「機器很快、很精準、也很笨」,李飛飛認為人工智能距離人類智能仍遠
「機器很快、很精準、也很笨」,李飛飛認為人工智能距離人類智能仍遠
2017.05.17 | 人物

不論是Google的文字翻譯、還是ImageNet的圖像辨識,近年來錯誤率都已降至與人類水準幾乎無異,而各式各樣人工智慧相關的新進展,似乎都讓人類備感威脅。然而面對這類疑問,史丹佛大學人工智慧實驗室主任,同時也是Google雲端人工智慧既機器學習首席科學家李飛飛最喜歡的說法是:「機器很快、很精準,也很笨;人類很慢、不精準,但聰慧(Brilliant)。」

身為一名人工智慧科學家,關於人類和機器之間的比較,大概是李飛飛不論走到哪都經常會被問到的問題,而15日她受邀參與SiriusXM Radio的The Future of Everything節目時,現場也有一名聽眾問及:當機器突破圖靈測試30%的標準(指30%的人無法辨識在被隔開的空間做答的是真人還是機器人的比率),假設達到50%,甚至是80%,將會帶來什麼樣的結果?

人類智能比現階段的機器智能要複雜得多

對此,李飛飛認為,不論在圖靈測試達到30%或80%,都稱不上完整的智能。她並非不認同圖靈測試,實際上她認為圖靈為「機器思考」這件事帶來很好的啟發和貢獻,只是這樣的測試是在特定設計的情境下讓人和電腦做自然語言測試,只能算是機器學習的一部分。相對之下,人類智能則是要更複雜得多。

她舉例,人腦隨著演化愈來愈複雜,不只為單一的工作運轉,而是同時還能處理社交、同情、情緒、創造力等多種面向的能力。

雖然從近來許多例子可以看到,現在可能連「創造力」對機器來說都已經不再是一件難事。如Google近來利用人工智慧創造出人類過去沒有聽過的聲音;或是近兩年最知名的AlphaGo,它所下得每一步棋,已經不只是背棋譜得來的結果,而是創造出新的走法。

但李飛飛也舉貝多芬、莫札特的音樂為例,指他們的音樂可以打動人心、和人類產生共鳴,這就是目前演算法還做不到的,她說:「情感面,人工智能基本連起步都還沒有。」

或是Google無人駕駛車顧問Brad Templeton曾表示:「直到當你說要去工作,車子卻往海灘開去,這才是真正的自動駕駛車。」聽來像句玩笑話,卻也切中要點。

就李飛飛看來,包括圖靈測試在內,現在還沒有任何測試可以做為如人類這般複雜「智能(Intelligent)」的評量標準,這是至今仍無解的答案。但李飛飛也說:「不斷迫使我去思考什麼叫做智能,就是我在人工智慧這塊領域工作,最大的樂趣之一。」實際上她曾說過自己經常是在自己的孩子身上學習,從孩子的成長,認識什麼是智能、什麼是人類。

李飛飛.jpg
Google雲端人工智慧既機器學習首席科學家李飛飛認為,機器雖然快又精準,相比於人類卻是很笨的
圖/ 何佩珊/攝影

人工智慧會否起義革命,離我們還太遙遠

而對於另一個常見的問題:人工智慧有一天是否會反過來毀滅人類?人類應不應該害怕人工智能?李飛飛則曾這麼說:「這不是是非題,而是離我們太遠了。」單就科技層面來看,她舉特斯拉執行長伊隆.馬斯克(Elon Musk)為例,指他可能是現在世界上最擔心人工智慧將威脅人類的人,然而李飛飛要問的是:如果連特斯拉自己的無人駕駛軟體問題都還沒解決,現在就已經開始擔心人工智能會起義革命,是否太早了呢?

她記得有個同事曾經這麼說:「現在討論人工智能會不會毀滅人類,就像我們剛把探測器放到火星上,就擔心火星會不會人口爆滿一樣,太遠了。」她也有相同的看法。

不過李飛飛也多次提到,雖然科技的發展腳步可能還早,但人類文明要對下一代有責任,就如同當年對核能做出貢獻的物理學家,相信多數人都不希望核能被用來傷害平民。因此就人工智慧可能帶來的法律、社會、道德等問題,需要多方的參與討論,也應該及早開始。

往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓