臺灣人工智慧的困局，真的無解嗎？
AI雖夯，但沒資料！沒人才！是發展人工智慧的兩大挑戰，全球皆然，對臺灣更是兩大難題。臺灣過去在硬體的全球性成功，反而拖累了臺灣在近幾波科技革命中的腳步，從軟體、網際網路，甚至是前一波社交網路革命都淪為跟隨者。當AI成了取代社交網路的新一波科技革命，如何搶進，甚至主導，成了臺灣的焦慮，兩大難題也成了臺灣AI的困局，但這真的無解嗎？今年底一場臺灣人工智慧活動，似乎可以看到不一樣的曙光。
【臺灣AI學校明年啟動，一線研究者帶隊實作訓練AI即戰力】資料多寡不再是瓶頸，人才成了AI競賽主要關鍵
資料量不再是發展AI最大的困難，就更顯得AI人才的重要和關鍵。但臺灣的AI人才在哪？從今年第一次舉辦的人工智慧年會，可以窺見一斑，甚至中研院還要出面成立臺灣人工智慧學校，每期要培養200名AI技術種子
【AlphaGo首席工程師黃士傑揭露AI無敵新關鍵】不靠海量資料，自我學習就有效：增強式學習開啟AI新方向
不同於前一代需要仰賴大量棋譜，新一代AlphaGo Zero只靠增強式學習技術來進行自我對弈，40天下了2,900萬盤棋，就成了有史以來AlphaGo棋力最強的版本。增強式學習揭開了AI的另一個發展方向，不靠海量資料，也能很有效
【專家解讀AI趨勢：臺灣大學資訊工程學系教授林守德】深度學習不是最終答案，第三波AI浪潮有5大挑戰
在GPU運算資源協助下，大幅提高了訓練模型的效率，深度學習掀起第二波人工智慧的浪潮，但深度學習不是最終答案，下一波AI浪潮將有5大挑戰，這也是AI突破的5大方向
【AI專家實戰經驗：HTC健康醫療事業部總經理張智威】用遷移學習輔助醫療診斷辨識，小數據也能訓練出精準ML模型
儘管手上只有1千張真實的耳道病變照片，但HTC想辦法，上網找到大量相似但往往與中耳炎無關的影像，就算是柳丁切面圖也能成為機器學習的訓練素材，讓判讀準確率，從75％提高到超過9成
【專家看臺灣AI機會：Google臺灣董事總經理簡立峰】臺灣AI硬體有優勢，更要瞄準跨領域AI應用
一來可善用臺灣硬體優勢來發展跨領域的AI應用，也可以發揮臺灣硬體優勢，將AI技術IC化，尤其跨領用應用一定要異業整合，還要世代整合，將新舊產業整合、實體與數位產業整合，或讓傳統產業網路化、數位化
AI 2018大趨勢
每年到了十、十一月之際，各家調查研究機構陸續針對明年即將發生的IT趨勢，提出預測。一如眾人所料，共同看重的部份，不外乎人工智慧（AI）、區塊鏈（Blockchain）、物聯網（IoT）、資訊安全。