【盧希鵬教授】台灣發展AI的機會

    李開復先生認為台灣沒有發展AI的機會，同時會取代目前50%以上的工作，你認為呢? 我覺得這句話只講了一半，依照過往的經驗，新科技創造的工作數量，可能比取代的數量來得多，至少現在的職業，多半是農業時代不存在的。那台灣有沒有發展AI的機會呢?

    三十年前(1986年)，我在清華大學向貝諾爾教授學AI。1992年，我在美國取得博士學位，回到台灣科技大學教授的第一門課，也是人工智慧。教了幾年，人潮散去、預算刪減，覺得人工智慧沒有甚麼產業價值。

     這一波AI的革命我稱之為「新AI」，跟30年前我學的「舊AI」是截然不同的。這波革命約從2006年的深度學習(deep learning)研究開始。「舊AI」的專家往往認為「新AI」沒甚麼，在技術上只不過是把類神經網路多加幾層，同時將輸入等於輸出，以算出特徵量，在功能上就如同回歸預測與因素分析的差別。在「舊AI」的機器學習上，人類有一項重要的工作是定義「特徵量」。像是在手寫阿拉伯數字辨識上，直接以像素(pixel)作為特徵量；在人臉辨識上，「舊AI」會先定義人臉的特徵(如兩眼瞳孔間的距離等等)；或是在預測股票時，「舊AI」也要先定義股票市場的特徵(如基本面、技術面、消息面等變數)，再做監督下的機器學習(就是有老師告訴學習結果的對與錯)。機器學習的好壞取決於人類是否能夠定義出好的特徵量，「新AI」最大的貢獻就是電腦可以自己找到特徵表達的方式，不需要人類的監督教導，效果卻比人類找到的還要好，麻煩是，人類看不懂。

    「新AI」嶄露頭角是在2012 年的一場全球視覺辨識大賽(ImageNet)，歷年來世界各地參賽者的圖片辨識率始終在70%-75%左右的水準，但多倫多大學隊伍竟在85% 以上，原來他們用的是「深度學習」新演算法。一個準確率在七成的技術是沒有商業價值的，當達九成以上，許多應用就產生了。像是語音辨識上，Amazon Alexa, Apple Siri, Google now, Pepper都是些商業化的例子。然而這一切「新AI」的產業化革命，至今不過五年，我認為新AI至少會浮現三個機會。

1. 「產生AI服務」的大母體。世界上存在著幾家大母體(如谷歌、臉書、亞馬遜、微軟、百度、阿里巴巴、騰訊)，他們都要搶先成為「新AI」的作業系統，任何一家的成功，都將讓「新AI」如Android一樣普及。李開復先生認為目前台灣沒有機會的應該是這一塊，不過在過去的歷史中，台灣發展作業系統的機會本來就很小。
2. 「使用AI服務」的小前端。在母體上做系統整合，並發展前端應用，像是智慧製造、智慧家庭、智慧醫療等。台灣有許多世界具領導地位的硬體廠商，只要此類商品佔有率的數量如螞蟻一樣多，就有機會勝出。馬雲說，能打敗獅子的，是螞蟻。
3. 「設計AI服務」的數據化。台灣要善用物聯網感知器，設計自己的數據。與數位化不同的是，這一波AI革命要的是數據化。譬如有人在汽車椅墊下佈滿感知器，以學習駕駛人坐椅的習慣特徵來成為防盜與防打瞌睡的智能系統；此外，Fintech的大數據徵信、智能電錶產生的能源智能管理，都需要螞蟻數量的數據化。

   台灣有沒有發展AI 機會呢? 當然有，因為機會是創造出來的，關鍵在螞蟻的數量，還需要隨經濟(Ubiquinomics)時代的大戰略。

本文受作者授權轉載，原文刊載於2017年05月之經濟日報