電機資訊學院深化人工智慧領域研究及教學

●人工智慧領域●

讓電腦擁有人的智慧一直是人類的夢想之一，自1956年Dartmouth會議中確立「人工智慧」這個名稱以來，人工智慧的研究內容範圍本身仍存在許多討論的空間。其主因來自我們對智慧、思考等概念，其實並沒有真正完全理解。

1950年被譽為人工智慧之父的Turing提出著名的Turing Test，用來辨認機器是否具有智慧的行為。哲學家Searle也提出智慧的行為和心靈未必是等價的論述，從而研究領域有了強/弱人工智慧的分野。

電機資訊學院教師長期在人工智慧領域耕耘，深化相關領域之理論與應用研究及教學，特摘錄部分特色課程如下：

●人工智慧與機器學習導論●

本課程從認知的角度出發，闡述人工智慧學門的起源，主要著重弱人工智慧的相關技術，包含三波浪潮的主流技術及機器學習。

1950～1970年代主導人工智慧的搜尋技術，將實際問題抽象化成為搜尋問題，透過設計啟發函式導向，使得搜尋更有效率。這類技術起源很早，至今仍大量使用於各類路徑規劃問題、排程問題等，IBM的深藍在1997年擊敗世界西洋棋王Kasparov為代表性的成就之一。

1980～1990年代人工智慧的代表性技術為專家系統，使用正規語言建立知識庫，再利用知識庫做推理，此類技術仍大量被問答系統所採用。2011年IBM的華生在Jeopardy! 益智問答節目中擊敗兩位人類冠軍，其所使用的DeepQA，就包含此類技術。

2010年後，以神經網路為中心的機器學習技術，在應用上得到許多突破。神經網路的基礎技術自1943年開始發展，歷經70年代的衰退，近年因新的演算法及架構的提出而重新受到重視。其中Google的AlphaGo、各類物品辨識、語音辨識等都有此類技術的應用。

本課程對於上述相關技術皆有所介紹，並且納入90年代奠定機器學習基礎的VC理論以及Bayesian Learning、Reinforcement Learning等傳統、但應用廣泛的機器學習技術，修課同學對人工智慧及機器學習將有基礎且完整的理解。

●自然語言處理●

人類語言是人和人互動，傳遞資訊很重要的媒介，人類的知識也是透過語言文字記錄下來。電腦科學的研究，長久以來就把電腦是否具被人類語言處理能力，視為電腦是否具有人的智慧的重要指標之一。自然語言處理探討人類語言的分析與生成，終極目標是電腦與使用者直接以人的語言互動。

由於語言文字是知識呈現的重要媒介，自然語言處理的素材相當多，特別是網際網路興起後，大量數位化的內容不僅唾手可得，而且反應真實世界不同型態語言的使用。新聞、電子郵件、網頁、維基百科、部落格貼文、微網誌、論壇、科技論文、電子病歷、瀏覽紀錄、…等不同類型來源的數位資料，都是可能分析探討的對象。

在Jeopardy人與電腦益智問答比賽，華生DeepQA系統贏過兩位益智問答高手簡寧斯和洛特，自然語言處理是這個智慧問答系統的核心技術之一。此外，智慧問答系統已經被導入一般生活應用中，Apple的Siri、Google的Assistant、Microsoft的Cortana、Amazon的Alexa等都是商業化的產品。

機器翻譯系統，例如Google Translate，將一種語言所撰寫的資訊轉換成另外一種語言呈現，降低資訊傳遞上語言的障礙，一直是人工智慧的典型應用範例。除了直接的語言文字應用外，輿情分析、病歷探勘、金融科技、健康照護、法律諮詢、烹飪教學等都有自然語言處理的影子。

自然語言處理課程分詞彙、語法、語義、語用、和應用等五個面向，教授相關理論和技術。在文件分析應用，自然語言處理技術由部落格、微博、論壇等不同形式的媒體中，擷取知識以支援多樣化的應用。在自動問答應用，自然語言處理技術分析問題以了解問題核心，分析內容以擷取正確答案。在機器翻譯應用，自然語言處理技術分析來源語言，掌握語言之差異，以生成目標語言。

●音樂訊號分析與檢索●

夜深人靜時，腦中冒出某一段熟悉的旋律，百感交集的想起某個故人某些往事，想上網點歌、高唱一曲時卻怎麼也想不起它的歌名！想破頭懊惱的感覺瞬間取代了滿懷詩意，感到雙倍的失落？這時候需要的是哼唱點歌！修過本課程，將會知道如何使用哼唱的方式讓電腦自動選出歌曲。

修課學生將瞭解如何從音樂訊號中抽取重要的特徵，例如端點、音量、音高、樂器啟始點、頻譜特徵點等，使用機器學習方法，對音樂進行自動分類或檢索，例如前述的哼唱選歌，以及節拍追蹤、曲風分類、情緒分類、音訊指紋比對、歌聲抽取、翻唱歌偵測、樂譜對位等等基本應用。這些應用都需要使用人工智慧或機器學習才能提高準確度。有了基本應用，就可以更進一步產生有趣、且有用的進階應用系統，例如歌單自動生成、音樂推薦、音樂治療、自動作曲、影片自動配樂、流行歌曲排名預測等，讓音樂在人工智慧的加持之下，能更豐富人類的生活。

●機器人學●

機器人學是跨領域的科學和技術，包括機器人的設計、製造、和應用。機器人需要電機、機械、和資工等相關領域的背景知識。課程內容包括機器人的座標系統、運動學、機器人的操作模型等等。由於人工智慧的興起，若要為其尋找合適的軀體，機器人必然成為首選。隨之而來的新產物就是智慧機器人，智慧機器人是個能自主行動的機械生物；其典型的行為流程是先對環境進行感知以理解週遭情況，同時接收來自使用者的資訊或是指令，接著分析任務內容並規劃相對應執行的動作和運動的路線，最後將結果逐步地交由機器人之硬體及控制系統化為實際的行動。

人工智慧的技術廣泛地被運用於智慧型機器人之工作上，例如：影像識別、對話了解、地圖建立、定位、行為決策、避障控制、人機互動等等。近來，基於資料科學的快速進展，智慧機器人的強化自我學習方法獲得了突破，不僅能自我收集巨量的資料，進行深度式學習，提升智慧機器人的行為能力，亦在人機互動上有更多驚人的發展。未來，若能透過機器學習的技術，發展智慧機器人的社交智慧，與使用者進行更自然與多樣性地互動，可預見不久的未來，智慧機器人將逐漸融入了人類的社交生活環境。

電機資訊學院除了人工智慧教學和研究外，也積極推動國內人工智慧領域的發展。陳銘憲院長協助規劃的科技部數位經濟前瞻技術研發與應用計畫，就包括人工智慧、大數據、金融科技與區塊鏈等領域。同時在106年6月29日邀請「卷積神經網路之父」-Facebook人工智慧研究院（FAIR）院長Yann LeCun，在集思臺大會議中心國際會議廳以「Deep Learning and the Path to AI」為題，進行公開專題演講，並於本院臉書專頁同步直播。

演講中解析人工智慧深度學習技術的發展與未來挑戰。因應國家政策發展核心重點，人工智慧關鍵核心技術研發，需要更多專業培育之人才。本院將持續規劃豐富多元的課程，引領人工智慧科技的發展。