用戶登入
懇請您立即點擊填寫「2017年科技發展觀測平台與電子報滿意度調查」。我們期待提高問卷回收率,請繼續給我們支持與鼓勵,感謝您!
焦點新聞
2017年具顛覆性效益之新興技術
.2017/08/18
摘要 Gartner的報告中提出許多俱備顛覆性創新的技術,本質上多是具有破壞性創新的技術,雖然仍有很多技術尚未在市場上出現明顯且具體的效益。但有鑑於企業需時時關注市場的發展趨勢,方能進行有效的技術策略布局,而新興科技成熟曲線可做為企業決策者進行未來幾年策略規劃之參考。Gartner的研究報告介紹許多創新技術,其中,深度學習(Deep Learning)與機器學習(Machine Learning)是具有顛覆性效益的兩項技術,皆處於過度期望的高峰期(Peak of Inflated Expectations),約需2至5年才可能實際被產業界應用。以下將針對這兩項技術的發展與影響進行說明。

一、 深度學習(Deep Learning)
(一) 定義:深度學習是指藉由自動發掘中介碼(Intermediate Representation )的方式達到擴展標準的機器學習,這些中介碼可解決複雜的問題,並提升精確度、減少觀察次數,以及簡化繁瑣的手動調整等情況。

(二) 商業影響:深度學習對各產業都具有顛覆性與破壞性的潛力,但目前所面臨的挑戰是,「如何辨別與解決問題?」。而深度神經網路(Deep Neural Networks, DNN )是透過最先進的演算法以達到更準確地檢測出欺詐事件、其他異常情況、提出建議、發現新藥、進行醫學診斷、解決時間序列問題等。
深度神經網路目前可用來解析複雜的數據圖像,例如:辨識複雜的醫學圖像,並提供建議,以便早期發現癌症;分析視網膜的掃描影像,幫助視障人士辨識物體;實現自駕車;可為黑白照片自動上色;並辨別與理解演講內容。Gartner預期深度學習將有助於私人助理、監控系統、藝術等領域的產品發展。

二、 機器學習(Machine Learning)
(一) 定義:機器學習是指從一系列的觀察值萃取出特定類的知識和模式(pattern),目前約可分為三種類型:監督式學習(Supervised Learning) 、非監督式學習(Unsupervised Learning)與增強學習(Reinforcement Learning) 。
(二) 商業影響:
機器學習將在各種商業和社會情境下,推動商業問題的改善與新解決方案的提出,包含:自動化、藥物研究、CRM、供應鏈最佳化、預測維護、營運效益、詐欺偵測、自駕車、資源最佳化等。
延申閱讀
資料來源 Gartner