台灣歷經 SARS 、腸病毒、登革熱、流感等重大疫情，在過去已導入資訊科技於傳染病的預防、監測及應變，因應環境與氣候變遷、都市化及全球化等有利傳染病大規模疫情生成的影響，需加速以物聯網及人工智慧等智慧科技，強化傳染病的監測、診斷及防治教學，本次將分享智慧科技於疫情防治的可能應用情境，及進行中的初步研究成果。

6 月 10 日，台灣知名導演齊柏林意外身亡，無人機拍攝的影片品質不佳，也無法像人類一樣靈活運鏡。台灣人工智慧實驗室用人工智慧結合無人機完成齊柏林生前的心願，以低風險方式，讓大家可以用無人機技術「看見台灣」；當將上述想法貼上臉書後，不只獲得數千個「讚」，科技部南科管理局，也表達了合作意願，希望組成 AI 無人機研究團隊。除南科管理局外，杜奕瑾的想法，也得到台南市政府、成功大學、經緯航太公司、國家實驗研究院等單位支持，共同規劃出「無人機於台南智慧城市之AI應用」專案，主要內涵在於，藉由無人機拍攝、標註圖資、將 AI 技術應用於古蹟維護、觀光輔助、環境監測、交通監控等領域。

自主駕駛車輛的功能需要從瞭解環境與車輛狀態的感測與感知等訊號處理到達到操控安全與舒適的駕駛決策。整個過程需要仰賴多重的元件獲得準確的物理訓號以及對應演算法的邏輯正確性。為了可以在研發階段協助與加速自主駕駛車輛產業所需的軟體與硬體測試與驗證工作，需要有一套完整的駕駛環境與車輛動態模擬與實體車輛驗證平台。因此，在這個簡報中，我們將報告工研院為了自主駕駛車輛所開發的虛擬與實車平台。

臨床診斷需要依賴醫學影像，但其中往往含有大量無法直接用肉眼分辨的訊息。本團隊率先採用兩種模式進行癌細胞轉移之可能性預測，一是利用 Radiomics 分析技術於三維電腦斷層影像，搭配 CUDA 平行運算快速分析 2000 種腫瘤影像特徵資訊，並搭配機器學習建立評估模型；二是透過深度學習架構訓練模型判讀三維電腦斷層影像。以此兩項作為未來臨床對於肝癌電腦斷層診斷的評估模型，目前對於癌細胞轉移之準確度可達 86%。

臨床診斷需要依賴醫學影像，但其中往往含有大量無法直接用肉眼分辨的訊息。本團隊率先採用兩種模式進行癌細胞轉移之可能性預測，一是利用 Radiomics 分析技術於三維電腦斷層影像，搭配 CUDA 平行運算快速分析 2000 種腫瘤影像特徵資訊，並搭配機器學習建立評估模型；二是透過深度學習架構訓練模型判讀三維電腦斷層影像。以此兩項作為未來臨床對於肝癌電腦斷層診斷的評估模型，目前對於癌細胞轉移之準確度可達 86%。

中藥材的使用是中醫當中很重要的療法之一。一般使用只能透過口嘗、鼻聞、外觀來辨別中藥材。近年來，深度學習被廣泛應用於圖像識別。我將介紹一個使用階層式分群之卷積神經網絡（CNN）來辨識易混淆中藥的手機系統。在實驗部分，我們透過自己拍攝的 24 種中藥（其中包含 20 種易混淆 中藥材）進行評估，證實 CNN 比其他傳統方法的辨識能力更好，此外，使用階層式的分群能達到更高的辨識度。我們也探討不同手機對辨識系統影響及如何利用資料擴增的方法來提升辨識度。使用者只要透過手機拍攝中藥，就可以利用我們的系統得到其相關資訊。

鐵雲科技所開發之人工智慧 NVR 系統是業界首創結合了人工智慧、雲端運算、大數據視訊分析技術的一體化軟硬體整合之解決方案與應用。

本演講將以達明機械手臂為例，分享其如何基於智能視覺辨識技術， 突破傳統工業型機器人的窠臼，成為台灣第一的協作型機器人先鋒，內容包含：

• 達明機器人簡介 - Smart, Simple and Safe
  
• Be smart at Edge - 手眼力協調之機械手臂
  
• Be smart among robots - 多手臂協作
  
• Be smart at Cloud - 智慧工廠
  
• Be smart in the future – 基於深度學習之手臂應用
  

大眾每日使用的消費級網站已運用深度學習與人工智慧多年，以辨識和統整大量的視訊和音訊資料。然而缺乏支援的深入學習應用軟體往往成為企業採用的障礙。 如今，透過支援 NVIDIA DGX 系列深度學習超級電腦與 NVIDIA 雲端 GPU 的主流深度學習框架，或是如 SAP 等主流企業應用軟體，已能使用便捷的方式將深度學習運算導入專案之中，您毋須再等待。

隨著集成電路的特征尺寸不斷減小, 光刻系統的可生產性問題日趨嚴重。因此,提前發現電路版圖中可能出現壞點的圖形成為電路設計中一個重要環節。常用的壞點檢測方法包括模式匹配和機器學習。但面對在先進的製程下的複雜的電路圖形,傳統的方法的性能難免會有所下降。例如,模式匹配的方法很難預測未在庫中出現過的圖形,機器學習的特征提取過程會丟失重要的信息。本報告將介紹我們最近提出的基於深度學習的壞點檢測方案,包括應用於電路壞點預測的神經網路的結構、訓練數據的預處理和訓練方案。實驗結果表明,我們的壞點檢測框架可以在 GPU 和 CUDA 的支持下高效的完成訓練和預測任務。

在製造過程中有一些重要因素會產生表面的瑕疵，影響產品的品質，利用深度學習技術發展瑕疵檢測技術，以降低所需的人力及人工檢測所產生誤判的可能。運用深度學習時，如何有充分的資料來做訓練，相當重要，甚至影響後面使用深度學習技術的成效。在缺乏足夠的資料時，如何產生所需的資料，以減短蒐集資料的時間。

NVIDIA Holodeck 環境讓創作者能將畫面極為寫實的完整解析度模型匯入 VR 應用程式，以便跟同事或朋友們共同進行開發或分享，還能更便捷地對設計做出決定。 NVIDIA Isaac 利用 Holodeck 環境，配備能進行高度擬真模擬與先進即時渲染的開發工具組，讓您以虛擬方式進行訓練。 這是一款採用人工智慧技術的應用軟體平台，開發人員能夠在細緻且高度逼真的測試情境下，訓練虛擬機器人。此平台讓開發人員僅花數分鐘就能完成模擬，經過訓練的人工智慧就可以快速地轉移至現實世界中的機器人。開發人員接著可以迭代與微調機器人的測試方法，在兩個環境間交互使用人工智慧。

保險科技（InsurTech）可說是近年來最蓬勃發展領域之一，在金融科技（FinTech）發展趨緩的 2016 年，保險科技的投資卻逆勢成長十倍，人工智慧與物聯網被認為是這波保險革命的核心。奠基於深度學習的電腦視覺、自然語言處理等技術，已由標準流程的自動化，深化至風險控管等高階工作。 BravoAI 將以自身為例，說明我們如何應用 NVIDIA 的 GPU 逐步構建我們提供給客戶的服務。

過去五年，多數人工智慧應用程式皆採用雲端的運算。然而，由於網絡頻寬，成本和數據隱私的限制，將人工智慧從雲移動到終端設備是未來幾年最大的話題之一。在本次演講中， DT42 將分享在 NVIDIA Jetson TX1 / TX2 嵌入式平台上使用 NVIDIA 資料庫構建終端應用的實際經驗，並就終端技術的發展提出看法。