歷經數次發展起伏，「人工智慧」在創新科技的推波助瀾下，不論是技術的精進或應用的開發，都讓人耳目一新，更被視為是促進產業及經濟成長的關鍵。當人工智慧逐漸滲透入我們的社會與生活之際，要如何適當運用，增進人類福祉，需要極大的智慧。
自半個多世紀前人工智慧（Artificial Intelligence；AI）出現以來，各界對於機器能夠具有如同人類的智慧，有了愈來愈多的想像與期待，甚至帶來許多令人震驚的結果。近來在人機對奕中，Alphabet旗下DeepMind所開發的AlphaGo圍棋程式，屢次擊敗多位世界圍棋高手，並以顯著的差異取勝，不只展現其優於人類的一面，也讓人看到現今AI科技的強大。
在生活中，有各種不同應用AI的智慧機器人，不只能夠理解人類的表達、還可與人互動，圖為工研院所研發之「智慧視覺機器人系統」。(圖片來源：工研院)
生活中，AI的應用也比比皆是。像是在廣告行銷及電子商務領域，研判消費者資料來提供資訊、促進銷售的方式已屢見不鮮；在廠房中收集並分析生產資料以落實智慧製造，更是提升品質、創造競爭力的重要方法。許多消費電子產品廠商加入語音助理功能，或推出各類型的智慧機器人，不只能夠理解人類的表達、還可與人互動；正如火如荼研發的自動駕駛汽車，從環境感知到資料判讀與驅動，也都少不了AI的助力。
科技進步 啟動AI新時代
AI確實為許多領域，帶來更多創新與提升的可能，而這一波AI的文藝復興，將過往許多學術上的探討和理論付諸實現，主要得歸功於科技進步的成果。儘管1980年代AI初萌芽已備受矚目，但因相關技術上還不夠成熟，使得AI發展數次受挫，如今在雲端運算、巨量資料等科技的帶動下，不但奠下AI的發展基礎，也成為驅動下一波變革的關鍵因素。
工研院產業經濟與趨勢研究中心（IEK）跨領域研究群總監趙祖佑進一步指出，當前AI有顯著的進展與突破，首先是在「資料」，包括在數位化下的資料量愈來愈多，以及與資料相關的收集、處理、分析等技術也不斷創新，使得以大量資料為基礎的AI有更好的發展機會；同時搭配電腦運算效能的提升，使得運算速度更快、成本更低，加上各種演算法、深度學習等技術的開發，讓AI變得更重要、更為實用。
1980至1995年間，AI第二波的發展，就是以知識驅動的專家系統為核心。工研院電子與光電系統研究所智慧視覺系統組研發組長于天立認為，當時以為將大量的知識集結成知識庫，並透過專家訂定搜尋處理的規則，就可以由電腦或機器找出需要的結果；但後來發現當知識量愈多，不僅搜尋時間更長，而專家制定的規則也要考量各種情境，否則電腦無法有效判斷或排除無關的知識。而現在的機器學習或深度學習技術，則可由機器自行學習出特徵，並透過持續地訓練提高準確率，讓AI的系統愈來愈進步。
AI創造多種可能
科學家發展AI的出發點，就是希望AI能達到與人腦相同、甚至更好的表現。于天立表示，這也代表AI能夠具有辨識（Recognition）、記憶（Memorization）、預測（Prediction）等功能，惟需透過大量的資料來學習、精進。像在一些較為前瞻的AI研究中，可看到機器經過不斷學習後，還可以模擬人類筆觸、光線等來作畫，或是撰寫小說等。
工研院資訊與通訊研究所所長闕志克則指出，當前AI所談的，最主要的就是「深度神經網路」（Deep Neural Network；DNN），讓AI系統具有分析與綜合的能力；這也是在機器學習的技術中，至今證明最有效的主流技術，也是未來軟體開發的重要方向。因此AI能從過去的「AI Winter」，走到今日的「AI Everywhere」，其中一項關鍵就是透過演算法的突破，使得DNN的機器訓練方式成為可能。
好比在軟體開發上，過去大多是由好幾位程式設計師定義規格、開發演算法，然後寫出程式碼成為軟體；未來則是利用大量的資料並經標記後，透過具有DNN的機器學習演算法，擷取當中的關鍵智慧，形成一個DNN的模型及軟體。例如讓機器運用DNN的演算法來判讀各種狗的圖片，並且經過不斷地學習與演算，就能產生能夠辨識出狗的DNN模型和軟體；闕志克認為，這種能結合大量資料與DNN的機器學習，是各行各業都用得到的技術。
現在的機器學習或深度學習技術，則可由機器自行學習出特徵，並透過持續地訓練提高準確率，讓AI的系統愈來愈進步。圖為工研院研發之「CityEyes雲端視訊分析平台技術」。(圖片來源：工研院)
需學習與AI互補合作
經由機器學習、演算法等創新技術加持升級的 AI，不只是針對特定的領域或行業來設計與使用，而是可以跟各產業結合，運用產業中的特定知識與資料，找出可創新、加值的地方。不過在AI的創新之下，也有不少人抱持質疑。有人認為AI其實並不如想像中厲害，能做到的事還是很有限；也有很多人擔憂這樣的發展將會剝奪許多人的工作機會，或是擔心在AI日趨成熟下，是否會回過頭來控制人類。
特斯拉（Tesla）執行長馬斯克（Elon Musk）曾多次表示AI可能會對人類社會造成威脅、甚至引發戰爭。著名物理學家霍金（Stephen Hawking）也認為AI可能會造成人類滅絕。然以目前趨勢來看，AI的發展幾可說是無法阻擋，但也無法確定未來AI將會發展至何種地步。因此要如何面對AI所帶來的衝擊和影響，就成為發展AI的同時，也必須深入探討的議題。
就AI取代人類工作的層面來說，在許多觀察分析都認為確實會發生；尤其是像資料的收集、分析、或辨識等規則化及可預測性的工作，機器可以做得比人類還要好，速度快、準確率又高，還可不斷學習與調整、持續提升能力，由AI來取代也無可厚非。不過美國史丹福大學教授Chuck Eesley指出，人類還是有很多能力是AI難以取代的，例如創造力、結合經驗與價值觀的判斷能力等，因此人類應該要與AI之間相互合作、互補，才能夠創造更大的工作價值，人類也必須要學習新的技能，與AI共處。
美國史丹福大學教授Chuck Eesley (圖片來源：工研院)
運用AI創造更高價值
日本經濟產業省估計，在AI與機器人技術影響下，到了2030年日本國內就業人數將減少735萬人。這好比過去人類社會所經歷的工業革命與資訊革命，都引發了產業與工作型態的變化，人類的技能也必需跟著調整。亞馬遜（Amazon）在導入倉儲機器人後，可讓原先一座需要上千位員工的倉儲，減少為不到10名員工，成本也跟著降低；然而市場研究機構Forrester也預估，未來10年倉儲機器人雖會使2,500萬人失去工作，但相對也會創造1,500萬個新的工作職位。
因此有人會以「Augmentation」（擴大、增加）來形容採用AI後，人機合作下，其實是可以完成更多且更多元的工作，創造更高的價值，讓「人機協作」成為新興的就業趨勢。例如運用AI技術，英國BenevolentAI公司就透過機器來閱讀專利、醫療、化學等資料庫和期刊，尋找潛在的新藥分子或配方，結合公司內部所設置的「首席醫療官」（Chief Medical Officer），共同推動新藥研發。
這也是闕志克所說的「產業AI化」，每個產業都可以就所在領域，找出值得利用的資料與應用方向，並結合DNN的AI技術來提升效率和價值。比如在醫療照護上，透過AI來學習、辨識影像資料，協助醫師進行更精準的診斷；或是國外已有金融機構運用AI系統來管理基金，不只營運成本更低，也能創造相當不錯的經營績效；中國大陸也有銀行以智能櫃檯來取代傳統的櫃檯服務員。
台灣產業須善用AI優勢
AI的應用遍及各行各業，包括製造業和服務業，是產業成長與商機的重要來源。工研院產業經濟與趨勢研究中心主任蘇孟宗指出，2017年AI產業已進入加速階段，如影像辨識、機器視覺、語音助理、醫學診斷等，使原本的產業鏈開始重組，除成為電子產業的發展主軸，應用效益也將擴散至其他產業，強調的是提供以使用者為核心的整體服務。
台灣近年興起的「軟硬融合」觀點，蘇孟宗表示就是要結合產業知識的「軟實力」，以及各種軟硬體技術的「硬實力」。而AI所扮演的角色，並非將二者相加（＋），而是驅動軟實力與硬實力融合（Fusion）的乘法（×）因子。也因為AI的加乘，讓台灣有優勢的產業與技術能夠更有效地結合，才能發揮軟硬融合的綜效、產生質變。
蘇孟宗認為，國內要能培植領導廠商、帶動示範應用外，更要長期投入AI技術發展，加強產、學、法人間的合作；提升國內較缺乏的演算法、平台架構等技術，亦透過國際網路鏈結補足缺口，並鼓勵產業參與投入、建構完善生態系。他建議政府也要密切關注AI在社會、法律、安全等層面帶來的影響，推動產業發展基礎，才能讓AI為提升產業經濟、增進社會福祉做出貢獻。
（本文經工業技術與資訊授權轉載《AI時代來臨 融合軟硬實力 創造產業優勢》)
