AI 領域廣又深，不管是技術面還是應用面都有很多值得探索之處，本文分享 5 大 AI 機器學習的發展趨勢與模型，從學術論文的角度，帶你接收最新的研究與發現。

1. 用於 AI 模型透明化的 Model Card Toolkit
Google 最近發布了 Model Card Toolkit（MCT），該工具包旨在為開發人員、監管人員和下游用戶提供透明化的 AI 模型。Google 表示，模型透明度在人們生活的各個領域（從醫療保健到個人理財再到就業）都發揮著重要作用。

2. 內存有效終端設備學習的 TinyTL
這項工作提出了一種微小遷移學習方法（Tiny-Transfer-Learning，TinyTL），用來實現內存有效的終端設備學習，旨在使預訓練的模型在邊緣設備新收集的數據上表現良好。

3. 能破解 Deepfake 偽造技術的學習方法
Deepfake 演算法透過偽造圖像和影像來生成大量的虛假內容，而且人眼很難將它們與真實的圖像和影像區分開來，因此開發能夠自動檢測和評估數字視覺媒體真實性的算法至關重要。

4. 自我監督的語音編碼器 TERA
自我監督學習是一種學習大量未標記數據的有效方法，在近年來迅速發展。但是，許多方法經常透過制定單個輔助任務來學習，例如對比預測/自回歸預測或模板重建。

5. 可在手機上試驗的開源框架 Flower
這篇文章提出了一個名為 Flower 的新的聯合學習（FL）框架，專為手機設備與連接這些設備的無線連接而設計，該框架主要支持在手機和無線設備上實施 FL 模型的試驗；FL（也稱為協作學習）是一種機器學習（ML）技術，可跨多個分散的邊緣設備或保存本地數據樣本的做服務器訓練算法。

詳細內文請參考網址