何文楨撰 資策會智通所副所長
人工智慧在70年代與90年代經歷兩次低谷後,隨著資料量大幅提升(big data)、運算速度加快(GPU,TPU)、學習演算法進步(deep learning)等大環境的成熟,成為人工智慧進入第三波熱潮的最大驅動力量。這一波與之前二波不同是這次屢有像是IBM Watson、Apple siri、Alpha Go、無人車等實用案例發生,並開始有大量資金投入,單單2016年第一季投資額超過6億美元。尤其是深度學習(deep learning) 帶來的典範轉移將改變幾乎整個產業,透過深度學習建構的人工智慧系統,將成為全新的運算平台,應用範圍廣泛,部署與導入已是全產業運動。
尤其在後物聯網時代,人工智慧將進入我們的生活之中,產業焦點也由物聯網延伸至人工智慧。IDC預估全球人工智慧市場規模將大幅成長,從2014年的US$17.2B成長至2019年US$48.6B,其中以財務金融(28%)、健康照護(19%)、零售(17%)、製造(14%)為主力應用。依區域市場以亞太、北美以及西歐為三大區域,由於日本投入機器人研發規模持續增加、中國揭示AI + IOT應用為互聯網發展策略,亞洲成為全球人工智慧市場成長力道最為強勁的區域。
人工智慧為全產業運動,驅動創新與引領變革,台灣自然不能自外其中,尤其台灣擁有1.人才與地緣文化的優勢,較容易切入亞洲市場;2. 台灣學界核心技術研究能量強,視覺和機器學習領域耕耘多;3. 產業於影像辨識已有多家廠商投入,具備發展基礎;4. 國內終端硬體供應鏈完整,具獨特優勢,為發展人工智慧晶片之關鍵利基;5. 我國製造方面之資料和應用系統掌握度高,服務業應用範圍廣,容易找到利基市場。因此台灣不可放棄此產業轉型的機會,優先投入我國具發展利基之應用,培育和活絡人工智慧新創業者,強化台灣在人工智慧的技術能量。
美國、歐洲、日本、中國大陸、韓國等國家與地區,主要脈絡以機器人研發、鼓勵新創、發展行業應用、研究基礎技術為主軸。目前人工智慧應用的話,如美國金融理財,例如利用人工智慧所建立的管理基金「美國小型股基金Diversified Small-Cap Growth Fund」,5年績效達10%,擊敗93%的同類基金。德國與日本投入工業機器人發展,透過人工智慧使工業機器人能自主快速學習,夾取不同形狀新零件所需的開發時間從規則設定的8小時縮短為自主學習的1小時。IBM WATSON醫生,提供線上問診。日本的服務機器人,陪伴獨居老人。可以看出人工智慧的應用朝製造化與服務業發展。
前面提到台灣的優勢有學界核心技術研究能量強,視覺和機器學習領域耕耘多;產業於影像辨識已有多家廠商投入,具備發展基礎;國內終端硬體供應鏈完整,為發展AI晶片之關鍵利基;我國製造方面之資料和應用系統掌握度高,服務業應用範圍廣。加上國際市場的應用需求高(金融、健康照護、零售、製造)、深度學習需高度運算效能,終端硬體需求高。台灣目前應優先投入我國具發展利基之應用(ex: 智慧AOI、智慧排程等智慧工廠應用),掌握先進者優勢,並且鏈結國內晶片供應鏈優勢,加速AI嵌入式解決方案開發。
傳統人工智慧需要專家標註、特徵工程、高深數學等,使該技術不易普及發展。自從深度學習在ImageNet比賽一舉突破過去影像辨識的門檻,讓大家見識到可以透過大量訓練資料,發展出不錯的人工智慧應用,人工智慧的研究已不像過去高不可攀,加上國際大廠開放各種訓練工具、人工智慧模型等,人工智慧這塊變得人人有機會,未來可以想像的空間很大。
未來人工智慧將是所有產業的「靈魂」,法人責無旁貸將投入人工智慧的基礎技術研究與產業推動。學研界有很多老師可投入,許多研究電腦視覺、自然語言、機器人、data mining領域的老師在人工智慧領域已有很好的基礎,希望可以將學校成果進一步往產品化與業界需求結合。政府的許多部會,也應針對人工智慧展開規劃,例如教育部可推動人才培育、經濟部對產業關鍵技術研究補助新創公司、科技部可協助產業鏈結等,這些都已在規畫進行中。產業界是人工智慧的出海口,希望具備相關硬體產量與品牌知名度的廠商可以即早將產品人工智慧化,因為他們的產品全球市佔率高,影響最廣。系統整合廠商也應及早投入人工智慧的推動,可以協助各產業導入人工智慧服務。另外,系統營運商例如電信、MSO等,因為擁有大量的使用資料,在人工智慧領域已佔有資料優勢,也應即早加入人工智慧研究,可以從中挖掘用戶加值的應用。