2018 年图灵奖颁给了三位深度学习的巨擘，辛顿（Geoffrey Hinton）、勒昆（Yann LeCun）和班吉欧（Yoshua Bengio），表彰他们在深度神经网络的突破性贡献，成为当今人工智能发展背后的运算关键。其中任教于加拿大多伦多大学的辛顿更被称为深度学习之父，他在类神经网络的研究上曾发表几篇重要论文，为深度学习开创新局，也为近代的人工智能发展奠定深刻的基础。
顾名思义，神经网络（neural network, NN）就是一种模仿大脑神经元结构与功能的数学模型，也是构成如今大众较熟悉的人工智能其中一个分支“深度学习”的基本架构。传统上的电脑运算，是由一连串具明确指令的程式所组成，但在“深度学习”领域中，却没有明确的程式指令让电脑能够依循进行运算，而是透过算法学习找到输入值与输出值的相关性，这个相关性就是数学上的“函式”概念 y=f(x)，而在神经网络中，函式的表示方式就是由各个神经元依据不同权重与偏差值所组成的方程式。
▲ 2018 年图灵奖三位得主，他们在深度神经网络的突破性贡献，成为当今人工智能发展背后的运算关键。（图片来源：ACM Awards）
神经网络从 1940 年代概念首先被提出，到如今开枝散叶发展出不同的学习方式，中间历经过两段漫长的黑暗时期。1950 年代由美国认知心理学家罗森布拉特（Frank Rosenblatt）发明“感知机”（Perceptron），并教导感知机辨识图像，一时之间神经网络蔚为风潮、备受学术界期待，但后来却发现感知机无法处理进阶模式判别的问题，无法准确的辨识图像，于是研究的激情消退，神经网络进入首次的黑暗期。1986 年由辛顿等学者提出“反向传播算法”（Backpropagation）并引入多层神经网络训练，才真正突破单层神经网络的限制，在分类上可以针对更多抽象特征进行精确判断，但后续的发展并非就此一帆风顺，这中间又历时十几年的科技黑暗期，直到 2006 年以后，当芯片、内存等电脑硬件效能提升，IT 运算能力才跟得上这些大师的脑袋。
▲ 神经网络概念（来源：Glosser.ca [CC BY-SA 3.0], via Wikimedia Commons）
除了神经网络算法外，人工智能最常被人提起的另一个算法是支撑向量机（Support Vector Machine, SVM），其奠基于两位俄罗斯数学家于 1960 年所提出的 VC 理论，其中一位还在世的数学家万普尼克（Vladimir Vapnik）更成为近几年图灵奖呼声极高的候选人之一。
SVM 是以回归分析的概念作为基础来分类资料。如果以较简单的线性分类来解释，当要训练一组资料进行分组，SVM 可以找到“一道墙”将资料一刀切开，将两边资料以离墙距离最大化进行分类；在专业术语的解释，则是计算出一个决策边界（decision boundary），让距离两类数据的边界（margin）可以最大化，将资料尽可能完美地区分出来。SVM 自提出以来，几乎每一次的跃进都有万普尼克这位犹太裔、前苏联数学家的身影在其后，1990 年代他移居美国，不久后与其他学者共同提出非线性分类算法，也就是把现有在低维空间不是线性可分的资料，提升到高维空间使其线性可分，如此一来有助于进行更精准与多样的分类。
▲支撑向量机与决策边界（来源：Alisneaky [CC0], via Wikimedia Commons）
在神经网络的黑暗时期，SVM 曾一度成为算法的主流，直到 2016 年 AlphaGo 以石破天惊之力横扫顶尖职业棋士，神经网络学派才又站上舞台，与 SVM 分庭抗礼，两者也成为人工智能发展的两大学派。目前人工智能已经被广泛运用在各个领域，也成功解决了许多真实世界所遭遇的难题，许多过往停滞不前的研究如今也因算法的神助攻得以迎刃而解，像是文字分类、语音图像辨识、生物资讯判别与分类、疾病特征分类、手写笔迹辨识等。
台湾学界的突破性贡献
回头看台湾学界在人工智能领域上的贡献，不乏有许多优秀的学者扬名海内外，涵盖的研究领域包罗万象，从算法软件开发、巨量资料探勘技术发展到机器人实务应用端，都有许多台湾学者长期投身其中，持续不辍地推动此领域发展。
第十七届有庠科技讲座－资通讯科技类得主林智仁教授，是台大资工系的特聘教授，所开发的分析软件 LIBSVM 即架构在 SVM 之上，目前已广泛应用在各行各业中，软件下载次数高达 110 万，而他以此主题所撰写的论文，引用次数更已超过四万次。而以 LIBSVM 为基础再延伸开发的 LIBLINEAR 分析软件，则更关注于高维特征的线性分类问题。
▲ 第十七届有庠科技讲座－资通讯科技类得主林智仁教授。（图片来源：徐有庠基金会）
第十三届有庠科技讲座－资通讯科技类得主、台大电机系特聘教授陈铭宪则被称为资料探勘大师，他曾在 IBM 华生研究中心工作，是最早期投入资料探勘的学者之一。他为资料探勘提出许多技术，包含改进探勘效率、Web 探勘、累进式探勘、社群网络探勘及保护隐私的探勘机制，多已成为学术界的重要研究课题，且被广泛引用、甚受重视。
▲ 第十三届有庠科技讲座－资通讯科技类得主陈铭宪教授。（图片来源：徐有庠基金会）
同样在台大电机系暨资工系特聘教授、第十五届有庠科技讲座－资通讯科技类得主傅立成教授则在人工智能的应用端上着墨许多，特别是在机器人研究上投入 30 年的时间进行研发，是台湾首屈一指的机器人专家。他的研究兼顾理论与实务应用，多项成果提升国内资通讯科技应用于机器人、数位家庭、人工智能及汽车安全辅助驾驶等领域的知识与技术水准。
▲第十五届有庠科技讲座－资通讯科技类得主傅立成教授。（图片来源：徐有庠基金会）
有庠科技奖：为台湾科研界蓄积人才、厚植硬实力
近几年有庠科技奖在资通讯科技领域多次颁给人工智能领域的学者，顺应科技的潮流发展与看见台湾在此领域的领先优势，徐有庠基金会从今年第十八届开始增设人工智能类别，而对这个奖项的期待，评审团主任委员刘炯朗院士表示只要是与人工智能有关的研究成果，无论是算法、芯片开发、应用创新都可以来投件。徐有庠基金会希望借由这个奖项，推动台湾社会持续创新能量，更为台湾科研界蓄积人才、厚植硬实力。
（首图来源：Flickr/Duane Wessels CC BY 2.0）
