科技部第三季AI投資潛力獎第三名 台大AI中心陳祝嵩教授團隊
雖然人工智慧技術與系統已被廣泛應用，但如何在有限 資源下加速執行與整合，成為AI發展的另一道重要課題，這也正是中研院資訊科學研究所教授陳祝嵩帶領團隊，開啟「異質性深度模型整合與檢索特徵學習」計畫的初衷，希望突破當前技術瓶頸，減少大數據蒐集、辨識與分析時間，並讓人工智慧系統擁有人類般的持續學習能力。
陳祝嵩教授研究團隊
突破多項技術瓶頸 希望人工智慧系統更像人類
陳祝嵩教授首先解釋，如果有一天人工智慧系統能夠表現出持續學習能力，「那麼無人商店裡，已經訓練機器辨識一些商品之後，增加新商品時，無需連同舊商品資料一起進行辨識訓練，可以像人類一樣，只學習新商品資料即可」，所以藉由已學習的技能，幫助新的學習更加順利，，是研究團隊希望人工智慧具備的第一個強大功能。
另一個功能則是「異質性深度模型整合」，陳祝嵩教授提到許多單位都在開發適合自已應用領域的深度學習模型，比較偏重單一功能，「但是如果同時需要A功能與B功能，應該有個模型協助整合，不必再重新開發」，例如醫院裡已有鼻咽癌、淋巴癌各自的智慧影像辨識模型，透過共壓縮、去除冗餘權重等技術，可以將兩個模組融合在一起，實現多工應用境界。
人車影像偵測與分析系統，將來可運用在自駕車系統
再來是「快速檢索特徵」功能，考量人工智慧仰賴大數據進行深度學習，一旦把影像、聲音輸入成有特徵的向量訊號，機器學習可以自動找出編碼關聯性，達到快速檢索、提高運算效率等目的，陳祝嵩教授表示「我們從2015年開始研發，已在Deep Binary Hash Code領域確立領導地位，不僅被後續許多研究仿效，相關技術也被引用超過500次，是世界最先進的方法之一。」
透過「異質性深度模型整合」，醫療院所內的多種單一功能AI模型可望整合成多工應用
矢志成為AI整合者 開發簡單有影響力的智慧系統
除了追求智慧系統的再進化，陳祝嵩教授團隊還研發多模態模型，累積視覺、聽覺、自然語言等辨識系統整合經驗，陸續運用在海洋生物偵測、客服、自駕車領域，有的已見成效，有的還在調整，「研究本來就不是一條康莊大道，而是泥濘難行的環境，每走一步就要反思修正」，通常初步構思的方法不一定能用，或許可以走兩、三步，但更多時候第一步就遇到困難，得重新評估與測試。
海洋生物影像偵測已協助追蹤與統計東沙群島的海龜跟魟魚數量，減少人工負擔
即使進入落地應用的驗證階段亦是如此，陳祝嵩教授表示產學合作因為雙方領域知識不同，往往標註的有用數據或資料，不見得一致或正確，導致過程需要不斷磨合溝通，才能讓AI技術如心所願能用又好用，「這就是為什麼期望我們團隊成為AI整合者，不跟每個技術領域PK競爭」，唯有越專注於系統性解決方案，越有助於開發出輕量化、高效率的AI應用服務。
確實，在AI已進入百家爭鳴又百花齊放的時代，許多方法未曾在開發過程中被好好檢驗，若只是競相加諸新技術來彰顯創新，跟「希望開發出來的人工智慧技術，是簡單有效，並非跟風熱潮」的信念背道而馳，因此陳祝嵩教授格外感謝團隊腳踏實地又願意自我突破，逐步累積系統整合經驗，研發出學術領域與應用層面，都具有影響力的系統方法，協助解決多元類型問題。
了解更多AI潛力新星：https://events.businesstoday.com.tw/2019/CPCAI/06_stars.html
