臺大特色課程系列報導: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。

To Top