top of page

總計畫辦公室

蔡宗翰2.jpg

蔡宗翰 教授

主持人

國立中央大學資訊工程學系 
中華民國人工智慧學會理事

李宏毅2.jpg

李宏毅 教授

同主持人

國立臺灣大學電機工程學系

2018生活照 吳世弘2.jpg

吳世弘 助理教授

協同主持人

朝陽科技大學資訊工程學系

計畫專任助理 助理

電話 : (03)422-7151 #35323

E-mail : moe.ai.ncu@gmail.com

歷屆競賽議題提供團隊主持人

AI CUP 2024

根據區域微氣候資料預測發電量競賽

顏士淨.jpg

顏士淨 特聘教授

主持人

國立東華大學

資訊工程系

近年來由於太陽光電裝置的效能不斷提升,加上綠能科技發展已經成為世界未來發展的共識,同時AI發展也是突飛猛進,因此AI綠能可以成為人才培育一個很好的題目。花蓮地區近年來綠能廠商不斷進駐,花蓮鳳林已經有十分之一以上區域作為太陽光電裝置用途,本校能源科技中心常受到廠商委託評估太陽光電裝置,以往是以氣象局的氣候資料評估,但在近幾年來光電裝置效能越來越高後,就需要更精確的微氣候資料來產生AI模型評估。本計畫將根據能源科技相關文獻研究成果,選擇出微氣候環境因子進行量測,收集訓練資料,同時也架設太陽能板量測發電量作為ground truth。計畫符合綠能科技主題,可以讓AI CUP參賽學生了解綠能科技與系統設置規劃產業,也可幫助台灣綠能科技發展。

白益�豪 副教授.jpg

白益豪 副教授

協同主持人

國立東華大學

光電工程系

以生成式AI建構無人機於自然環境之地形導航競賽

劉吉軒 教授.png

劉吉軒 教授

主持人

國立政治大學

資訊科學系

本競賽主題為以生成式AI建構無人機於自然環境偵察時所需之導航資訊,也就是透過生成式AI生成所需的導航資訊。本計畫希望將競賽分為兩個項目。第一個項目旨在使用生成式模型產生特定天氣、視角、影像占比之無人機視角下的道路和河流影像。通過指定條件,輸入一張只帶有邊界線或帶有邊界線和中軸線的黑白影像,生成式模型可以根據指定條件生成包含自然背景的無人機視角下的道路或是河流擬真影像。在資料擴增方面,儘管本計畫已經使用無人機收集了台灣多地區的道路和河流影像,但鑑於現有研究會透過資料擴增來改善模型的訓練結果[9],本計畫期望參賽者能夠在特定條件下使用生成式模型生成擬真的道路和河流影像,並透過生成擬真影像,增加資料多樣性與減少收集真實資料的人力與成本,以便用於後續的AI無人機自主導航模型訓練。第二個項目希望使用生成式模型將無人機視角下的道路和河流影像轉換為包含邊界線與中軸線的黑白影像,相當於對調第一個項目的輸入與輸出。通過輸入一張包含自然背景、道路或是河流的無人機視角影像,GAN可以生成帶有道路或是河流邊界線和中軸線的黑白影像。這個項目的靈感來自於使用GAN將航拍影像轉換為地圖的概念。無人機的空拍影像與航拍圖類似,只是解析度有所不同,但兩者可以透過投影來進行轉換對應。在使用GAN可以將航拍圖轉換為地圖的情況下,本競賽希望將空拍影像轉換為類似地圖上標示的道路和河流邊界線,但不需要對背景進行標示。這樣可以讓無人機使用生成的邊界線來確定自身位置是否在道路或是河流上方,同時可以透過中軸線進行AI無人機自主導航。

彭彥璁 助理教授.jpg

彭彥璁 助理教授

協同主持人

國立政治大學

資訊科學系

AI 驅動出行未來:跨相機多目標車輛追蹤競賽

江振國 副教授.jpg

江振國 副教授

主持人

國立中正大學

資訊工程學系

鑒於居家安全、犯罪偵防等需求,近年來攝影機系統在道路上被廣泛的運用。由於目前一般的監視系統都是基於單相機錄影,每個攝影機是獨立運作,所以當移動物件離開拍攝範圍後,就無法繼續辨識。其次,當發生車禍碰撞、犯罪事件,由於每台相機單獨錄影,相機間沒有協同作業的機制,因此警政單位必須花費龐大的人力資源,由人工搜尋監視系統錄製的影片,才能追蹤可疑車輛或行人的路徑與軌跡。跨相機多目標追蹤的技術就是用來解決上述的問題,雖然攝影機的內容是獨立錄製,但是跨相機多目標追蹤的技術可以藉由物件外觀的相似程度、輔以物體移動時間的估測,追蹤跨相機移動的多個物件。在本次計畫提出的資料集,是提供跨相機的道路車輛行駛影片,發展跨相機多目標追蹤的AI模型。給定多個不同的實際道路相機拍攝影片,跨相機多目標追蹤的AI模型要能夠偵測與辨識出出現在不同相機的相同車輛。如上所述,雖然跨相機多目標追蹤技術在交通分析面項上具有廣泛的應用前景,但國外目前僅有部分學術用、以及國際競賽提供的資料集,台灣關於跨相機目多標追蹤的資料集相對來說也十分缺乏。

AI CUP 2023

隱私保護與醫學數據標準化競賽: 解碼臨床病例、讓數據說故事

戴鴻傑 教授.webp

戴鴻傑 教授

主持人

國立高雄科技大學

電機工程系

本計畫以培育具備人工智慧(Artificial Intelligence,簡稱 AI)領域中的自然語言處理技術(Natural Language Processing,簡稱 NLP)的專業人才為主要目標,透
過國際合作將醫療院所內的真實臨床病例資料開放成為競賽語料,於其上進行英文文本 EMR 的去識別化及時間資訊擷取與正規化,讓學子透過參賽能夠將 AI 技術與資通訊技術應用於臨床醫療病歷資料分析,從而深入了解真實病歷資料去識別化所可能遭遇的問題以及解決方法。我們期望藉此培養出兼具人工智慧和倫理道德素養的專業生醫產業人才。進一步地,我們希望這些成果能夠應用於臺灣
的健康資料加值應用中,並透過與國際研究機構的合作,共同發表研究成果,從而推動該領域的發展,提升臺灣在全球生醫產業的地位,並為臺灣的健康產業創
造更多的價值和機會。 

陳鯨太 助理教授.jfif

陳鯨太 助理教授

協同主持人

臺北市立大學

資訊科學系

圍棋棋力模仿與棋風辨識競賽

顏士淨.jpg

顏士淨 特聘教授

主持人

國立東華大學

資訊工程系

本計畫將提供各種等級的圍棋棋譜,從25級到6段,可分為七個等級(入門/初級/中級/高級/低段/中段/高段),將提供每個等級至少一百萬個盤面與著手。本計畫將標記人類在棋盤上的各種智慧性的行為與想法,競賽主
題目標是研究 AI 如何模仿各種人類的智慧行為,從而創造出有趣的虛擬圍棋玩家,讓愛好圍棋者可以進入圍棋元宇宙,找到適合的對手。 
本計畫之競賽需要應用深度學習方法,例如CNN, ResNet, Transformer,可達到初步的成果。如果要效果更好,需要設計擷取各種feature方法,或是使用meta learning, few-shot learning, GAN 或是強化式學習方法 MCTS, Alpha Zero 等進階方法。本計畫兼顧AI方法的廣度與深度,是大專學生很好的研究題目,可以訓練學生應用深度學習的能力。 

真相只有一個: 事實文字檢索與查核競賽

高宏宇 教授.jpg

高宏宇 教授

主持人

國立成功大學

資訊工程系

我們希望能夠創立一個以判斷假資訊為中心目標的資料競賽,藉由相關資料集的建置,加速推動相關科技的發展並彌補目前以人為辨識為主的不足之處。但由於假資訊類型過於多樣,且多數都存在著主觀認定的問題,所以從資料科學角度,我們是以事實檢索與查核為認證基礎,藉由以往存在的資訊來檢核不當與錯誤的資訊。在資料處理流程中,由於主要目標是進行假資訊偵測,我們設定的資料標記目標與現行的事實查核過程大同小異。因此我們先介紹現行事實查核的基本流程,再接著描述標記資料的具體結構。在給定一份描述文字(例如臉書上的貼文、Line群組中的訊息等)時,針對描述文字的真實性進行檢核方法包含:檢索相關資訊、比對相關資訊、歸納證據並判斷描述文字的真實性。

多模態病理嗓音分類競賽

方士豪 主任.jpg

方士豪 主任

主持人

元智大學

人工智慧跨域創新應用中心

本計畫前期將持續收集與標註嗓音與病史資料,除擴大資料量、平衡資料集之外,所提供動態的聲音與靜態的文字(如患者相關症狀、個人用聲程度、菸酒等生活習慣等),亦可當作開發前瞻多模態技術的新在地數據集。計畫中後期目標為舉辦國內競賽,促進國內人工智慧技術跨領域創新,提供跨域應用的實作學習機會,亦鼓勵學生藉此機會組隊競賽,使參與競賽學生有望成為國內產業搶手的「AI跨領域人才」,促進與加速國家整體產業數位化轉型。

王棨德 主治醫師.jpg

王棨德 主治醫師

協同主持人

亞東醫院

耳鼻喉科

王緒翔 助理教授.jpg

王緒翔 助理教授

協同主持人

元智大學

電機工程學系

教電腦看羽球競賽

易志偉 教授.jpg

易志偉 教授

主持人

國立陽明交通大學

資訊工程學系

在這個計畫中,競賽以羽球單打賽事的自動情蒐為主題來設計,目標是在現有的基礎上運用機器學習、電腦視覺等技術,讓電腦可以看懂羽球競賽,發展羽球賽事影片的技術資料自動標記,將拍拍標記的工作全自動化,只要提供固定視角且拍攝到全場的賽事影片(如圖三、圖四所示),即可自動判讀出標記資訊,讓大量羽球情蒐成為可能,普及羽球技戰術分析的科研與應用。本團隊辦理之競賽內容分成兩大部分,分別是:(1) 賽事事件偵測;及(2)自動拍拍標記。賽事事件偵測主要是從比賽影片中偵測比賽主要事件,包含:每球的發球及死球、每拍擊球及比數變化。自動拍拍標記則是在提供事件偵測結果的前提下,從影片自動判斷定拍拍標記每位欄位的內容,包含:球員站位、球員姿態及球落點等。

陳奕廷 助理教授.png

陳奕廷 助理教授

協同主持人

國立陽明交通大學

資訊工程學系

AI CUP 2022

肺腺癌病理切片影像之腫瘤氣道擴散偵測

鍾翊方.jpg

鍾翊方 教授

主持人

國立陽明交通大學
生物醫學資訊所

應用人工智慧分析數位病理影像是近年來新興且極具潛力的領域。透過分析腫瘤病理影像,可以取得豐富的腫瘤相關資訊,應用於臨床醫療。 「腫瘤氣道擴散(spread through air spaces, STAS)」是近年新發現肺腺癌的病理特徵,指的是腫瘤細胞從腫瘤的邊緣沿著肺泡空腔,往鄰近的正常肺臟組織擴散。腫瘤氣道擴散對肺腺癌病患接受手術後復發的風險有重大影響,已是目前肺腺癌病理檢查的例行項目。 針對肺腺癌H&E染色數位病理全切片影像,本競賽提供在腫瘤外的感興趣區域(region of interest, ROI)以方框及不規則形狀像素層級之STAS標註資訊,進而舉辦兩種競賽:(1) 運用物體偵測作法於找尋STAS;(2) 運用影像分割作法於切割STAS輪廓。

本競賽提供豐富獎項、雲端運算資源、軟體工具和訓練課程,協助參賽者在競賽過程中,具備堅強的實力及工具取得佳績,像是有機會運用全台最大的 AI 高速 GPU 運算雲端資源-TWCC,協助跨節點高效能運算快速執行大規模的應用程式,透過AIHPC高效能加速縮短計算時間、優化模型以產出最精準的競賽結果。

葉奕成.jpg

葉奕成 主治醫師

協同主持人

台北榮民總醫院
病理科

農地作物現況調查

王驥魁.jpg

王驥魁 教授

主持人

國立成功大學
測量及空間資訊學系

農地作物現況調查可使用人員搭配相機於現地拍照紀錄,然而農地區域廣泛、我國之坵塊分割細碎且分佈零碎,所獲取之照片影像資料龐大,轉換為可用於管理操作之資訊,極度耗費人力、時間。AI 技術對於影像判識工作近年已有長足之進步,適合導入農地作物現況調查之工作程序,加速農政單位獲取相關資訊。
目前雖然有完整的民生/工業/醫療等AI資料集,但在農業數據相對缺乏,故在未來AI智慧農業需求上,將需要投入大量的專業人力進行農業數據蒐集及分析作業;透過本競賽,將協助學生瞭解農業資料集及農產業影像辨識的應用需求,並培育學生應用AI進行農業領域影像辨識的經驗及技術能力。

林昭宏.jpg

林昭宏 教授

協同主持人

國立成功大學
測量及空間資訊學系

呂學展.jpg

呂學展 副教授

協同主持人

國立成功大學
測量及空間資訊學系

尋找花中君子 - 蘭花種類辨識及分類競賽

黃仁竑.PNG

黃仁竑 教授

主持人

國立中正大學
資訊工程學系

臺灣蘭花栽培歷史悠久、品種繁多,產量及品質在國際上受到肯定,臺灣有著領先全球的蘭花育種研發,擁有世界上最多的蝴蝶蘭品種,九成的蝴蝶蘭用於出口,使其成為國內精緻農業金額首位。但因農業生物科技的進步,大量組織苗的繁殖,影響新品種的研發,加上其它國家積極投入育種生產,育種廠商大都有其專注培養的品種,由於各蘭花品種的型態較為類似,往往需要專業人士才能進行區別,目前全球均未有蝴蝶蘭品種的辨識軟體與技術,本競賽欲透過舉辦蘭花種類辨識及分類競賽,邀集具AI、機器學習、深度學習專長的專家與高手,訓練出高辨識率的蘭花品項影像辨識模型,除了能提升產業競爭力外,更讓社會大眾對於蘭花這類高經濟作物有更多的認識,進一步提升蝴蝶蘭的銷售與產值。

江振國.jpg

江振國 副教授

協同主持人

國立中正大學
資訊工程學系

無人機飛行載具之智慧計數(農作物、車輛與人群計數)

謝君偉.jpg

謝君偉 教授

主持人

國立陽明交通大學 
智慧計算與科技研究所

近年來科技高度發展所帶來之影響,已逐漸深入人類生活環境。無人飛行載具提供更寬廣的視野及更高度的移動性和靈活性,至今已被應用在許多不同產業領域,如地理資訊蒐集、交通監控、物品運送、通訊網路中繼站等不同類型。本次計畫預計將由國立陽明交通大學智慧科學暨綠能學院謝君偉教授、資訊學院莊仁輝教授及美國紐約州立大學奧爾巴尼分校張明清助理教授合作,著重於 AI 與影像辨識及無人飛行載具應用,期望參賽者以日常生活可能遭遇之問題為出發點,將深度學習原理作為基礎,運用相關人工智慧核心知識深入發展應用,進而將無人飛行載具相關技術應用於實際環境中,結合不同領域之人才並發揮創意,將平時所學專業知識確實落地,提升個人及
團隊之實作能力與競爭力。
本次競賽主題為 AI 與影像辨識-無人機飛行載具之智慧計數(農作物、車輛與人群計數),無人機載具有高度移動性以及遠距遙控功能,能夠快速且輕易到達不容易接近的區域,搭配高解析度相機即如同鷹眼般,能從空中俯視地表,並將地表一切變化詳實記錄在影像中而不遺漏,這種高機動性與廣泛應用,讓世界各國皆視無人機為下一代工業 4.0 革命中不可或缺的重要部分。目前國內尚無此空拍影像分析之比賽,此計畫將以無人機空拍影像為基礎,運用深度學習原理等相關訓練模組,進行高空農作物、車輛與人群數量技術與辨識。藉由此比賽,利用做中學的方式,進而掌握關鍵空拍分析技術,並培養前瞻 AI 研發人才,導引高階研發人才至各社會階層進行貢獻與服務,為國家高科技產業帶入新動力。

莊仁輝.png

莊仁輝 教授

協同主持人

國立陽明交通大學
教務處教務長

張明清老師.jpg

張明清 助理教授

協同主持人

美國紐約州立大學
奧爾巴尼分校

自然語言理解的解釋性資訊標記計畫

黃瀚萱.png

黃瀚萱 助研究員

主持人

中央研究院
資訊科學研究所

機器學習模型的可解釋性(explainability)是人工智慧技術在落實與應用時,備受期待的項目。如果模型能夠在精準預測之餘,同時提供佐證其預測行為之依據,人類將有機會事先發現模型判斷的錯誤,大幅提高人類對模型之信賴,使得人工智慧技術更能落實到關鍵性的決策場域。
目前的自然語言處理模型,對於這類的任務已能達到頗高的效能,顯示近期的深度學習技術已能掌握部份語言推理能力。然而,模型在提供準確的推理(即三分類任務)之餘,究竟是如何得到該推理之結果,其中的解釋性要素則仍然未有充份的研究。
本計畫以自然語言推理為目標,希望能讓模型在預測文句之間蘊含、矛盾、無關等邏輯關係的同時,找出文句之中關鍵性的片段,作為預測結果的佐證資訊。這樣的資訊一方面可以提供機會讓研究人員更了解模型內部的行為,促進自然語言處理的研究。同時也可在將來應用人工智慧系統時,提供模型的判斷依據,供人類評估模型該次判斷的可靠程度。

AI CUP 2021

su-bo-ci.jpg

蘇柏齊  教授

主持人

國立中央大學

資訊工程學系

       

 

 

 

        現今生活的周遭處處可見各式各樣的招牌、路牌、看板、標語與廣告等,隨時隨地傳遞豐富的文字訊息給大街小巷中的人們。當在街上拍攝照片或錄影時,畫面中所包含的文字內容提供了該場景相當可靠的資訊。若能自動地將場景畫面中的文字辨識出來,對於包括場景理解、智慧城市/交通發展、機器人技術、自動駕駛、協助視障者或外來旅者等應用都能有所幫助。場景文字辨識實為人工智慧與電腦視覺的綜合議題,具有相當的挑戰。我們希望透過本次競賽,促進國內於場景文字辨識相關領域的技術發展,增進台灣人工智慧技術的實力。

       場景文字檢測通常為場景文字辨識的前置步驟,即由畫面的像素中判斷文字出現的位置,以利後續針對該位置辨識可能的文字內容。場景文字檢測直接影響了文字辨識的準確度,本次賽事目標即為定位畫面中肉眼可識的文字位置。場景文字檢測受到許多因素所影響,包括場景中可能出現的多型態文字、多國文字、傾斜招牌文字、不同尺寸文字、外物遮蔽、類文字圖案紋理干擾、光線與陰影等。本賽事的目標場景為台灣市區街景,期望參賽者利用機器學習/深度學習技術,嘗試與開發適當的模型,以確偵測台灣街景畫面中的文字區域。

繁體中文場景文字辨識競賽

張明清老師.jpg

張明清 教授

協同主持人

美國紐約州立大學奧爾巴尼分校
國立中央大學資工系訪問學者

AI CUP 2021

水稻無人機全彩影像植株位置自動標註與應用

劉力瑜.jfif

劉力瑜  教授

主持人

國立臺灣大學

農藝學系

       隨著軟硬體的快速發展,近期人工智慧的應用成為顯學,並成功應用在廣泛領域上。然而,人工智慧在農業上的應用卻相當有限,除了作物生長周期長、資料不易大量累積外,也因為資料標註高度仰賴具有專業知識的農業專家,使得能作為機器學習的訓練資料集嚴重不足。空拍遙測影像與網路文字,是在農業現場中相對容易取得的大量資料。

       呼應政府推動的五加二產業中「新農業」的發展,本計畫首先預計使用高解析度的無人機全彩影像進行植株位置標註,也將從行政院農業委員會資料開放平台下載植物疫情發布等網路文字資料,未來能根據標註結果以人工智慧建立水稻田植株辨識與文字辨識分析模組,以提升臺灣未來農業發展軟實力。

       標註成果未來可應用在無人機定點少量噴灑植物保護劑的施作,達到節省成本及維持環境永續的雙重目的,也與近期農委會積極推動的無人植保機應用之目標相符。

黃乾綱.jpg

黃乾綱 副教授

協同主持人

國立臺灣大學

工程科學及海洋工程學系

AI CUP 2020 / 2021

醫病訊息決策分析與對話語料建構系統

高宏宇.jpg

高宏宇  教授

主持人

國立成功大學

資訊工程學系

    根據Health Insurance Portability and Accountability Act  規定,在臨床醫療端的文字紀錄中,有關病人隱私資料的內容 都要被清除掉或是修改掉。而在門診醫病對話資料中,含有許多求診民眾的隱私內容,如此大量的資料,需要有自動化的方式去辨識出這些隱私內容,方便醫療人員的作業也加速醫療大數據的建立。

       本競賽提供從成大醫院合作之門診所收錄而來的門診對話及相關訪談的看診對話資料,由人工標註出對話資料中的隱私內容及其類型。並將資料分為訓練集、建構集(開發集) 與測試集。

       本競賽主要目標為從醫生與看診民眾對話中辨識和提取含有隱私資訊的內容,並分類出該內容屬於何種隱私類型。

柯乃熒.jpg

柯乃熒 教授

協同主持人

國立成功大學

護理系

AI CUP 2020

臺灣本地創匯高經濟作物之篩果影像辨識競賽
-以愛文芒果為例

李祈均.jpeg

李祈均  副教授

主持人

國立清華大學

電機工程學系

       

 

 

 

       近來隨著人工智慧的興起,智慧加值概念導入精準化的技術於農業中,不僅有助於提高產能,更能同時改善人口短缺以及農產所得收入,期望透過 AI 技術進行高自動化與標準化的輔助,提升產值並有效進行產業轉型。

       本次目標希望基於自動化、精準化的 AI 影像辨識技術導入概念,在未來利用台灣本地資料庫建立一套自動芒果篩果系統,並在未來進一步希望能與政府單位如農委會合作完整芒果智能履歷的搭建,提供一般臺灣大眾簡單明確的芒果選購機制,同時拉抬台灣本地愛文芒果的品牌精緻化。透過競賽的舉辨,可以快速將此一相關技術成長,培養相關智慧農業人才。以掌握科技種植、科技溯源以及品牌價值的三大元素,藉以提升在地芒果品質並樹立台灣芒果品牌價值,不僅對台灣整體向外拓展的競爭力有所助益,也能有機會與他國建立連結打響台灣高經濟蔬果品牌知名度甚至種植指標國際化。同時間針對此一與生活息息相關的主題也培養台灣的 AI 人才,以其擴散至不同農業作物,為智慧農業奠基。

許志仲.jpg

許志仲 助理教授

協同主持人

國立屏東科技大學

​資訊管理系

(現職國立成功大學資訊工程系)

AI CUP 2020

歌聲轉譜與和弦辨識競賽

張智星.jpg

張智星 教授

主持人

國立臺灣大學

資訊工程學系

       隨著時代的進展,聆聽音樂的方式已經從以往的CD轉移到各式各樣的音樂線上平台。2016年IFPI的報告指出,數位音樂的產值已經正式超過實體音樂產值,而實體音樂的產值正在連年下降中,顯示出趨勢正站在數位音樂這邊。

       而數位音樂的發展帶動了許多相關的AI智能應用,包括原曲辨識、哼唱選歌、樂曲分類等,其中Line Music、KKBOX與Spotify都相繼成立機器學習或人工智慧部門,專門透過歌曲內容與使用者的聆聽習慣來分析使用者的音樂喜好,並且提供上述各種AI服務來讓使用者方便聆聽到自己喜歡的音樂,進而衍生出加值的空間。

       經由數位音樂的發展,各種音樂相關的服務如歌曲推薦、哼唱搜尋等需求也越來越多,國內如KKBOX、國外如Spotify等也分別成立自己的機器學習部門來針對自動歌曲推薦等服務做研究及擴展。此類服務在機器學習的研究上可以分成兩個部分,一是針對使用者行為做推薦,另一則是針對歌曲的本質做推薦,在歌曲的本質上,許多基本的特性方法研究是一個必須的重點,如歌曲的主旋律、和弦、歌曲結構、曲風、節拍…等等的基本要素,這些基本要素構成了一首歌曲該如何被分類及推薦,因此熟悉這些音樂基本分析元素及機器學習之方法的人才在目前的音樂產業中是亟需被重點培養的。

人工智慧論文機器閱讀競賽

AI CUP 2019

陳銘憲.jpg

陳銘憲 特聘教授

主持人

國立台灣大學

電機工程學系

 

 

 

       在本競賽中,我們將讓學子嘗試以語意分析的技術解決一個令電腦科學研究者頭痛已久的問題:「如何設計一個能自動閱讀論文摘要,標注並統整論文中所發明、使用或用來比較的演算法的系統」。

       讓機器自動梳理這些不斷推陳出新的演算法將會是無可避免的嘗試,即便在人力可負擔的情形下,讓機器自動統整相關演算法將可以讓研究者騰出時間做更有意義的事。 

林守德.jpg

林守德 教授

協同主持人

國立台灣大學

資訊工程學系

葉彌妍副研究員.png

葉彌妍 副研究員

協同主持人

中央研究院

資訊科學研究所 

AI CUP 2019

新聞立場檢索競賽

鄭卜壬  副教授

主持人

國立臺灣大學

資訊工程學系

 

具爭議性議題的新聞一直是閱聽人觀注與討論的焦點,新聞媒體常需報導不同立場的說法,若能從大量的新聞文件裡,快速搜尋各種爭議性議題中具特定立場的新聞,將不但有助於人們理解不同立場對這些議題的不同認知與不同價值觀,對制定決策的過程而言,也相當具有參考價值。

本競賽以鼓勵學生運用創意與技術來解決資料檢索與意見探勘應用的挑戰,亦期待透過競賽方式,訓練並培養我國資訊檢索、自然語言處理、機器學習等人工智慧領域相關之人才。 

古倫維.jpg

古倫維 副研究員

協同主持人

中央研究院

資訊科學研究所 

AI CUP 2018 / 2019

生醫論文自動分析競賽

許聞廉  特聘研究員

主持人

中央研究院

資訊科學研究所 

本競賽將以自然語言處理技術為核心,開放競賽語料讓學子能夠將人工智慧技術應用於基礎的臨床醫療病歷資料分析到進階的生物資訊文獻語料。

參與本競賽的學子將可實務的了解分析生物醫學資料的流程與技術,並體現轉譯醫學思維,讓學子能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究,和臨床治療連結的大思維。

unnamed (3).jpg

合作平台

​人工智慧共創平台AIdea

TBrain_logo_960x200.png

​合作平台

T-Brain AI實戰吧

教育部

人工智慧競賽與標註資料蒐集 

計畫辦公室

TEL: (03)422-7151 #35323
E-mail : moe.ai.ncu@gmail.com

  • Youtube
  • Facebook
  • Instagram
© 2018-2025 AI CUP
bottom of page