建立深層認知規則模型人工智能擘畫未來世界藍圖
建立深層認知規則模型人工智能擘畫未來世界藍圖
AI發展將是跨領域人才的結合，涵蓋生技、醫學、工程、科學、心理、管理等，同時AI因為能取代人類的工作，同時也對我們的工作、社會、產業結構帶來許多新興的挑戰。AI應用將會百花齊放，用戶會使用及依賴高準確度的產品服務，而企業則會運用人工智能快速由數字時代升級至智能時代。
自駕車、物聯網、智能機械等都需以人工智能（ArtificialIntelligence,AI）作為基礎，未來AI將會滲透到生活中的各面向，Google、微軟（Microsoft）、百度、軟銀（Softbank）、Facebook等國際級大廠，都砸下巨資展開AI研究與布局。根據市調機構Tractica的預測，全球企業應用的AI市場規模，將從2015年的20.25億美元，成長至2024年的111億美元，十年間成長率接近450%。而近期人工智能與深度學習等技術發展熱度增溫，更成為推動智能機器人發展的重要動能。
有「人工智能之父」的美國麻省理工學院教授麥卡錫（JohnMcCarthy），50年前就將AI定義為：「做智能機器的科學與工程，特別是智能計算機程序」。AI發展將是跨領域人才的結合，涵蓋生技、醫學、工程、科學、心理、管理等，同時AI因為能取代人類的工作，同時也對我們的工作、社會、產業結構帶來許多新興的挑戰。
國際大廠搶先布局AI
人工智能并不是新興名詞，早在1956年于達特茅斯會議中，「圖靈測試」文章正式定義了AI，但這么多年來其技術發展經歷數次起伏，資策會MIC產業分析師韓揚銘（圖1）指出，目前普遍的人工智能技術皆是以弱人工智能（WeakAI）為主，以此輔助人們各種行為與決策，弱人工智能并不強調機器的自我意識，其可以仿真人的思考及行動，但不知其所以然。另外，相對于弱人工智能的就是強人工智能（StrongAI），其強調可以聰明的、有意識的思考及行動，不過這類技術不是目前人工智能發展的重心。
資策會MIC產業分析師韓揚銘指出，目前普遍的人工智能技術皆是以弱人工智能WeakAI為主，并不具備機器的自我意識。
AI近兩年卷土重來，透過AlphaGo打敗各路棋王，稱霸圍棋之際，迅速變成科技大廠投資標的，包括Google、IBM、百度等。韓揚銘表示，Google發展各項人工智能技術供大眾使用，加深用戶對其服務的依賴，并且累積更多數據精進人工智能，再發展付費服務提供企業客戶，也不斷并購具特殊能力的新創公司與團隊，強化自身的整體實力。
業界最最知名的人工智能之一IBMWatson，近年積極往醫療領域發展，推出個人醫療指導程序、電子健康紀錄分析、血糖管理方案、人工智能醫療計劃等。也發展服裝設計、自駕系統、AI律師等專業領域的服務，協助企業進行智能化應用，并自行累積數據判讀能力。另外，韓揚銘說明，百度著重自主研發，并在數據收集上具有充分的屬地優勢，以將數據訓練后提升其服務的精準度，同時大舉投資人工智能努力轉型，開發實驗性智能化硬件產品，其語音服務已經有世界級水平，普通話的辨識率達97%，并發展企業智能化云端服務，另辟在線線下（O2O）智能服務戰場。
不過人工智能應用領域寬廣，不是只有大廠才可以玩，韓揚銘認為，各種平臺及開放資源越來越多，KUKA機器人電路板維修，讓中小型企業甚至個人都可以快速切入智能化服務；未來也不單只是使用一項人工智能技術進行研發，而是運用復合技術進行彼此支持，創造更多及更有效的產品/服務；AI應用將會百花齊放，用戶會使用及依賴高準確度的產品服務，而企業則會運用人工智能快速由數字時代升級至智能時代。
AI從云端走向終端
AI雖然是近年的熱門話題，但卻不是那么遙不可及，ARM移動通訊暨數字家庭資深市場經理林修平指出，根據勤業眾信（DeloitteGlobal）的研究，2017年有超過3億支手機具備AI的能力，以目前每年15億支手機的市場規模來看，有1/5的手機具備AI功能，這些消費者經常使用的功能包括：室內導航（IndoorNavigation）、擴增實境（AugmentedReality）、翻譯、影像分類（ImageClassification）、語音識別（SpeechRecognition）等。而且應用領域會從云端逐漸轉移到終端，特別是與個人或安全有關的應用。
行動AI的應用大致分成兩類：一是人機接口，一是系統/安全相關。因應未來AI的應用越來越廣泛，手機上的麥克風與攝影機扮演耳目的功能，搭載數量將持續提升，未來一支手機搭載的攝影鏡頭可能多達8個。因應AI功能手機運算能力也將持續提升，KUKA機器人維修，CPU負責處理邏輯運算，GPU負責圖像處理的平行運算，處理能力也將持續提升；安全性防護隨著AI的發展需求水漲船高，包括被動安全性防護與主動的安全性功能。
ARM身為CPUIP的供貨商，針對AI的應用，未來也將持續優化其產品架構與運算能力，林修平指出，該公司延續過去的big.LITTLE架構，推出DynamIQ架構，未來3~5年可以提升CPU較現有50倍的AI效能，包括ComputeLibrary平均4.6~15倍的效能提升，與核心3~5倍效能提升，綜合下來得到的效能提升預測。
深度學習為AI技術核心
AI近期之所以受到各界高度矚目，原因就是這個技術也即將為人們的經濟活動帶來重大的改變，只是過去這些革新為人們省下的是勞力，這次是腦力。近期討論AI可能取代很多人類的工作，而造成失業問題，事實上這是一種全面性的提升，協助人類從原先那些無聊的重復性的工作中解放出來，DeepBelief.ai首席人工智能科學家尹相志（圖3）認為，以AlphaGo的例子而言，計算機到目前為止仍然不具思維或自我意識，也沒有策略能力，他只是在圍棋這項活動中，透過深度學習找到最佳勝率的方程序，同時以大量數據自行學習而得到的結果。
DeepBelief.ai首席人工智能科學家尹相志認為，計算機到目前為止仍然不具思維或自我意識，也沒有策略能力。
簡單的說，人與動物的不同在于，到目前為止我們是唯一一種具備深度感知的生物，尹相志強調，我們可以理解、感應深層的規則，但是卻無法將這個能力具體化，所以現在深度學習就是要「模仿」這樣的神經元運作，把人類的直覺認知變成有邏輯的規則。其中有三個最重要的流派，一是卷積神經網絡（ConvolutionalNeuralNetworks,CNN），主要應用在機器視覺；二是遞歸神經網絡（RecurrentNeuralNetwork,RNN），主要應用在語言模型建立；三是強化學習（ReinforcementLearning），最典型的案例就是AlphaGo，是一種制約機制。
影像分析大概是AI這幾年發展得最好的技術之一，透過特征的群聚性，從像素層級尋找特征，而卷積神經網絡就是對像素的矩陣操作，不斷將特征分層分析再分層，找出特征中的特征，最后就可以達到我們的深層感知的效果，比如透過一張照片認出一只貓，可以應用在識別分類、目標檢測、語意分割、動作檢測上。