| Nicolas Chaillan | 中國 | 美國 | AI | 人工智慧

美國國防部前任軟體主管承認:在AI的競爭上,美國已經輸給中國了

曾擔任美國國防部以及美國國土安全部資訊管理職的Nicolas Chaillan對媒體直言,雖然美國的國防預算是中國的3倍,但美國的採購成本太高,而且預算都花在錯誤的領域,官僚與過度監管阻礙了美國國防單位急需的數位變革

2021-10-12

| Exchange Server | ProxyLogon | 安全漏洞 | 資安 | 中國 | AI | 人工智慧

報告:中國駭入Exchange Server漏洞訓練AI

根據曾擔任國家情報官員的Evanina Security執行長提供的資訊,美國公共廣播電臺報導指稱中國為了蒐集發展AI所需的訓練資料,利用影響Exchange Server的ProxyLogon系列漏洞,大規模竊取美國民間及政府情資

2021-08-27

| 電動車 | 特斯拉 | Tesla | 對抗性攻擊 | Adversarial Attacks | AI | 人工智慧 | 自動駕駛輔助系統

馬斯克:穿上有停車標誌的T恤就能愚弄特斯拉

當有人質疑Tesla汽車缺乏3D感應器是否會遭到對抗性攻擊(Adversarial Attacks)時,Elon Musk坦承特斯拉的自動駕駛輔助系統,的確曾把印有停車標誌的T恤當成真實交通號誌

2021-08-23

| 重力波 | 人工智慧 | 超級電腦

科學家使用人工智慧迅速偵測重力波

研究人員將人工智慧工作負載,分散到64個GPU上,在7分鐘內就能分析完,1個月雷射干涉重力波天文臺所收集的重力波資料

2021-08-11

| 領導者的數位轉型 | 數位轉型 | AI | 人工智慧 | 書摘

Netflix如何打造AI工廠

十年前便開始系統性彙整大量數據,以供應內部AI工廠所需燃料,為3億用戶打造專屬推薦服務

2021-07-09

| GitHub | OpenAI | GitHub Copilot | 程式開發 | 人工智慧 | AI

GitHub與OpenAI攜手發表GitHub Copilot,用AI當你的Pair Programmer

GitHub Copilot服務採用OpenAI開發的Codex系統,讓AI充當你的結對工程師

2021-06-30

| 聯合國教科文組織 | UNESCO | 人工智慧 | AI | 機器人

聯合國教科文組織:AI與機器人主導全球科學研究,呼籲全球研究應更多元化

UNESCO研究顯示在這五年中,AI及機器人議題主導了全球的科學研究風向,但氣候變遷、生物多樣性等議題也不容忽視

2021-06-15

| AWS | DeepRacer | 機器學習 | AI | 人工智慧

AWS開源迷你賽車DeepRacer裝置軟體

透過開源DeepRacer迷你賽車軟體,開發者可以按照自己的想法開發新的演算法,創造出新的車輛用途與跑法

2021-04-30

| AI | 松下電器 | Panasonic Corporation | Blue Yonder | 供應鏈 | 人工智慧 | 機器學習 | 收購 | 併購

日本松下電器將以71億美元收購美國軟體業者Blue Yonder

松下電器看好Blue Yonder以AI技術打造的供應鏈與商業解決方案,要將Blue Yonder納入未來的Panasonic Connect,以發展供應鏈創新及自動化應用

2021-04-26

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決 方案 | ML模型自動化 | AI維運 | Line

Line AI開發的關鍵基礎架構──ML Universe關鍵功能大公開

涵蓋了從模型實驗、Pipeline的持續部署與交付、自動化建立Pipeline,以及模型的持續訓練、持續部署、持續監測等流程

2021-04-08

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決 方案 | ML模型自動化 | AI維運 | Line

【靠ML協作平臺加速AI落地】Line如何用MLOps重構AI開發流程

Line去年正式上線了一套加速AI開發的關鍵基礎架構平臺,要讓不同角色各司其職,藉由更緊密分工協作來系統性落地AI

2021-04-07

| ML Pipeline | AI開發 | MLOps | AI落地 | 協作 | DevOps | 人工智慧 | AI應用 | MLOps解決方案 | ML模型自動化 | AI維運

企業規模化落地AI關鍵是MLOps(下)三大原因助MLOps快速興起

促使MLOps快速成長的原因之一,是COVID-19疫情帶動大環境快速改變,導致許多部署上線的模型在一夕間不敷使用,凸顯了AI維運的挑戰

2021-04-06