【專題探索】影響無遠弗屆的魔術師——人工智慧最新發展與早期投資趨勢分析
劉聖元、范秉航 (2018/11/08) 《台經月刊第41卷第11期》
自從2016~2017年Google DeepMind的Alpha Go先後擊敗了韓國與中國兩位職業圍棋棋手之後，人工智慧(Artificial Intelligence, AI)一時之間成為各大媒體與網路討論的熱門焦點，只要與AI扯上關係，似乎就是與先端科技畫上了等號。而AI的浪潮更是席捲了來自不同領域的關注者，從高科技公司、新創企業、創業投資者，以至於各家研究機構，甚至各國政府部門亦針對AI所可能帶來的影響，投入資源，擬定未來國家、科技與經濟的發展藍圖。
當眾人追逐著AI的風口，想像未來人與電腦或機器之間的協作畫面，思索其間可能產生的正面效益（如生產力提升、降低尖端技術開發成本）與負面影響（如勞工的失業問題、M型化社會問題）時，我們似乎也逐漸偏離了對AI應有的基本認識，認為只要跟AI有點關係，就是一個具有價值的投資項目或計畫。然而，AI的核心價值並非來自於AI本身，而是它在不同的領域所解決的問題。例如：Apple最近所推出iPhone XS使用了高端的AI仿生晶片A12，晶片的「價值」並非來自於使用了何等製程與運算引擎，而是來自於其對擴增實境(Augmented Reality, AR)、照相的景深控制所提出的解決方案。換言之，當我們在解析AI的發展趨勢時，除了對於AI的定義與軟硬體技術要有所認識外，更重要的是理解AI無遠弗屆的垂直領域應用，思考AI的相關技術是否能有效地解決在該垂直領域中既有的問題（或市場的痛點），而這問題是否存在價值且非用AI解決不可。
AI的適當定義
在進入AI垂直領域應用的討論之前，應先釐清對AI的定義問題。自從AI廣受各界關注之後，回顧AI歷史成為首要的討論目標，也因而挖掘AI的歷史軌跡，發現早在1950年艾倫圖靈(Alan Turing)即預言了AI機器的可能，並設計圖靈測試。隨著時代的演進，AI的定義逐漸地複雜，Goldman Sachs對AI的定義為「AI是一門利用在電腦或智慧型機器上模擬智慧行為的科學。亦即電腦或智慧型機器能夠展現類似人類的行為特徵，包括：知識、推理、常識、學習與決策」。
在這樣的定義下，AI的發展似乎是在追求一個「擬人」的目標，讓電腦或機器能像人一般地思考與行動。但事實上，AI的價值並不是在於擬人，而是在於能讓電腦或機器在特定的場景，更有效地處理人所不能之事。換言之，AI的定義需要從多個維度出發，並非僅僅是「像人」，而是應有更多「助人」的目的。如同2017年10月馬雲在阿里巴巴雲棲大會中對AI的看法：技術是為人而存在，並不是做出一台能與人對話的機器人「蘇菲亞」(Sophia)才算是AI，已被廣泛利用的商業智慧(Business Intelligence)、追蹤網路足跡提供產品促銷的精準行銷(Precision Marketing)、基於大數據的非傳統授信模式、加強能源管理的智慧電網等，均是已經實現並創造出龐大商機的AI。
根據AI所涉及的領域深度與廣度，PwC將其定義從技術面與應用面提出了較為完整的解讀。從技術層面觀察，目前AI的發展含括了七個主要範疇：(1)基於大數據與演算法的大規模機器學習(Large-scale Machine Learning)；(2)針對非結構化資料如影像與聲音等數據，建構多層次的深度學習(Deep Learning)模型；(3)針對語言（包含聲音與文字）分析所開發的演算法，讓電腦能理解與回應的自然語言處理(Natural Language Processing, NLP)；(4)設計作為人類與機器，以及機器與機器間互動橋梁的協作系統(Collaborative System)；(5)針對圖像進行解析與分類的電腦視覺(Computer Vision/ Image Analytic)；(6)分析經濟或社會行為的演算法賽局與社會選擇(Algorithmic Game Theory and Computational Social Choice)；(7)基於既有的資訊設備，針對重複性的工作內容建立自動化系統的軟體機器人(Soft Robotic/Robotic Process Automation)。
人工智慧應用、深度學習、新創投資、智慧醫療、影像辨識、自駕車技術、AI晶片、數據訓練、產業痛點、垂直領域創新
分享：
