1. 人工智慧的發展
   1. 博藍尼悖論(Polanyi’s Paradox)
      1. 人類懂的事情比「能表達出來的更多」
   2. 1956年的Dartmouth AI Projec
   3. 人工智慧發展簡史(第一波/第二波/第三波)
2. 「機器學習」的定義
   1. 放棄教電腦規則，讓電腦自己找規則
   2. Google如何運用機器學習
      1. Google Photos Search
      2. Image Captions Research
      3. Gmail/Smart Reply
      4. Google Translation
      5. Speech Recognition
   3. 多數AI應用就是讓機器學會一個對應關係or函數
      1. 由已知去預測未知
      2. 從照片判斷是否會被按讚？
      3. 從照片判斷人的職業？
      4. 從照片判斷人是否抽煙喝酒？
3. 人工智慧/機器學習/深度學習 三者的關係
   1. 如何訓練AI判斷視網膜的黃斑部病變？
   2. 20年前，以「Rule-based」為主
   3. 10年前，以「傳統機器學習」為主
   4. 近3年，以「深度學習」為主
   5. 人工智慧在某領域怎麼運用
4. 產業AI化的挑戰
   1. 跨出學術機構，接觸台灣各式各樣產業
   2. 瑕疵檢測
   3. 自動流程控制
   4. 預測性維護
   5. 原料組合最佳化
   6. 如何把「AI解決問題」的能量放大：人才是關鍵
5. AI的限制
   1. 「Chinese Room」/「強AI v.s 弱AI」
   2. 「已經會實現的事」 vs. 「至少還要30年才會發生的事」
   3. 工作的消失/人類與AI共存的藍圖
6. 人工智慧的應用
   1. 增強式學習/Reinforcement Learning
      1. AlphaGo的「增強式學習」
      2. 「讓AI一邊摸索一邊學」的學習方式
      3. DeepMind年薪一千萬
      4. 自駕車的「增強式學習
      5. 更多「增強式學習」範例
   2. 人工智慧的其他有趣的應用
      1. 用在圖片的著色
      2. 用來做「生成」
      3. AI自動生成二次元妹子
      4. 自動生成圖像
      5. Deepfakes
      6. 「GazeDirector」修改影片人物的眼球狀態
      7. 生成文章/假新聞
   3. 現今人工智慧之新創公司，哪個領域最多？
      1. 醫療領域
         1. 幫助醫生降低誤率
         2. 只要是「訊號」，AI都很擅長學習
         3. 「醫院內的活動」很多都是可被預測