深度學習

YourTTS模型能夠在多語言、多說話者和零樣本學習中，產生良好的結果，還可用於跨語言的語音轉換，並且使用比傳統TTS模型更少的訓練資料集

人工智慧低程式碼工具hAIsten AI，能夠降低訓練模型和部署，加速企業人工智慧應用程式開發

研究人員發現MetNet-2自己從訓練資料學會了大氣物理準地轉理論（Quasi-Geostrophic Theory），其預測效能勝過以物理模型為基礎，同時也是當前最先進的組合模型HREF

在今年線上臺灣人工智慧年會上，Google Brain團隊核心成員，也是一手設計和打造Google TPU的主要設計者Cliff Young，不只親自揭露Google決定自行開發TPU的過程，針對深度學習革命對於未來AI發展影響，也提出他的最新觀察。

在深度學習的領域，放棄了解釋最終模型的可能性，來換取解決複雜任務的可能性；然而，這可不是暴力法，無論模型可解釋或難以解釋，該做的事情其實都相同！

PyTorch是支援深度學習的框架，為了不迷失在API之中，可藉由NumPy實現簡單的學習模型，逐步轉換至PyTorch，認識相關元件的方便，瞭解支援的流程典範

DeepMind在去年11月，首次從氨基酸序列預測出蛋白質結構，而華盛頓大學的研究人員，開發新的模型加速了這項運算，所需時間從數天降為10分鐘以內

中華電信揭露物件偵測模型輕量化3大作法，首先模型骨幹直接採用新結構（如EfficientNet-Lite），模型頸部和頭部則以近似運算來減少參數量，比如用差值讓長寬一致、用一層卷積讓Channel數一致，並用深度可分離卷積來重組頭部，同時輕量化損失函數，來避免沒辦法收斂的結果。