當AI開始作畫、寫歌，演算法的創作會取代人類藝術家嗎？|數位時代 BusinessNext

「我們正在召喚惡魔。」這是Tesla創辦人伊隆．馬斯克（Elon Musk）對人工智慧發展的憂慮。姑且不論人工智慧是否將戰勝人類智能、會否取代人類工作；此刻，這惡魔斑斕的手藝，人工智慧創作的文學、音樂、繪畫作品，已悄悄伸向人類心靈──

2016年初，日本日經新聞「星新一賞」文學獎比賽結果公布了：有四篇小說通過初審，入圍決選。就在此時，函館未來大學及東京大學的實驗室響起了歡呼聲，他們以人工智慧寫出的小說投稿，終於擊敗了真人投稿者，贏得評審青睞。

的確，這是歷史性的一刻──雖然在此前，人工智慧已被用來產製財經、股票新聞等較為制式的文字，但文學，尤其是小說，卻要求了創作者對文體、內容、節奏、以及感性元素的高度掌握與契合，這一向被視為代表人類心智活動的獨特形式，竟也開始被人工智慧動搖了。

機器人開始進行文學創作。這意味著什麼呢？

那代表它開始能參透、或至少模擬人類的感性，而「感性」卻是人類心智最獨特，最混沌，最難以捉摸的特質之一。雖然「星新一獎」的實驗中，研究人員還是需要選定基本的主題、架構，但研究室負責人指出，兩年內就有可能讓人工智慧獨立產出一篇小說作品。

圖說明

圖說：AI人工智慧創作的文學、音樂、繪畫作品，已悄悄伸向人類心靈

除了寫小說，人工智慧也開始涉足繪畫與作曲。Google的「Deep Dream」以人工智慧加上特定的「藝術演算法」，能夠將一幅影像分析出不同「風格」、「內容」等基本參數，參照資料庫中龐大的藝術品後，再經由類神經網路，合成出一幅全新的藝術品。其中一幅作品，甚至在舊金山的一場拍賣會中，賣出了8千美元（約24萬新台幣）的高價。

圖說明

賣出8千美元的人工智慧畫作中的一幅。照片來自：Google

不只如此，在音樂創作上，人工智慧也逐漸嶄露頭角。美國加州大學一名音樂教授暨作曲家寇普（David Cope），製造了一個人工智慧作曲程式「Emmy Howell」，它能夠根據數據統計人類「喜好」的各種曲調，再根據資料庫創造高度原創性的音樂作品，並經由學習與反饋機制，創造屬於自己的個人風格。據說Emmy Howell在一場演奏會模擬出的巴哈（J.S Bach）風格作品，讓在場的大部分聽眾幾乎無法區分它與巴哈真正作品的差別。

事實上，就在筆者撰寫這篇文章的同時，耳機裡正播放Emmy Howell所創作的蕭邦曲風鋼琴曲，作為工作時的背景音樂，不僅毫無機器的生硬與違和，有些段落甚至會引人停筆，專注聆聽樂句的進行。

哲學家曾幻想創造一個烏托邦。在這裡，智力、勞動全由人工智慧與機器人代勞，而人則只需鎮日從事繪畫、音樂、歌劇和文學等藝術創作。然而，當創作行為被人工智慧取代的那天，人類將如何尋找、安放自己心靈活動的一席之地？

##人工智慧的前世與今生

###1951（年）
電腦科學家普林茲（Dietrich Prinz）利用曼徹斯特大學的Ferranti Mark寫出第一個西洋棋人工智慧。

###1955
電腦科學家紐厄爾（Allen Newell）與賽門（Herbert Simon）開發了「邏輯理論家（Logic Theorist）」程序，能夠證明《數學原理》中前52個定理中的38個。

###1964
第一個聊天機器人ELIZA誕生，與ELIZA「聊天」的用戶有時會誤以為自己是在和人類交談。

###1969
學界人工智慧發展遭遇運算瓶頸，英美國家機構紛紛停止撥款，或只資助如自動坦克等直接軍事相關項目，是人工智慧第一個低谷。

###1980
專家系統誕生並開始獲全球企業採用，人工智慧研究回溫，日本政府亦積極投資人工智慧發展，稱「第五代工程」。

###1987
Apple與IBM個人電腦運算效能大幅提升，老牌人工智慧與專家系統陸續暴露問題，人工智慧研究冷卻，為第二個低潮。

###1997
人工智慧「深藍」戰勝西洋棋世界冠軍卡斯帕羅夫。

###2016
AlphaGo於最複雜棋類圍棋擊敗李世乭，再掀人工智慧研究風潮。

延伸閱讀：我們自身都難以捉摸的心靈活動人工智慧又能突破嗎？
電腦可以演算未來但能判斷情感的重要性嗎？

本文出自：@@BOOKID:126838@@

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。