人工智慧博覽會 AI EXPO Taiwan 2023/4/19 - 半導體相關演講摘要

1. 團隊資源其實更多放在開發軟體解決問題
2. ChatGPT僅花兩個月達到一億用戶
3. NVIDIA的立場是透過硬體和軟體的幫助擁抱生成式AI
4. 從整個AI進程來看ChatGPT目前的產出還只是開始而已
5. 從Coding的角度看：ChatGPT節省時間，增加專業人士的生產力
   從醫療發展的角度看：增加疫苗開發的速度
   
   NVIDIA: Transformer 模型

Transformer 模型以幾乎即時的方式翻譯文字和語音，讓各種背景的人士及聽障者都能出席會議和上學。

Transformer 模型也可以協助研究人員瞭解 DNA 中的基因鏈和蛋白質中的氨基酸，以加快設計藥物的腳步。

1. 算力：
   第一個時期：根據摩爾定律
   第二個時期：AI深度學習時期
   第三個時期：大規模神經網路時期
2. 2017 Transformer model的出現優化AI
3. 數量越大能力越強
4. 長期趨勢：大量神經網路模型參數增加
5. 未來趨勢：我知道「你知道我知道」
6. 台灣因應大型AI模型潮流：儘量使用現有平台＆自主訓練內部神經網路（算力決定）
7. 超級電腦算力：每十年約增加一百倍；價格增加五倍；消耗電能2.6倍
8. 對台灣業界的期待：不僅是把AI套用在流程改善，而是真的運用來產生價值