2016年度挑戰完成！馬克·佐克伯公開100小時打造的AI管家「賈維斯」|數位時代 BusinessNext

Facebook創辦人馬克·佐克伯（Mark Zuckerberg）今日發表一篇網誌，公布2016年自我挑戰的成果。

我2016年的個人挑戰是，建造一套簡單的人工智慧管家--像《鋼鐵人》裡的「賈維斯」（Jarvis）。

100多小時打造「賈維斯」

佐克伯稱今年花了大約一百多個小時，利用閒暇時間，開發了「賈維斯」系統，現在已經建立好簡單的AI，可透過手機、電腦與「賈維斯」溝通，操控家中的電器、音樂及保全。「賈維斯」能用文字訊息或口語溝通聲控開關燈、依個人喜好播放音樂、自動辨識門口的訪客並發表通知、觀察女兒在家的動態，並在起床時自動播放中文課程等。

「賈維斯」智慧管家使用的人工智慧技術，包括自然語言處理、語音識別、物體及臉部辨識以及強化學習，以Python、PHP、Objective C語言編寫。

佐克伯於網誌中表示，原本預期透過這項挑戰，學習AI技術與工具，但過程中同時也更了解家庭自動化的概況，及親身接觸Facebook工程師使用的各種內部技術工具。文中他也分別就家庭系統連接、自然語言處理、視覺辨識、訊息機器人等方面，提出一些實作心得、目前限制與未來趨勢。

家庭物聯網目前的困難

佐克柏文章中提到，實作時由於不同設備系統都使用不同語言與協定，要先寫程式處理，才能著手建構AI。此外，目前多數電器也還沒有連網。要使「賈維斯」這樣的智慧管家能多方應用，需要更多設備連接，業界也需要開發通用的API與標準，使設備間能相互通訊。

自然語言的複雜性

佐克柏讓「賈維斯」理解自然口語有兩步驟，首先要讓AI能以文字訊息進行溝通；接著利用語音轉文字技術，就能直接用語音溝通。

不過，人類語言其實相當複雜。除了利用關鍵字理解指令，佐克柏很快發現，AI還需進一步學習同義詞才能理解（如「家人房」（family room）和「客廳」（living room）兩個詞，在佐克柏家是指同樣的空間）。

對任何AI來說，環境脈絡線索也很重要。同樣一句「開燈」或「打開我的辦公室的空調」，由佐克柏或由太太Priscilla Chan說出口，可能是指完全不同的空間。

自然語言在播放音樂方面也很複雜，因為系統要處理大量關鍵字，指令範圍也更大。佐克柏舉了個有趣的例子：同樣是「play X」（「播放X」）的指令，「play someone like you」、「play someone like Adele」、「play Adele」，看似微小的差異，意思卻完全不同，分別是播放Adele的「someone like you」這首歌、請系統建議與Adele類似的音樂、以及建立一個Adele的歌曲列表來播放。透過正反饋系統，AI能夠學習區別差異。

此外，佐克柏也提到，雖然語音識別系統近來已改進，但仍然不足以理解多人對話的語音。語音識別依賴聽與預測，所以結構化的語音仍比非結構化的對話更容易理解。

視覺與臉部辨識的應用

佐克柏在自家門口安裝數架攝影機，並建立簡單的伺服器，進行人臉偵測與辨識處理。識別身分後，會檢查列表，確認是不是預期的訪客，決定是否放行，並通知佐克柏。

電腦視覺也可以拿來判斷女兒何時醒來，就可以開始播放音樂或華語課程；也可以判斷人正在屋內何處，AI就能正確回應像「開燈」這樣缺乏環境線索的指令。AI系統擁有的線索資訊越多，整體就越聰明。從佐克柏的心得看來，視覺辨識對於提供語言表面的指令之外的環境線索相當有幫助。

文字訊息使用得比預期多

為了能從任何地方透過手機與「賈維斯」進行溝通，佐克柏利用自家的Messenger架構（messenger.com/platform），開發賈維斯對話機器人，發送文字或語音，就會立即轉發到伺服器處理、執行命令。

出乎佐克柏意料的是，相較於語音，使用文字訊息溝通的情況比預期多得多，主因是簡訊比較不會干擾旁人，「賈維斯」傳來的訊息也可以等想看時再看。

佐克柏提到，喜歡文字通訊大於語音通訊的偏好，符合在Messenger與WhatsApp觀察到的狀況，全世界的文字訊息比語音通訊量增長更快。未來AI產品不能僅專注於語音，還需要私人訊息介面。利用像Messenger的平台，也比從頭開發新的應用軟體更好。佐克柏的經驗認為，我們未來都會與像「賈維斯」這樣的機器人溝通。

「我們的內部工具跟基礎建設做得很棒！」

佐克伯看來相當自豪於Facebook軟體基礎工程和內部工具，並強調今年透過自己親身開發AI的經驗發現，Facebook程式碼資料庫組織極有條理、容易搜尋，無論是臉部識別、語音識別、對話機器人框架或iOS開發，以及各種開源資源工具，都使「賈維斯」的開發節省非常多時間，也逐一羅列Facebook所提供的各種資源。

佐克伯考慮過開放「賈維斯」的程式碼，只是目前系統緊密綁定到自己的家庭、電器和網路配置，若將來建立更抽象一層的家庭自動化功能，也許就會釋出。

重點在於「教會AI自己學習新東西」

雖然這項挑戰將進入尾聲，佐克伯表示將會繼續改進「賈維斯」。佐克伯也提到，他的長遠目標是摸索如何教導人工智慧自行學習新技能，而不是必須教它執行特定任務。若多花一年時間在這個挑戰上，他會更聚焦在學習「學習」是如何運作的。他提到：

某種程度上，人工智慧比我們想的更近、也更遠。AI越來越接近能做到比多數人預期的更強大的事：駕駛汽車、治療疾病、發現行星、理解媒體。這些都將對世界產生巨大影響，但我們仍在找尋真正的智慧是什麼。

自然語言、臉部識別、語音識別等，其實都是相同的模式辨識技術的變體，也就是向電腦展示許多例子，以使其能準確識別，不過這些都還是專門用來解決特定問題，而不是通用的人工智慧系統。我們仍不清楚「學習」是如何運作的，以及如何建立一個可以自行學習新技能的系統。

今天佐克伯也接受媒體FastCompany獨家採訪，並公布一小段「賈維斯」智慧管家的影片。

佐克伯也宣布將在幾週內，分享他下一年度的個人挑戰。

所以，「賈維斯」的聲音聽起來怎麼樣？

可能有人還記得，前一陣子佐克伯在Facebook上問大家：賈維斯的聲音該用誰的好呢？還因此「釣出」飾演東尼·史塔克（賈維斯的主人）小羅勃·道尼（Robert Downey Jr.）來留言！因此佐克伯今天還賣了一個關子，表示明天他將會釋出賈維斯的影片，到時候大家就會知道賈維斯的聲音會是誰的了。

2016/12/21更新：佐克伯釋出賈維斯的影片，我們也知道是哪兩個人幫賈維斯配音了 XD

資料來源：馬克·佐克伯的Facebook、FastCompany

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。