| 兩年一次的iREX日本國際機器人展即將展開，台灣智慧自動化與機器人協會為能協助廠商收集產業技術資訊與促進交流，特別規劃籌組日本機器人展暨技術交流參訪團，預計於11月26日至12月2日前往大阪、京都、名古屋、東京等地，進行為期7天展會與日本機器人及自動化領域指標企業的精實中古手機拜訪行程，參訪團即將額滿。智動協會表示，兩年一次的iREX日本國際機器人展，是享譽全球的專業機器人展，展會內容涵蓋人類生活所需的各層面，如教育、復健照護、零售商場等場域用的服務型機器人，以及負載更重、更智能化的工業用機器人，每屆展出皆創下開展以來最多展商與參觀人次紀中古手機，在機器人領域的研發速度始終處於引領世界潮流的地位。本次參訪企業除了著重在掌握工業4.0的作法與應用經驗外，更有機會體驗老舊工廠因透過活用大數據，進而改善產線稼動並提升產能，同時透過此架構，得以對應人類無法判斷，甚至針對原本發現不到的課題，進而改善，實現產能與品質兼二手手機的不停機產線，不斷進化。本次的參訪日本電產新寶株式會社、貼片機處於行業領先地位的富士機械與半導體、大型主機、超級電腦頂尖技術的NEC、發那科Fanuc等廠商，精彩行程，即將額滿YouTube 是全世界最大的影音平台之一，目前已經有數百萬個影音內容在 YouTube 中古手機上產生，目前每分鐘也有超過 500 小時的影片被上傳到 YouTube 上，因此對於 YouTube 來說，如何在短時間內透過人工智慧技術分析被上傳的每一個影音內容，並依照興趣推薦給每個不同的人，提高觀眾的參與度和滿意度是非常重要的課題。 在進行影片推薦之前，YouTube手機維修必須面臨幾個棘手的問題。首先是影音內容的標記（annotation），由於影片內容相當複雜，演算法必須先分析影片內容才可進行更進一步的推薦，因此在發展推薦模型之前，YouTube 必須先建立有效的影片內容標記技術。 此外，面對影音及使用者互動資料不斷的更新，演算也必須能因應中古手機用者的行為擁有快速的反應能力，才能提高使用者的興趣及停留於平台上的時間。 而在訓練的過程中，由於不論是影音內容或使用者行為都會產生相當多的雜訊，且並非所有的資訊都能被量化為推薦演算法可使用的參數，因此 YouTube 的團隊便要嘗試將各種不同的顯性、隱性回饋都能夠被量化，並二手手機納入訓練資料中，例如影音下方的「我喜歡」（顯性）、看完一段影片（隱性）等行為。 因應不斷且快速變化的資訊輸入，YouTube 過去以迴歸（regression）模型為基礎的推薦演算法也相形見絀，因此 YouTube 在 2015 年開始將機器學習（machine learn中古手機ng）技術導入 YouTube 推薦機制，提供更快速精準的個人化推薦。目前 YouTube 的推薦機制包含了 2 個神經網路模型（nural network）： 1. 候選生成模型 （Candidate Generation Model） 由個人的瀏覽歷史、搜尋歷史、人口統手機維修資料等資料，從數百萬的影片資料庫中挑選與使用者相關的子集合，供後續第二層演算法參考使用。 2. 排名模型（Ranking Model） 在有了候選清單後，第二步驟即是從名單中預測使用者最有興趣觀賞的影片，並進行推薦排名。因此 YouTube 參考了以下訊號進行權重的計算： |
