</p> <p><section class="al-section al-photo al-s-1" data-mode="editor" data-type="photo"></p> <figure data-style="al-s-1"><picture> <!--[if IE 9]><video style="display: none;"><![endif]--> <source srcset="https://media.bnext.info/image/bn/2016-09/img-1474275889-72736.png?_dc=1474276728179&s=900" media="(min-width:768px) and (max-width: 991px)"> <source srcset="https://media.bnext.info/image/bn/2016-09/img-1474275889-72736.png?_dc=1474276728179&s=600" media="(min-width:481px) and (max-width: 767px)"> <source srcset="https://media.bnext.info/image/bn/2016-09/img-1474275889-72736.png?_dc=1474276728179&s=400" media="(max-width: 480px)"> <!--[if IE 9]><video style="display: none;"><![endif]--><img src="https://media.bnext.info/image/bn/2016-09/img-1474275889-72736.png" title="Elon Musk.png"></picture><figcaption>Elon Musk與Y Combinator 創辦人Sam Altman進行對談</figcaption><figsource>Y COMBINATOR</figsource></figure> <p></section></p> <h2>獲取成功，並不需要一個博士學位</h2> <p>Elon Musk並沒有回應近來SpaceX發生的爆炸意外，但他卻提及了他的「恐懼」，他談到創新時所面對的挑戰，讓他經常感到害怕，但害怕是正常的，在創辦SpaceX及Tesla時，就了解到成功的機率非常小，所以已經做好了一無所有的打算。宿命論某種程度上也有一些幫助，接受所有可能的結果，能夠幫助抵抗恐懼。</p> <p>對於現在正在校園中蓄勢待發的莘莘學子來說，獲取更高的學位跟實質效益之間的距離，是許多人不停拉扯的難題，也是內心不停擔憂的恐懼，Elon Musk也提到也許對少部份的人多獲取一個博士學位是有用的，但對大多數的人來說並不是如此，他並不同意成為一個有用的人必須擁有一個博士學位。</p> <iframe width="640" height="360" src="https://www.youtube.com/embed/tnBQmEqBCY0?rel=0&showinfo=0" frameborder="0" allowfullscreen></iframe> <p>資料來源：<a href="http://mashable.com/2016/09/17/elon-musk-ai-brain-interface/?utm_sid=534df894f9c510f432da6220&utm_medium=email&utm_campaign=daily&utm_source=newsletter&utm_cid=mash-prod-email-topstories&utm_emailalert=daily#pRJziVmanOqP" title="mashable">mashable</a>、<a href="http://www.techspot.com/news/66364-weekend-tech-reading-elon-musk-interviewed-tokyo-game.html" title="techspot">techspot</a>、<a href="http://www.ycombinator.com/future/elon/" title="ycombinator">ycombinator</a></p>
Google開源全球最精準AI自然語言理解技術SyntaxNet
<div><img src="https://3.bp.blogspot.com/-tVSfCyq9sQw/VqP4AYkZOlI/AAAAAAAB0s0/111sL7V0EEsj3ccd8o0x6DDCWB_6aN4Mw/s1024/" /><br /></div><blockquote> <p>Google Research今天宣佈，世界準確度最高的自然語言解析器SyntaxNet開源。Google開源再進一步。據介紹，Google在該平台上訓練的模型的語言理解準確率超過90%。近日，眾多科技巨頭人工智慧相關平臺開源步伐明顯加快：Google和Facebook一直領頭，馬斯克的OpenAI欲打造一個完全公開的AI模型訓練營，就連一直被批評「保守」的亞馬遜也在嘗試開源。這一股開源熱潮背後，是人工智慧研究者的福利，但同時也是一場激烈的資料和平臺爭奪戰。</p> </blockquote> <p>Google環境計算（Ambient computing） 架構師Yonatan Zunger說：事實上，語言理解被我們認為是「AI的終極任務」，要解決這一難題，前提是要能解決全部人類水準人工智慧的問題。</p> <p>機器對語言的理解過程，可以分為幾個步驟，其中很多的不確定性是逐漸明晰的（語音辨識的不確定性更多，因為還要解決從聲音到詞的轉換）。</p> <p>第一步是要把詞分開，放到依存樹上，看哪一個詞是動詞，對名詞有哪些影響等等。</p> <p>隨後，要理解每一個名字的含義。</p> <p>再次，再加入許多先驗知識，即對這個世界的理解，因為很多句子只有使用了這些資訊才能真正理解。如果足夠幸運的話，到這就能得到清晰的理解了。</p> <p>Google資深研究科學家Slav Petrov在Google Research的部落格上寫到：在Google，我們花費了大量的時間在思考，電腦系統如何才能閱讀和理解人類語言，以一種更加智慧的方式處理這些語言？今天，我們激動地跟大家分享我們的研究，向更廣闊的人群發佈SyntaxNet。這是一個在TensoFlow中運行的開源神經網路框架，提供自然語言理解系統基礎。我們所公開的包含了所有用你自己的資料訓練新的SyntaxNet模型所需要的程式碼，以及Paesey McParseface——我們已經訓練好的，可用于分析英語文本的模型。</p> <p>Paesey McParseface 建立於強大的機器學習演算法，可以學會分析句子的語言結構，能解釋特定句子中每一個詞的功能。此類模型中，Paesey McParseface是世界上最精確的，我們希望他能説明對自動提取資訊、翻譯和其它自然語言理解（NLU）中的應用感興趣的研究者和開放者。</p> <h2>SyntaxNet是怎麼運作的？</h2> <p>SyntaxNet是一個框架，即學術圈所指的SyntacticParser，他是許多NLU系統中的關鍵元件。在這個系統中輸入一個句子，他會自動給句子中的每一個單詞打上POS（part-of-Speech）標籤，用來描述這些詞的句法功能，並在依存句法樹中呈現。這些句法關係直接涉及句子的潛在含義。</p> <p>舉一個很簡單的例子，看下面這個句子「Alice saw Bob」的依存句法樹：</p> <p><img src="https://3.bp.blogspot.com/-MtFory40xWU/VzWa2ZSbiWI/AAAAAAACb5o/IYNb6-Ms8vkCV34aij-5VCBwnoxbv7hpwCKgB/s600/0.png" alt="圖說明" title="圖說明" /></p> <p>在這個結構中，Alice和Bob被編碼為名詞，Saw是動詞。只要的動詞saw 是句子的根，Alice是saw的主語，Bob是直接賓語（dobj）。和期待的一樣，Paesey McParseface能正確地分析這一句子，也能理解下面這個更加複雜的例子：</p> <p><img src="https://3.bp.blogspot.com/-jfjGbIRjNXQ/VzWa-2V_sLI/AAAAAAACb54/XrxokwcCPP4gelhRpfiTD0uLYCHDUqkvQCKgB/s600/0.png" alt="圖說明" title="圖說明" /></p> <p>句子：Alice, who had been reading about SynataxNet, saw Bob in the hallwayyesterday</p> <p>在這個句子的編碼中，Alice和 Bob的分別是saw的主語和賓語，Alice由一個帶動詞「reading」的關係從句來修飾，而saw則由時態「yesterday」來修飾。依存句法樹中的語法關係讓我們可以輕易地找到不同問題的答案，比如，Alice看見了誰？誰看到了Bob？Alice正在讀的是什麼？或者Alice是在什麼時候看到Bob的。</p> <h2>為什麼讓電腦正確處理句法分析如此困難？</h2> <p><img src="https://3.bp.blogspot.com/-J8Bz8NH8GAg/VzWbGdb09lI/AAAAAAACb6M/9Yul63JaqHw2yPKgz-_7Dfgvgqe9_OgSACKgB/s600/0.png" alt="圖說明" title="圖說明" /></p> <p>句法分析如此困難的一個主要問題是，人類語言具有顯著的歧義性。包含 20 到 30 個單詞的中等長度的句子會具有數百、數千甚至數萬種可能的句法結構，這樣的情況並不少見。一個自然語言句法分析器必須能夠搜索所有這些結構選擇，並找到給定語境下最合理的那個結構。作為一個非常簡單的例子，「Alice drove down the streetin her car」這個句子就具有至少兩種可能的依存分析：</p> <p>第一種分析是對應這句話的（正確）解釋，按照這種解釋，愛麗絲在汽車裡進行駕駛，而汽車位於街道上；第二種分析對應於一種對這句話的（荒誕但仍然可能的）解釋，按照這種解釋，愛麗絲在街道上駕駛，而街道位於汽車之內。之所以會產生這種歧義，是因為「in」這個介詞既可以用來修飾「drove（駕駛）」也可以用來修飾「street（街道）」。上面這個例子是所謂的「介詞短語附著歧義」的一個實例。</p> <p>人類在處理歧義方面有超強的能力，以至於人們甚至注意不到句子有歧義。而這裡的挑戰是，如何能讓電腦做到同樣好。長句中的多重歧義會共同造成句子的可能結構數量的組合爆炸。通常，這些結構中的絕大多數都極其不合理，但它們仍然是可能的，句法分析器必須以某種方式來丟棄它們。</p> <p>SyntaxNet 將神經網路運用於歧義問題。一個輸入句子被從左到右地處理。當句子中的每個詞被處理時，詞與詞之間的依存關係也會被逐步地添加進來。由於歧義的存在，在處理過程的每個時間點上都存在多種可能的決策，而神經網路會基於這些決策的合理性向這些彼此競爭的決策分配分數。出於這一原因，在該模型中使用 Beam Search （集束搜索）就變得十分重要。不是直接取每個時間點上的最優決定，而是在每一步都保留多個部分性假設。只有當存在多個得分更高的假設的時候，一個假設才會被拋棄。下圖將展示的，是「I booked a ticket to Google」這句話經過從左到右的決策過程而產生的簡單句法分析。</p> <p><img src="https://3.bp.blogspot.com/-7n6Es3NjSKg/VzWbfNxglYI/AAAAAAACb6g/AGV8axQgn0Ic5z1rB944jJ43HlquuqHKgCKgB/s600/image04.gif" alt="圖說明" title="圖說明" /></p> <p>而且，正如我們在論文中所描述的，十分重要的一點是，要把學習和搜索緊密整合起來才能取得最高的預測準確度。Parsey McParseface 和其他 SyntaxNet 模型是我們用Google的 TensorFlow 框架訓練過的最複雜的網路結構。透過利用Google支援的 Universal Treebanks 專案中的資料，你也可以在自己的機器上訓練句法分析模型。</p> <h2>Parsey McParseface 的準確度到底有多高？</h2> <p>在（從具有二十年歷史的賓大樹庫Penn Treebank中）隨機抽取的英語新聞句子構成的標準測試中，Parsey McParseface 在提取詞之間的個體依存關係時的準確率超過 94%，這打敗了我們自己先前的最高水準，也超過了任何以前的方法。</p> <p>儘管在文獻中並沒有關於人類的句法分析成績的明確研究，我們從我們內部的句法標注專案中瞭解到，那些在該任務上受過訓練的語言學家在 96-97% 的情況下能達成一致。這說明，我們正在接近人類的水準——不過這仍然限於那些格式良好的文本。按照我們從 Google WebTreebank （+發佈於 2011 年）中所學到的，那些從網路上獲得的句子要遠遠更難分析。<strong>在該網路資料集上，Parsey McParseface 只取得了略高於 90% 的句法分析準確率。</strong></p> <p><strong>儘管準確率還不夠完美，它已經足夠高，能夠用於許多應用程式了。</strong>目前，錯誤的主要來源是像上面描述過的介詞短語附著歧義這樣的情況，對這些情況的處理要求對現實世界的知識（例如，「街道不太可能位於汽車之內」）和深度語境推理。機器學習（特別是神經網路）已在解決這些歧義方面取得了顯著的進展。不過我們仍想做進一步的工作：我們想要發展出一些方法，這些方法能夠學習現實世界知識，也能夠在所有語言和語境中都取得同樣好的自然語言理解。</p> <p>想試試嗎？請閱讀 SyntaxNet 的程式碼。並下載 Parsey McParseface 句法分析模型。主要研發者Chris Alberti, David Weiss, Daniel Andor, Michael Collins 和 Slav Petrov 祝你成功。</p> <p>來源：<a href="http://googleresearch.blogspot.tw/2016/05/announcing-syntaxnet-worlds-most.html" title="Google Research">Google Research</a></p> <p>本文授權轉載自：<a href="http://www.huxiu.com/article/148600/1.html?f=wangzhan">虎嗅網</a></p>
不是未來，就是現在！人工智慧走入商用領域
<div><img src="https://3.bp.blogspot.com/-iRhe4MC94Uc/VtaODtCDJaI/AAAAAAACAa8/QdiLWeOsQOc/s1024/" /><br /></div><p><img src="https://3.bp.blogspot.com/-iRhe4MC94Uc/VtaODtCDJaI/AAAAAAACAa8/QdiLWeOsQOc/s1024/" alt="圖說明" title="圖說明" /><br /> 照片來自：《機械公敵》電影劇照。</p> <blockquote> <p>人工智慧的研究，最近又突然變得火紅，極具未來指標的幾個重大應用，都與人工智慧的技術突破有著密不可分的關係。科技巨頭們紛紛投入相關領域，也讓人工智慧正式轉向商用化之路。</p> </blockquote> <p><img src="https://3.bp.blogspot.com/-4MDb1DE4HiQ/VtaIgydDu-I/AAAAAAAAAVM/inajtefVc-c/s600/Cool_robots_3.png" alt="圖說明" title="圖說明" /><br /> 圖說：機器人助手Romeo。圖片來自：<a href="https://www.aldebaran.com/en/cool-robots" title="Aldebaran Robotics">Aldebaran Robotics</a></p> <p>想像有一天這些都會發生，《鋼鐵人》的人工智慧管家賈維斯在你需要時隨時出現，解決生活大小的疑難雜症；甚至，人工智慧軟體越來越個人化，「不僅能幹而且知心」，撫慰現代人寂寞的心靈，也許哪天你也會愛上《雲端情人》裡的莎曼珊。</p> <p>電影裡蘊含著人類對科技的期待，然而人工智慧到底是什麼？我們天馬行空，有許多想像，許多人都把人工智慧跟機器人劃上等號，也許是2001年《A.I.人工智慧》裡的機器男孩大衛，形象太鮮明，讓我們覺得，能自主思考、懂常識、具有人類外表的機器人，很快就會出現。</p> <p>真是如此嗎？是也，非也。人工智慧發展到極致，具有自主思考的機器人終究會來臨，然而現階段我們看到的人工智慧突破，是更廣泛的研究領域。舉凡Google翻譯、個人語音助理、自動駕駛車、不需操控的無人機、具有感知情緒的機器人、可以人機互動協作的工業機器人、診斷癌症、股票自動交易，背後都有人工智慧。根據美銀美林估計，2020年，全球人工智慧市場規模將達1,530億美元，增加三倍。</p> <p>希捷的研究預測，2025年將有超過400億台連網裝置。未來不再是單一載具獨霸的社會，而是多元載具並存的新時代。隨著硬體、運算、雲端、資料分析、演算法等等技術陸續到位及突破，每個人擁有的裝置將從三個增加到超過1千個。能夠同時回饋不同載具應用的底層會是什麼？智慧型手機嗎？當然不是。情境智慧新創Snips AI執行長欣迪（Rand Hindi）在TED演講上指出，「人<strong>工智慧是串起這些裝置、達到無所不在運算（Ubiquitous Computing）的關鍵！</strong>」這些連網裝置有天將會像電一樣自然地從在於生活之中，由人工智慧幫忙篩選重要資訊。</p> <p><img src="https://3.bp.blogspot.com/-pTBlFb7-RyY/Vt6bcdbUjrI/AAAAAAACCEY/hSqIW0MuOAE/s600/22765482052_6e72b9d323_h.jpg" alt="圖說明" title="圖說明" /><br /> 圖說：Snips AI執行長欣迪（Rand Hindi）。照片來自：<a href="https://www.flickr.com/photos/tedxparis/22765482052" title="TEDx Paris">TEDx Paris</a> via flickr, cc license</p> <h2>第三次人工智慧浪潮</h2> <p>然而，人工智慧的進展卻不如想像中快速，從1956年麥卡錫（John McCarthy）在達特茅斯研討會首次提出人工智慧一詞，人工智慧的概念已出現超過60年。回顧這60年，人工智慧經歷三次興衰，1950年代對於機器人同伴出現，抱持十分樂觀的想像。到了1970年代，這份情懷就崩盤了，科學家發現西洋棋機器就只會下西洋棋而已，沒有期待中的聰明。然而1980年代第二波人工智慧浪潮再度興起，美國國防部砸下數十億美元研究經費，希望讓機器人上戰場打仗，後來卻無功而返，讓人工智慧研究從此蒙上陰影。</p> <p>如今，人工智慧的第三次浪潮來臨，人工智慧在垂直領域表現得很好，一次又一次跟人類的比拚中，都展現出電腦運算能力的大躍進，人工智慧不可同日而語了。1997年IBM超級電腦深藍打敗全球西洋棋冠軍卡斯帕洛夫，震驚世人；2011年IBM超級電腦華生，在益智搶答競賽中用語言分析演算法打敗兩位節目史上最強冠軍，再度引起譁然。</p> <p>這一次，人工智慧的突破，增添了我們的期待，但是否意謂具有自主思考與學習的人工智慧時代就將到來，亦或又只是再一次地過度樂觀想像？紐約市立大學理論物理學教授加來道雄在《<a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/0010676369?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201603" title="2050科幻大成真">2050科幻大成真</a>》一書中指出，「雖然好萊塢電影讓我們以為『終結者』般的機器人很快就會出現，但是打造人工心智的困難程度比前人所想的還要高。」他認為，人工智慧演化至今仍十分原始，還在試著學習基礎的事物，認識世界，所以還沒有辦法模擬真實的未來。</p> <h2>人工智慧從實驗室走入商用領域</h2> <p>仔細分析，「人工智慧的發展，至少還有圖形辨識與普通常識兩個問題待解決！」加來道雄說。首先，人工智慧系統目前仍難靠自動學習來辨識物體，這也是為什麼從2012年開始，Google、蘋果、微軟、IBM、Facebook、Amazon及雅虎等科技巨頭們，紛紛收購人工智慧公司來尋求突破，其中包括深度學習（類神經網路）、語言翻譯、電腦視覺、圖像辨識、情緒辨識等領域都受到科技巨頭的關注，也因為如此，人工智慧技術在近幾年有了重要突破。2015年，是人工智慧大有嶄獲的一年，正式從實驗室走入商用領域。</p> <blockquote> <p>延伸閱讀：<a href="http://bit.ly/1TmNAAd" title="一篇文章看懂Google人工智慧帝國，為何這裡一切都是AI">一篇文章看懂Google人工智慧帝國，為何這裡一切都是AI</a></p> </blockquote> <p>其次是關於常識問題，如何讓人工智慧具有自主學習能力，不斷累積常識，進而達到舉一反三？關於這部分，深度學習的技術突破，攸關人工智慧發展的未來。Facebook創辦人兼執行長佐克伯說，非監督式學習才能讓人工智慧學習常識。</p> <p>他在2016年要挑戰<a href="http://bit.ly/1R4JGLQ" title="像賈維斯一樣操作簡單的AI管家">像賈維斯一樣操作簡單的AI管家</a>，他並分析機器學習主要仰賴監督式學習，透過大量資料進行模式識別，例如，透過數千張照片讓AI系統學習<a href="http://www.bnext.com.tw/article/view/id/36587" title="辨識Facebook好友">辨識Facebook好友</a>，在上傳照片時幫忙標籤朋友。然而人類學習新事物時，通常不需要學1千次，模式識別不僅無法讓人工智慧具備常識，就連舉一反一都做不到。</p> <p>麻省理工學院、紐約大學及多倫多大學所開發的貝葉斯程式學習BPL，讓電腦終於有了舉一反三的能力，但即使如此，大概也要到本世紀末，人工智慧才能具有猴子般的智慧，並有自己的意識。各界對人工智慧將會威脅人類的擔憂或許還太早，因為距離創造出賈維斯和莎曼珊還有很長一段路要走呢！</p> <h2>科技巨頭加入人工智慧戰局</h2> <p><strong>Google</strong><br /> 2013年｜收購深度神經網路公司DNNresearch。<br /> 2014年｜收購深度學習公司DeepMind。<br /> 2015年｜無人車上路測試，預計2020年商用化；開源深度學習系統TensorFlow程式碼。<br /> 2016年｜Google DeepMind AlphaGo系統打敗歐洲圍棋高手；Google與半導體新創企業Movidius合作深度學習手機；欲將神經網路RankBrain結合搜尋引擎。</p> <p><strong>微軟</strong><br /> 2014年｜推出個人數位語音助理Cortana。<br /> 2015年｜推出亞洲聊天機器小冰；收購R語言商業方案提供商Revolution Analytics與以色列文本分析新創Equivio；推出應用測年齡how-old.net和測雙胞胎TwinsOrNot.net。<br /> 2016年｜收購智慧輸入新創SwiftKey；開源深度學習語音圖像辨識CNTK；推出測你是哪種狗應用What-dog.net。</p> <p><strong>IBM</strong><br /> 2012年｜收購人力資源管理公司Kenexa。2014年華生已應用在醫療、金融、法律、學術、煮飯。<br /> 2015年｜收購自然語言處理服務商AlchemyAPI、IBM宣布開源機器學習平台SystemML。<br /> 2016年｜軟銀機器人Pepper已成功導入IBM超級電腦華生。</p> <p><strong>Facebook</strong><br /> 2015年｜正式成立人工智慧研究團隊；展示人工智慧助理M；公布人工智慧硬體框架Big Sur並開源；收購語音辨識技術Wit.ai。<br /> 2016年底｜打造跟賈維斯一樣的AI管家；訓練人工智慧系統下圍棋。</p> <p><strong>蘋果</strong><br /> 2013年｜收購自動語音辨識技術公司Novauris。<br /> 2015年｜收購口語辨識新創VocalIQ和影像辨識新創Perceptio。<br /> 2016年｜收購人臉及情緒辨識技術的新創公司Emotient；聘雇教Siri運動知識的軟體工程師。</p> <p><strong>Tesla</strong><br /> 2014年｜Tesla執行長馬斯克投資模仿人腦的人工智慧公司Vicarious。<br /> 2015年｜馬斯克投資非盈利人工智慧中心OpenAI，防止AI危害人類；推出電動車自動駕駛系統。</p> <p><strong>Amazon</strong><br /> 2012年｜收購機器人倉庫設備商Kiva Systems。<br /> 2013年｜收購文字轉語音公司Ivona和語音辨識App Evi Technology。<br /> 2015年｜用人工智慧技術發現假評論及評分；推出語音助理Echo；釋出Alexa軟體開發套件。</p> <p><strong>Yahoo</strong><br /> 2013年｜收購圖像辨識新創IQ Engines及自然語言處理廠商SkyPhrase。</p> <blockquote> <h2>你應該要知道的人工智慧大事</h2> <p><strong>1943年</strong><br /> 形式神經元的數學模型被提出，開創類神經網路研究時代。<br /> <strong>1950年</strong><br /> 艾倫．圖靈在論文中預言人工智慧機器的可能，並設計圖靈測試。<br /> <strong>1956年</strong><br /> 約翰．麥卡錫在達特茅斯研討會首次提出人工智慧一詞。<br /> <strong>1959年</strong><br /> 麥卡錫、閔斯基在麻省理工學院創立第一個人工智慧實驗室，開啟人工智慧計畫。<br /> 亞瑟．塞繆爾設計出全球第一個自動學習的西洋跳棋系統，機器學習和遊戲AI開始發展。<br /> <strong>1980年</strong><br /> 專家系統R1（XCON）出現，全球公司開始研發專家系統。<br /> <strong>1986年</strong><br /> 大衛．魯姆哈特等人發明倒傳導網路，類神經網路研究沉寂多時再度活躍。<br /> <strong>1997年</strong><br /> IBM超級電腦深藍打敗全球西洋棋冠軍蓋瑞．卡斯帕洛夫。<br /> <strong>2005年</strong><br /> 史丹佛大學開發出自動行駛機器人，贏得DARPA挑戰大賽頭獎。<br /> <strong>2007年</strong><br /> Siri用自然語言處理技術開發iOS人工智慧助理軟體，2010年被蘋果收購。<br /> <strong>2010年</strong><br /> Google實驗室Google X發表自動駕駛車專案。<br /> <strong>2011年</strong><br /> IBM超級電腦華生在益智搶答競賽中打敗節目史上最強冠軍。<br /> Google Brain成立，2012年用YouTube的1千萬張相片自動學習辨識貓臉。<br /> <strong>2015年</strong><br /> MIT、紐約大學及多倫多大學開發出貝葉斯程式學習BPL，讓電腦終於能舉一反三。<br /> <strong>2016年</strong><br /> Google子公司DeepMind的AlphaGo系統用深度學習打敗歐洲圍棋冠軍。</p> </blockquote> <p>圖片提供／<a href="https://www.aldebaran.com/en/cool-robots" title="Aldebaran Robotics">Aldebaran Robotics</a></p>
Y Combinator年度書單！YC創業者今年最推薦這20本書
<div><img src="https://3.bp.blogspot.com/-fyKWSsoQlps/VnkHGPhLbQI/AAAAAAAABlQ/oqxkuZfCN3Q/s1024/" /><br /></div><p>專門分享知名創業育成機構Y Combinator大小事的部落格「The Marco」最近整理出20本「YC人們」2015年讀過、値得推薦的書籍。他們表示，這種做法仿效自<a href="http://www.bnext.com.tw/article/view/id/38176" title="比爾．蓋茲">比爾．蓋茲</a>，並認為有必要也提出一份針對創業人士的讀書清單。</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013328964?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Powerhouse：Inside the Invention of a Battery to Save the World">1. 《The Powerhouse：Inside the Invention of a Battery to Save the World》</a>，Steve Levine著</h2> <p><img src="https://3.bp.blogspot.com/-esfz9I0JZ0Q/Vnj-QlB9LOI/AAAAAAAABe8/ubxJ_738RC4/s400/1.jpg" alt="圖說明" title="圖說明" /></p> <p>「這本書能讓你快速讀懂節能研究的精華。在過去十年內，電能有了大躍進，從電子汽車的開發到物聯網的連結一應俱全，而這些技術正是科技研發的有力推手。」－Jared Friedman</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013515823?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="Superforecasting：The Art and Science of Prediction">2. 《Superforecasting：The Art and Science of Prediction》</a>，Philip Tetlock、Dan Gardner著</h2> <p><img src="https://3.bp.blogspot.com/-AcRwB24xih4/Vnj-l_TAsQI/AAAAAAAABfQ/biAEz2apKi4/s400/2.jpg" alt="圖說明" title="圖說明" /></p> <p>「不管你喜不喜歡，預測未來都是我們必須面對的工作。Tetlock透過分析、辨證預言專家的占卜，嚴謹地闡述出未來20年可能發生的事。此外，讀者也能從中瞭解事情的運轉邏輯。」－Jared Friedman</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013412042?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Road to Character">3. 《The Road to Character》</a>，David Brooks著（亦為蓋茲今年的推薦書單）</h2> <p><img src="https://3.bp.blogspot.com/-acTXX7cr_Cc/Vnj-5maUcsI/AAAAAAAABfk/J0BuF_dPBiE/s400/3.jpg" alt="圖說明" title="圖說明" /></p> <p>「自從我讀了David Brooks替《紐約時報》所撰文章「The Moral Bucket List」後，我決定購買這本書。要過一個有意義的人生並不容易，其中最重要的莫過於保持無私、誠實和謙虛。我看到我親愛的創辦人們擁有這些特質，我也期望能替社會帶來更多這些特質。」－Kevin Hale</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013537651?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Lost Art of Finding Our Way">4. 《The Lost Art of Finding Our Way》</a>，John Edward Huth著</h2> <p><img src="https://3.bp.blogspot.com/-8eiyuyaBYAo/Vnj_OnDoTHI/AAAAAAAABf4/RnBJYqkILSU/s400/4.jpg" alt="圖說明" title="圖說明" /></p> <p>「拜GPS所賜，我腦內負責掌管空間的部分已經萎縮成依附性質的小圓點，我試著經由閱讀這本書重新活化它。不過閱讀完後，人類無止境的創造力反而更令我耳目一新。」－Kevin Hale</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F011594366?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Prize：The Epic Quest for Oil, Money & Power">5. 《The Prize：The Epic Quest for Oil, Money & Power》</a>，Daniel Yergin著</h2> <p><img src="https://3.bp.blogspot.com/-4X-IZpISSwM/Vnj_jMDMM-I/AAAAAAAABgM/WVl5vQOLj00/s400/5.jpg" alt="圖說明" title="圖說明" /></p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F012753925?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Quest：Energy, Security, and the Remaking of the Modern World">6. 《The Quest：Energy, Security, and the Remaking of the Modern World》</a>，Daniel Yergin著</h2> <p><img src="https://3.bp.blogspot.com/-DFD7hxyXdBQ/VnkCLPLq__I/AAAAAAAABhg/UKViVIXeCnw/s400/7-1.jpg" alt="圖說明" title="圖說明" /></p> <p>「這兩本書完整地講述了石油工業，自它誕生的第一分鐘直至現在。」－Michael Seibel</p> <p>中文版：</p> <ul> <li><p><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/0010553489?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512">《能源大探索：風 太陽 菌藻》</a></p></li> <li><p><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/0010553474?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512">《能源大探索：石油即將枯竭？》</a></p></li> </ul> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013373938?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512">7. 《Elon Musk：Tesla, SpaceX, and the Quest for a Fantastic Future》</a>，Ashlee Vance著</h2> <p><img src="https://3.bp.blogspot.com/-RSZP7Ssm37g/Vnj_7CB333I/AAAAAAAABgg/8dgy-7ORDRY/s400/6.jpg" alt="圖說明" title="圖說明" /></p> <p>「它讓你以翻轉思考的方式解決世界存在的問題。」－Michael Seibel</p> <p>中文版：<a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/0010690357?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="Elon Musk：Tesla, SpaceX, and the Quest for a Fantastic Future">《鋼鐵人馬斯克：從特斯拉到太空探索，大夢想家如何創造驚奇的未來》</a></p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013541946?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="Nonviolent Communication： A Language of Life, 3rd Edition：Life Changing Tools for Healthy Relationships">8. 《Nonviolent Communication： A Language of Life, 3rd Edition：Life Changing Tools for Healthy Relationships》</a>，Marshall B. Rosenberg著</h2> <p><img src="https://3.bp.blogspot.com/-7G3Uyez5ZRI/VnkAYsIhGaI/AAAAAAAABg0/xB4Xoa8X6q4/s400/8.jpg" alt="圖說明" title="圖說明" /></p> <p>「有效溝通能建構成功的關係，包括與聯合創辦人、顧客和職員等。」－Paul Buchheit</p> <h2><a href="http://neuralnetworksanddeeplearning.com/" title="Neural Networks and Deep Learning">9. 《Neural Networks and Deep Learning》</a>，Michael Nielsen著</h2> <p><img src="https://3.bp.blogspot.com/-Qocef3uRxkc/VnkCnv1Wp1I/AAAAAAAABh0/tBxzSs_x81g/s400/9.png" alt="圖說明" title="圖說明" /></p> <p>「這是一本免費閱讀的線上電子書，適合剛涉入『Deep Learning（深度學習）』的初學者。本書是人工智慧OpenAI技術總監Greg Brockman推薦給我的。」－Matt Krisiloff</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013513576?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Song Machine：Inside the Hit Factory">10. 《The Song Machine：Inside the Hit Factory》</a>，John Seabrook著</h2> <p><img src="https://3.bp.blogspot.com/-mZIAJy-u_Q4/VnkC6BCsdxI/AAAAAAAABiI/KrKu9zJMDyE/s400/10.jpg" alt="圖說明" title="圖說明" /></p> <p>「它透徹地剖析音樂工業及其產製。故事以行家的角度，帶領讀者穿越30年來音樂專業化的過程。聰明且具創業心的讀者可以利用書中的知識，開闢另一春事業。」－Justin Kan</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F010197555?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="Carry On，Jeeves">11. 《Carry On，Jeeves》</a>，P.G.. Wodehouse著</h2> <p><img src="https://3.bp.blogspot.com/-JOg4xRznvXo/VnkDLH4AeHI/AAAAAAAABic/eAR6FfNc4d0/s1280/11.jpg" alt="圖說明" title="圖說明" /></p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F011363612?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="Thank you，Jeeves">12. 《Thank you，Jeeves》</a>，P.G.. Wodehouse著</h2> <p><img src="https://3.bp.blogspot.com/-hjDJJ5SmZSg/VnkDkptMEbI/AAAAAAAABiw/dRWhMk6oZuI/s1600/12.jpg" alt="圖說明" title="圖說明" /></p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F011085782?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Inimitable">13. 《The Inimitable》</a>，Jeeves，P.G.. Wodehouse著</h2> <p><img src="https://3.bp.blogspot.com/-3nsFJCh-d7E/VnkEMBIxOoI/AAAAAAAABjE/t7alUkeiDd0/s2000/13.jpg" alt="圖說明" title="圖說明" /></p> <p>「這是一組創業家該擁有的P.G. Wodehouse工具箱。我最近不太看書（尤其是商業書籍！），但我很推薦這些讓人放鬆的書。我認為適當的調劑對創業人士來說很重要，不應總是埋首工作。」－Jessica Livingston</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F012703905?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="Tiny Beautiful Things：Advice on Love and Life from Dear Sugar">14. 《Tiny Beautiful Things：Advice on Love and Life from Dear Sugar》</a>，Cheryl Strayed著</h2> <p><img src="https://3.bp.blogspot.com/-Y0GzYs8BXo4/VnkEg57oAII/AAAAAAAABjY/QJKgx8bBFtw/s400/14.jpg" alt="圖說明" title="圖說明" /></p> <p>「Cheryl Strayed曾是專欄作家，筆名為Dear Sugar，而本書則集結了多篇該作者的文章。她藉自身的痛苦經驗做為讀者的內心嚮導，閱讀中你會沉醉於文字的脆弱、甜美和親暱。」－Amy Buechler</p> <h2><a href="http://www.amazon.com/Seveneves-Novel-Neal-Stephenson/dp/0062190377" title="Seveneves：A Novel">15. 《Seveneves：A Novel》</a>，Neal Stephenson著</h2> <p><img src="https://3.bp.blogspot.com/-BdL0OIIXkKg/VnkFGiTJFrI/AAAAAAAABjs/BxVufnDup6o/s400/15.jpg" alt="圖說明" title="圖說明" /></p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013550746?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512">16. 《The Martian：A Novel》</a>，Andy Weir著</h2> <p><img src="https://3.bp.blogspot.com/-68NJwCqYK4U/VnkirzeRBJI/AAAAAAABp_o/OhM_NGpCt0M/s400/0.JPG" alt="圖說明" title="圖說明" /></p> <p>「應該以這樣的順序閱讀以上兩本書。我希望人類可以用好好地用科學解釋所有情境，並且增加對太空日蝕的相關研究。」－Luke Iseman</p> <p>中文版：<a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F013550746?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Martian：A Novel">《火星任務》</a></p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F011442466?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Supermen：The Story of Seymour Cray and the Technical Wizards Behind the Supercomputer">17. 《The Supermen：The Story of Seymour Cray and the Technical Wizards Behind the Supercomputer》</a>，Charles J. Murray著</h2> <p><img src="https://3.bp.blogspot.com/-fmHLgJ5Tu8A/VnkGIQrJVVI/AAAAAAAABkU/WkZWBkAp6V0/s400/17.jpg" alt="圖說明" title="圖說明" /></p> <p>「故事主體設定為矽谷的平行時空，它擁有同樣的建築型態，甚至是同樣迷人的人物：克雷（Cray）。不過，本書鮮少著墨於科技方面。」－Daniel Gackle</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F011376253?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="The Elements of Computing System：Building a Modern Computer from First Principles">18. 《The Elements of Computing System：Building a Modern Computer from First Principles》</a>，Noam Nisan、Shimon Schocken著</h2> <p><img src="https://3.bp.blogspot.com/-gZ16Dq7x7Vw/VnkGeynlLhI/AAAAAAAABko/tO9Z4wHk810/s400/18.jpg" alt="圖說明" title="圖說明" /></p> <p>「本書還有另一個更好的書明叫《Nand to Tetris》，如果你渴望成為一位工程師，卻連最初階的軟體和硬體都不懂，那麼這本書可以成為你的救星。」－Daniel Gackle</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/0010647371?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="Sapiens：A Brief History of Humankind">19. 《Sapiens：A Brief History of Humankind》</a>，Yuval Noah Harari著</h2> <p><img src="https://3.bp.blogspot.com/-Y5_uJz_eN8g/VnkGyYnTcZI/AAAAAAAABk8/yRBnR9MJqrQ/s400/19.jpg" alt="圖說明" title="圖說明" /></p> <p>「這本書是眾多書之中，少數能讓我對人類有所改觀。如同Richard Dawkins的《The Selfish Gene》，本書強迫我重新看待人類社會、種族和歷史的基礎結構。」－Geoff Ralston</p> <h2><a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/F012083297?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512">20. 《Too Big to Fail：The Inside Story of How Wall Street and Washington Fought to Save the Financial System-and Themselves》</a>，Andrew Ross Sorkin著</h2> <p><img src="https://3.bp.blogspot.com/-fyKWSsoQlps/VnkHGPhLbQI/AAAAAAAABlQ/oqxkuZfCN3Q/s1000/20.jpg" alt="圖說明" title="圖說明" /></p> <p>「它精雕細琢地刻畫出內部系統的相互連結，以及它們如何在人們認為堅不可摧時，瞬間分崩離析。風險評估太重要了。」－Aaron Harris</p> <p>中文版：<a href="http://www.books.com.tw/exep/assp.php/bnextbook/products/0010480734?utm_source=bnextbook&utm_medium=ap-books&utm_content=recommend&utm_campaign=ap-201512" title="Too Big to Fail：The Inside Story of How Wall Street and Washington Fought to Save the Financial System-and Themselves">《大到不能倒：金融海嘯內幕真相始末》</a></p>
OpenAI 重磅講者親臨高雄｜掌握前瞻 AI 與產業轉型關鍵趨勢 Sponsored by AWS
2026亞馬遜港都AI創新日10月23日將於高雄盛大登場，集結OpenAI與跨產業代表，聚焦AI轉型與應用，分享從資料治理、流程設計到部署的實務方法。
