AI與大數據

1 吃大餐或被吃？3大策略掌握AI淘金術

by

王志仁 2017.12.29

Shutterstock

「狼來了！」——AI這頭狼真地來了，面對這一次的科技業變革，經營者、投資者和工作者該如何回應？

《數位時代》於1999年7月的創刊號當中，有一個〈活氧計畫〉（Oxygen Plan）專題，內容是關於美國麻省理工學院（MIT）的電腦科學實驗室（Lab for Computer Science）提出的一項宏偉實驗：投資五年時間和4千萬美元，將電腦科技大幅推進，能看、能聽、能懂使用者的需求並回應，但不需要使用者費力去學會複雜操作，而是讓電腦科技來服務你，「像氧氣一樣，無所不在、不可或缺、但又感覺不到，達到花更少時間做更多事（Doing more by doing less.）的目的。」

把當年〈活氧計畫〉的八大研究領域拆開來看，就是電腦視覺、機器翻譯、語音辨識、自然語言處理和機器學習等技術，和目前熱門的人工智慧（AI）概念如出一轍。活氧計畫就是1999年的人工智慧計畫，雖然對外說明時幾乎不用AI這個詞，或許和先前1960和1990年代的兩次AI產業泡沫有關，避免外界一聽到AI就覺得又是狼來了。
當時的活氧計畫副主持人舒維都是語音辨識專家，主持建立了一套對話系統，使用者可以打電話進來，用英語詢問天氣、交通路況和航班資料，電腦聽完後會到事先建置好的資料庫中尋找合適答案，再用英語回覆。

為了準確回答當天甚至特定時間的即時詢問，資料庫就必須和氣象局以及各大航空公司連線。要讓這套系統具有商業價值，還必須把其他語言如中文、日語、西班牙語和法語也放進來，而且回答範圍不能只限美國當地的天氣和航班，而是世界主要國家甚至每個國家，但在1999年這麼做成本非常高。

從專家系統到機器學習

AI從2014年捲土重來，到2017年累計三年多，全世界已投入400億美元在相關研究上，是活氧計畫的1千倍，而且還在加碼。

AI這頭狼真地來了，關鍵是大數據（Big data）和機器學習（Machine Learning）這兩項技術的大幅提升。在舒維都的對話系統中，最困難的有兩塊：首先是辨別使用者提出的問題（處理不同口音和模糊語意等等，即便口音和語意通過，如果問的是附近哪裡有星巴克，系統也要判別無法回答或轉給其他相關系統），再來是資料庫中的資料量要大、更新要快，才容易找到合適的答案回覆，這也是人工智慧其他領域的共同難題。

2007年由蘋果iPhone帶動的智慧手機上網、結合2010年應用市場吹起的行動網際網路（Mobile Internet）風潮，提供了大數據來源。

行動上網帶來大數據

智慧手機比起電腦更容易操作，促成更多初次用戶上網以及花更多時間在上頭使用多種功能，而每一項在App和網站上的操作，都會在後台留下紀錄，可再被整理分析，對個別使用者可歸納出使用偏好，而集合大量個別使用者的偏好，再進一步分析可得到對應某種使用行為的模式。

這些上千萬、甚至上億或數十億筆的海量數據，以前不容易產生及取得，現在由世界各地的手機上網者每時每刻都在產生，並主動提供給各種新聞、社交、搜尋引擎和電子商務網站，而他們也善加利用，以改善用戶體驗增加黏著度和再回頭的機率。

當這些經過分析而得到的使用偏好和行為模式，被導引到人工智慧相關研究中，不但充實他們的答案庫，也讓問題識別更容易。

假設詢問天氣的方法有100種，傳統研究方法是釐清這100種並將每一種都給予定義，當詢問產生時，電腦去判定屬於哪一種，並將設定好的相應答案找出。但如果是在這100種以外的詢問方法呢？或者是界於第52種和53種之間的呢？這就有賴大量相關數據的提供，將詢問方法擴大為1千種甚至1萬種，並且以機率統計取代事先設定，在某項詢問無法準確辦識的情況下，按機率判定最有可能是那一種。這牽涉龐大的計算量和新的演算法，在能處理更複雜問題以及提供更準確答案的同時，時間不但不能增加還要縮短。

從0到第100種方法，勉強可以靠專家去設定，當擴大到1千、1萬甚至10萬種方法時，就必須教會電腦自行去設定，從持續輸入的數據中，重複分析並和過往資料比對，自行歸納擴充新的方法，這是機器學習的基本概念，也協助AI從實驗室走進市場。

AI是現在進行式

機場的護照查驗，不再是對照片看人，而是以人臉辨識機器完成；到搜尋引擎上查資料，除了關鍵詞，還可輸入整個句子，結果會根據最貼近的答案依次排列；通訊社用自動寫稿系統來處理簡單或突發的新聞，銀行信用卡部門用人工智慧來審核發卡申請，將流程從三天減為幾分鐘，以及律師事務所用人工智慧來幫忙查詢檔案、會計師事務所用人工智慧協助形成財務報表、加快客戶查帳的時間、以及醫院用人工智慧協助判讀X光片和儀器掃瞄結果，這些都是現在進行式。名單往下列，還有幫忙開車的自動駕駛系統、不需要收銀員的無人超商、按設定自動選股下單買賣的智慧投顧。

近三年來，關於AI的報導和討論愈來愈熱。在剛結束的2017年，全球主要媒體幾乎全做過AI專題，密集到如在這個題目不發聲就不是主流媒體；甚至把AI兩個英文縮寫直接放上封面，或者口語表達時直接說，就像IC、PC和WWW這些常用縮寫，在世界多種語言裡都可直接使用而不用翻譯。AI也如前面三個縮寫所各自代表的積體電路（1950年代末萌芽）、個人電腦（1970年代中開始）和網際網路（1990年代中進入商業用途），在每20年一波的科技新浪朝中，被寄望為這一波的領頭者。

目前擔心AI過熱、將進入第三次產業景氣衰退的意見正在增加，但AI的發展已不可逆轉，一如前面三個產業，也各自經歷多次景氣周期而持續成長。對經營者、投資者和工作者來說，從前面三個產業的歷史得到的三項共同策略，可能是接近回應當下AI變化的參考。

策略1 穿越死亡之谷：歸零重新開始

英特爾前董事長安迪．葛洛夫（Andy Grove）曾說，哪一個國家掌握最先進的科技，就能享有那個時代最高的生活水準。這句話同樣適用於企業。

科技進步的目的是提升生產力，也就是「花更少時間做更多事」，但新科技大幅提升生產力的背後邏輯，來自它並非延續舊科技，而是顛覆舊科技，導致舊科技的領先者很難保持優勢，因為新科技往往不在原有的雷達螢幕上。

葛洛夫以「死亡之谷」（Valley of Death）來形容這個現象：當你辛苦打敗眾多競爭對手爬上一個新產業的山頭，並無法久待，技術變革很快會帶來新的山頭。從這個山頭望過去，可以清楚看到，但是從這個山頭要走到下一個山頭，卻是危機四伏。你得下山走到山谷，再從谷底往山爬，而這一路可能是荊棘滿布、有急流橫在前面、或者猛獸隱藏其中，但你只能勇往直前，因為下山穿越谷底是爬上另一個山頂的必經之路。

AI是網際網路產業之后的新的山頭，它讓國家和國家之間、企業和企業之間的科技較量，有了新的競賽項目。

也因此，各國都競相提出自己的AI白皮書和發展計畫，列為國家重點項目。目前美國在AI的基礎研究和應用上遙遙領先，英國緊追其後（設計出AlphaGo打敗世界圍棋冠軍的DeepMind就是英國公司），日本則是在機器人相關研究領先，包含工業用和家用機器人。中國則在特定領域有後來居上之勢，在和機器學習有關的深度學習（Deep Learning）方面，中國所發表和被引用的論文總數，已在2015年追上並超過美國。即使像阿拉伯聯合大公國、新加坡和香港等原本不以科技創新見長的經濟體，也都提出自己的AI政策，避免因缺席而被淘汰。

在企業方面，Google、Facebook和亞馬遜等原本在網際網路時代最有影響力的公司，如今也是投資AI最積極的公司，以捍衛原本的領先地位，一如積體電路巨人德州儀器在進入個人電腦時代後也成立自己的PC事業部，以及PC時代的微軟在進入網路時代後也發展自己的瀏覽器Internet Explorer、即時通訊軟體MSN和收購Hotmail郵件。

策略2 口袋指揮腦袋：創新來自邊陲

2017年10月，阿拉伯聯合大公國連續兩個動作讓人驚嘆。首先，它宣布成立全世界第一個人工智慧部，並任命了一位年僅28歲的部長。其次，它率全球之先頒發公民身分給一個具備人工智慧的機器人索菲亞（Sophia）。

同年12月，深圳推出全世界第一個無人駕駛公車上路。雖然只有一條路線上的兩台公車先試行，而且只行經三站，但已是創舉。

為何是阿拉伯聯合大公國和深圳，而不是以色列、矽谷或紐約這些以創新聞名的地方？答案是前兩者沒有累積的包袱，能夠承受的風險更高，對他們而言，最大的風險不是法規和倫理議題，而是落在別人後面。

科學研究的目的是探索未知，最大風險是停滯不前沒有新發現，但當它轉成技術成果商業化時，最大風險不是技術本身，而是找到合適的商業模式。

Google在1999年推出的PageRank演算法，以關鍵字出現的網頁被查詢次數做加權計算，改變先前以關鍵字出現在頁面頻率做為查詢結果排序依據，大幅提高查詢的準確度。但這並未解決Google的商業模式問題，它一度還想賣給雅虎以求生存，後來是參考Overture（原本叫Goto）這家網路廣告公司販賣關鍵字廣告的模式，推出Google自己的AdWords和AdSense，才有今日7千4百億美元市值霸業。

創新的風險極高，因為要破壞現有規則和秩序，找到新的價值點並對應新的商業模式。但又怎麼樣？即使失敗也學到經驗，有機會就再來一次，反正原本就是從零開始。大公司有自己的軌道和慣性，不可能從頭來過，承擔風險的能力遠不及新創公司。這也是為何新公司永遠有機會，大公司很難保持領先的原因，關鍵不在規模大小，而是承受風險盡力試錯的能力。

Google在2015年將公司分拆，核心的搜尋引擎業務獨立為Alphabet公司，收購進來的Android和DeepMind公司，則是保持獨立運作，而不是併入集團中，至於大力發展的自動駕駛技術，也是以獨立公司運作。這些做法是讓創新能夠在自由的環境中產生，避免受到大公司慣性的制約。

那些技術會取得商業成功，決定權不在技術人員，而在消費者。消費者用他們的口袋，決定技術人員的腦袋該往哪裡想。

AI正在吃掉軟體，未來將會存在於軟體的每一個部分。

黃仁勳

策略3 吃大餐或被吃：好運青睞勇者

一如前幾波的新科技，AI除了衝擊市場，也將劇烈衝擊職場。這也是目前對AI取代工作的擔憂。

英國BBC在劍橋大學研究人工智慧的一項數據體系上，分析了各種職業被AI取代的概率，結果發現，最容易被取代的工作，依次為（括號內為概率）:電話推銷員（99%）、打字員（98.5%）、會計（97.6%）、保險業務員（97%）、銀行職員（96.8%）和政府職員（96.8%），而最難被取代的職業為：飯店管理者（0.4%）、教師（0.4%）、心理醫生（0.7%）、護士（0.9%）、公關（1.4%）和建築師（1.8%）。

對可能受影響的工作者，實際淘汰他們的並不是AI，而是其他與時俱進、學會使用AI工具達到「花更少時間做更多事」、從而提高生產力的新一代工作者。

對於目前還在學校的未來工作者，準備工作則必須提早。中國政府已在研究，將寫電腦程式列入課程，從小學開始，當成學習英語以外的另一門必修語言。

桑尼維爾（Sunnyvale）是構成矽谷的眾多小城鎮之一，緊臨蘋果總部所在的庫柏提諾（Cupertino）。在《桑尼維爾：一個矽谷家庭的起與落》（Sunnyvale: The Rise and Fall of a Silicon Valley Family）這本書中，作者以自己於1960和1970年代在桑尼維爾成長的過程，來看矽谷的發展對他家庭的影響。

矽谷所在的舊金山灣區，在早期以農業為主，後來開始有史丹福大學的一些校友出來創業，再來是一些國防承包商進駐，之後是半導體業者，接著1970年代中期過後則是個人電腦廠如雨後春筍出現。

桑尼維爾一如整個矽谷，變化速度不斷在加快，每個人都感受到壓力，人際關係趨於緊張，家庭成員之間也如弦般緊繃。作者的父母親的矛盾愈來愈大，終至不可解決而離異，他的弟弟受影響最大，在性格和學業上一落千丈，人生幾乎斷送。而離婚後的父親也一蹶不振。倒是原本當家庭主婦的母親出去進修學電腦，之後到附近的蘋果工作，並隨公司股票上市和業績成長開始新的人生。

桑尼維爾的故事並不勵志，但是真實，它發生在每一波科技業的大浪潮，以及浪潮所席捲的城市裡，可以是新竹、深圳或任何地方。它提醒我們如果變化不可避免無法逆轉，那就必須迎面而上。

也因此，對關心下一步該怎麼走的人來說，AI代表的不只是人工智慧，而是「立刻行動」（Act Immediately）。

每日精選科技圈重要消息

#人工智慧 #AI #未來商務

購買本期

訂購優惠

AI與大數據

2 彎道超車新武器：卡位人工智慧，三大前瞻技術有未來

by

翁書婷 2017.12.29

Hsun.M／製作

人工智慧發展在兩波熱潮後沉寂，現今，產業界累積大量數據，加上硬體推陳出新，促成新一波人工智慧大爆發，而背後又有哪些重要技術或研究方向值得關注呢？

在網際網路與行動網路的時代，市場對於程式設計師求才若渴，而Google 、Facebook等公司莫不大力提倡程式設計的重要，或者遊說各國政府讓程式設計成為國民教育；來到人工智慧時代，這些科技公司又再次面臨人才搶奪大戰，如何招攬到最適合公司的頂尖人才是重要課題，包括微軟、Facebook與Google都積極培訓人才，同時也想辦法降低機器學習等人工智慧技術門檻，其中Google發表了名為自動化機器學習（Auto Machine Learning）的工具，希望機器學習建模等流程能更為「自動化」。

AI三大基石：演算法、數據與運算

人工智慧的三大基石，除了演算法與數據，另一個就是運算。在眾多硬體當中，晶片扮演重要角色。在人工智慧訓練過程中，「矩陣乘法」與「記憶體存取」都會產生大量的耗能，但現行市面上的人工智慧晶片，在功耗與效能上仍有不足之處，也因此美國英特爾、Google與NVIDIA等公司莫不投入大量資源研發適用的晶片，其中特殊應用積體電路（Application-specific integrated circuit，ASIC）吸引眾多廠商投資，如Google就自產ASIC晶片TPU，華為推出麒麟970。

而在研究方向上，過去一直被忽視的情感領域研究，也逐漸被重視。「當你看待人類時，我們的情商是我們整體智力的基礎。」以情感辨識技術聞名的Affectiva公司的執行長兼共同創辦人卡利歐比說（Rana el Kaliouby）。Google Cloud人工智慧暨機器學習首席科學家李飛飛也指出，「現在我們的AI都是用邏輯的方法來判斷情感。邏輯代表IQ，而情感代表EQ。未來，從情緒到情感，是人工智慧未來前進的方向。」

人工智慧的下一步：量子電腦

不過，要讓人工智慧跨越到下一個層級還有一個重要的技術：量子運算。巴黎硬體創投Hardware Club合夥人楊建銘在〈量子電腦春暖花開〉一文中指出，不同於傳統電腦使用0與1的二進位系統，量子電腦在原理上所使用的量子位元（qubit），可以同時以不同的或然率存在於兩個狀態。這個特質，加上不同量子彼此之間可以跨越距離進行纏結（entanglement），讓量子電腦理論上可以用很少的能量就完成大量平行運算。而這樣的特性也讓全球頂尖企業與新創爭相投入大量資金研究，搶奪量子霸權（quantum supremacy），如IBM在2017年7月宣布推出商業量子計算機IBM Q，而Google內部有一個ProjectQ項目也和量子計算有關。

不過，量子電腦離真正商用化還有一大段距離，因此雖然大廠紛紛投入，並外外界放話量子時代正要來臨，但真正推出商用化服務的公司很少。「量子電腦的問題在於，目前不管是新創或者Google、IBM乃至於英特爾等大廠的系統，都必須把溫度降到絕對零度附近，才能進行量子運算，地球上的降溫系統本身就是一個極為耗能的裝置，要等到綜合能源效率和建置成本到達可以和半導體晶片相比擬，恐怕還要不少的時光。」楊建銘強調。

前瞻技術：ASIC晶片——標準化與規模化的完美平衡

人工智慧晶片可以概分為兩大類，一類為人工神經網路（Artificial Neural Network），而另一類為神經擬態計算（Neuromorphic computing）。理論上，神經擬態計算效能更佳，但實務上還無法有好的表現，產業生態鏈也不完備，如Facebook人工智慧實驗室負責人、人工智慧深度學習權威勒丘恩（Yann LeCun）說，「這類網路，沒有在任何有意思的問題上表現出與當前最好技術（指人工神經網路深度學習技術）接近的結果。」也因此目前市面上盛行的人工智慧晶片大多屬於人工神經網路範疇。

而在人工神經網路晶片之中，又有通用晶片與專用晶片之分。其中ASIC是一種高度客製化的特殊規格積體電路。在演算法模型還沒有標準化、而市場規模也還沒有成形前，圖形處理器（GPU）與現場可程式化閘陣列（FPGA）等通用晶片是較為保險的選擇，「可以避免投入大量資源開發了專用晶片後，遇到演算法趨勢改變的風險。」工研院IEK產業分析師范哲豪指出。

ASIC是真正適合深度學習的晶片

但是，這些通用晶片一開始就不是針對深度學習設計的，因此在性能與功耗表現有其局限。隨著人工智慧技術大量被導入業界，Google與英特爾等大廠紛紛投入晶片高效能與低能耗的ASIC專用晶片研發，突破這些限制。

另一面，過去人工智慧如Siri系統，多是先把終端數據傳送到雲端，透過雲端運算再把結果回傳給終端硬體，但由於自駕車無人機等部分智慧聯網裝置，需要快速反應（無法忍受雲端和終端的通訊延遲）與高度隱私性（數據一旦上傳雲端，有被駭的風險），讓各家大廠紛紛投入終端裝置可以使用的專用晶片研發。讓用在智慧終端的ASIC專用晶片技術成為未來極具潛力的半導體技術。

台灣有發展機會嗎？

而台灣過去幾十年從CPU到GPU開發，累積相當多的能力與優秀的半導體設計人才，在耗能設計上（efficient semiconductor）具有優勢。不過，國研院國家晶片系統設計中心副主任王建鎮則指出，「目前全球人工智慧晶片設計與製造領域競爭激烈，台灣若不急起直追，恐怕優勢將無法延續。」

加上由於現在演算法都還不確定，軟體還充滿未知數，若貿然設計終端硬體風險很高，這對台廠來說是不小的挑戰。也就是說，這不僅是一場人工智慧硬體的戰爭，而是一場從演算法軟體到硬體的人工智慧軟硬整合大戰，而這剛好是台灣的痛點，前清華大學副校長吳誠文就說，「硬體跟應用軟體的結合，是台灣很痛的一個文化問題。所謂『文化決定造化』，如果我們不改變，造化就是這樣，機會就在那裡，但我們走不進去。」吳誠文所指的文化，是台灣硬體廠只接大量訂單的規模經濟模式，「如果這個觀點不通，永遠無法突破。」

每日精選科技圈重要消息

#人工智慧 #AI #未來商務

購買本期

訂購優惠

物聯網 AI與大數據電動車/交通科技

3 AI大爆發：生活中看得到的人工智慧殺手級應用

by

高敬原 2017.12.29

蔡仁譯攝影

當AI可以拿到醫療執照、獲得公民權，甚至自己開車上路，我們可以憂慮但不應該悲觀，如果能找到跟新科技共處的方法，反而可以享受人工智慧帶來的生活便利。

2017年可以說是人工智慧應用大爆發的一年，愈來愈多應用開始在商業與生活中實現。

過去一年，各式各樣的AI應用都在不同領域中有所突破，從交通、醫療到娛樂服務。比如：AlphaGo Zero戰勝原版AlphaGo，只需要三天就能熟悉第一代AlphaGo所有的圍棋知識；Google旗下自駕車計畫公司Waymo，撤去人類監督職位，成為全球首次「真」無人車上路測試；中國科大訊飛的一款AI機器人「小易」，通過了臨床執業醫師綜合筆試評測，成為全球第一位通過醫療執照考試的機器人；甚至在阿拉伯聯合大公國，出現了全球首位獲得公民權的AI機器人索菲亞（Sophia）。

研調公司Gartner的報告指出：「AI創造出來的工作機會，會比起摧毀的更多。」當演算法如同網路、電力一般隨處可見，處處都擺脫不了AI的未來生活，感到恐懼是很正常的反應，但樂觀看待未來將更能借力使力，盡快找到人機合作的最佳化模式。

未來麥當勞可能由機器人負責組裝漢堡，人類就必須擔任輔助機器的角色，與其擔心失去工作，我們更應該鼓勵政府、雇主制定新的政策、規範，抓住生活的主控權。現在你我都能接觸到的AI應用，都再再應證AI能幫助人類提升生活品質，部分AI專家認為「周休三日」可能成為新的社會運作模式，當星期四變成新的星期五，人類總是能在新的變革中找到從容應對的新方法。

未來，AI真的會奪走你我手中的工作？不知所措的情緒讓許多人很焦慮，但並不全然這麼悲觀，AI必定會創造出新的工作，如果懂得善用「人機結合」的好處，反倒能創造更好的生活品質、提升人類效率。

殺手級應用：AI客服——以一抵十，AI客服將成企業新武器

專業的人類客服雖然能做到細緻、貼心的服務，但我們不能否認人類有其極限，AI客服可以將人類從重複性極高的日常工作中解放，讓人力去處理更需要複雜判斷能力的客服事件。

隨著AI的發展，讓聊天機器人（Chatbot）更有能力可以解決細緻的個人化客服。根據國際研究顧問機構Gartner預估，到了2021年有超過50%的企業每年花在聊天機器人的投資將會超過傳統App，揭示了聊天機器人是未來改變做生意以及客服方式的那把鑰匙，而台灣智慧手機滲透率超過七成，消費者在行動化的趨勢下期待客服回應能夠更加即時、快速、有效率，而聊天機器人就非常適合人手一機的行動平台，顧客不必再等待客服忙線轉接，能在最緊急的時候得到最完善的解答。

「航空業」便是生活中需要處理大量客服需求的產業之一。根據《國際航空電訊協會》一項最新統計，目前已經有14%的航空公司、9%的機場導入聊天機器人應用。

荷蘭皇家航空公司（KLM）就是首個採用AI客服的航空公司，與Facebook Messenger合作，除了透過Messenger讓乘客接收航班資訊，搭配6萬條問題答覆資料庫，讓AI客服解答乘客疑問，若遇到無法處理的問題，會再轉交人工客服處理。因此「人機協作」、「多工模式」就成了AI客服成功的關鍵優勢，實際執行後，為客服人員省下大量的時間，能更專注在有緊急需求的乘客身上，當顧客越傾向使用AI客服，系統過重複累積的資料就能幫助顧客更容易、更快找到答案，公司不僅可以節省成本，顧客也能因此得到更高品質的服務，甚至進一步提升銷售成績。

近年來App的成長面臨停滯，根據統計2016年5月美國前15大App發行商的平均下載量，比2015年同期下降20%，儘管看似發展高峰期已過，但Gartner預估將進入「後App時代」，聊天機器人與AI的結合將會改變App被建構的樣貌。也就是說，聊天機器人會整合進App中，App Store中販售的App仍會是用戶獲取服務的選項之一，但展望2018年，企業端將會創造更多、更多元的聊天機器人。

隨著AI、機器學習、自然語言處理的進步，聊天機器人的應答會變得愈來愈像人類，預估45%的顧客未來會優先傾向使用聊天機器人客服。

LINE、WhatsApp、Messenger、WeChat因為方便使用、易於溝通、整合社群的特性受到全球用戶歡迎，以目前超過10億每月活躍用戶的Facebook Messenger為例，平台上已經擁有大約10萬個活躍的聊天機器人、2千萬企業希望透過擁抱聊天機器人增加品牌能見度，以及觸及到更多潛在客戶。

結合你我常用的通訊軟體，更大程度的與顧客24小時隨時連結，尤其千禧世代將會是接觸最多、最廣的一代。根據統計，有60%的千禧一代表示曾經使用過聊天機器人、71%願意在未來嘗試，商家可以透過聊天機器人與顧客聊天得知喜好，再結合通訊軟體發送更具個人化特色的商品推薦、優惠給顧客，預計在2018年聊天機器人可以帶來爆炸式的參與率與行銷準確度。

Grand View Research報告指出，全球聊天機器人市場將在2025年達到12.3億美元產值，透過AI結合聊天機器人融入到日常互動中，是聊天機器人最被吹捧的未來趨勢，因為人是社交的動物，總是渴望得到更多的互動，過去自動化、靜態的機械式客服無法跟人心產生連結，顧客期待更快、更有效率的解決方案之際，對話式的服務將能提升更多額外價值。

隨著AI、機器學習、自然語言處理的進步，聊天機器人的應答會變得愈來愈像人類，不久的將來也會如同App一般滲入你我的日常生活中，預估45%的顧客未來會優先傾向使用聊天機器人客服，用於構建及分析聊天機器人資料的工具將會愈來愈多元，功能逐漸成熟後，同一種聊天機器人將能在Facebook、Google Home、Alexa之跨平台應用，除了能同步蒐集同一位顧客的數據，更能替顧客創造無縫接軌的體驗，而這將是企業將要準備好面對的將來。

每日精選科技圈重要消息

#人工智慧 #無人車 #AI #未來商務 #aiot #機器人客服

購買本期

訂購優惠

AI與大數據

4 正面迎擊人機合作的時代：AI時代3大關鍵人才

by

曾筱媛 2017.12.29

Shutterstock

如果說2017就是人工智慧商業化元年，相信大多數人都是贊成的。這年，迎來了人工智慧的落地應用，也創造了嶄新的工作職務，加速人工智慧的商業化發展。

2017年3月Google雲端人工智慧暨智慧學習首席科學家李飛飛喊出「大眾化AI」（Democratizing AI）宣言，希望藉由Google雲端科技的力量，讓人工智慧走出實驗室，轉化成一般企業或個人應用，深入千萬家戶端。

李飛飛的宣言並非空穴來風，背後代表著人工智慧技術的重大突破。從打敗世界棋王的AlphaGo，到走入醫療領域的超級電腦華生，近三年來在機器深度學習、大數據到GPU硬體等技術升級，讓原本一度泡沫化的人工智慧科技，有了爆炸性的成長。科學家發現人工智慧的無限可能，更試圖發展人機協力的商業應用，包括仿生機器人、語音助理、智慧搜尋引擎到無人駕駛汽車等等，更多動作精細的機器人進入生產工廠，以更低的勞動成本和自動化取代人力，增加企業產值與效能，促成人機合作的新契機。

技術爆炸性成長，人機合作出現新契機

企業受惠於自動化技術與人工智慧發展，有機會透過人機合作，完成更多過去無法達到的工作效能。美國麻省理工學院（MIT）對此就曾提出「MIT觀點」（MIT Approach），以知名科學家李伯曼（Henry Lieberman）、《第二次機器時代》作者麥克費（Andrew McAfee）、布林優夫森（Drik Brynjolfsson）等人為首，認為未來的工作場域是「人機合作」的天下。人類與機器會是最好的夥伴，而非相互競爭的敵對關係，人機之間可以各盡所能，甚至促成勞動力市場的供需平衡。

麻省理工學院研究團隊在BMW車廠進行的一項實驗結果顯示，人類協同機器的工作效率，將比單一人類或純機器人組成的團隊效率都要來得更高。機器人善於處理例行性高的重複工作，且勞動力大，可分擔容易造成職業傷害的危險性工作。相反地，人類可以因此從大量勞動中釋放出來，專心處理變動性高、需要臨場判斷、下決策的非例行性任務。

科學家發展人工智慧技術，試圖解決過去人類在勞力工作上的極限，甚至可望補足現有商業環境與人力資源上的缺口。

全球前五百大人力資源公司藝珂人事顧問邱奎嵐表示：「AI有機會解決現有人力資源短缺問題，甚至提供更廉價、更優質的服務，創造了新的市場需求。」

舉例來說，在網路上十分火紅的「DoNotPay」法律機器人，協助一般人處理交通罰單、詐騙、住宿等基礎法律問題，讓過去無法聘僱律師的人，即使不用付出高額金錢，也可以享受專業法律意見，在面對法庭或訴訟時，可以更有利的應對進退。人工智慧大幅降低了一般民眾接觸法律知識的門檻，並擴大律師產業的服務對象。

而在醫療領域更是如此，在全球部分未開發國家、偏鄉地區，仍存在著嚴重醫療人力短缺現象。在現有人工智慧演進下，包括超級電腦華生、各類智慧型醫療裝置的演進下，有機會讓機器辨識病徵的技術變得更為純熟，甚至可以協同醫師加速診療過程，成為整個醫療產業很重要的戰力資源。

AI有機會解決現有人力短缺問題，甚至提供更廉價、更優質的服務，創造了新的市場需求。

藝珂人事顧問經理邱奎嵐

人工智慧加速商業化，促進新的人力市場需求

為了加速人工智慧商業化，以達到人機協作的新企業環境，需要許多
專業長才協助整合商業環境和人工智慧技術，甚至為不同的商業領域客製化設計。

擁有豐富機器學習開發經驗的104人力銀行數據長呂承諭說：「每一次的人工智慧開發，都是高度客製化的結果。」不同的商業領域，存在著不一樣的需求，機器學習需要歷經長時間大數據資料分析、建立模型，才能夠符合企業應用環境與需求。就好像企業在數位化發展的過程中，需要系統產品經理協助與內部員工溝通、重新校正整個作業流程。

因此，資料科學家、機器學習科學家，甚至是協助企業導入應用的人工智慧訓練師等三種職位角色，就變得很重要。這群人才，已經變成未來整體人工智慧趨勢下很重要的戰略資源。他們要將高度系統化的人工智慧演算法，落實到一般社會環境，更要協助企業利用人工智慧，創造更好的利潤與產值。

人工智慧落實到企業流程中，還有一段客製化的路要走。

104人力銀行數據長呂承諭

根據Gartner預估，2018年全球將有440萬個資料科學家，其中不乏與人工智慧有關的人才。臺灣104人力銀行的統計數據也顯示，目前光是台灣的資料科學家和資料工程師，就約有2萬名職位缺口。2016年以來，全球各大業者已紛紛儲備人工智慧相關人才，希望將新科技作為優化整體服務的重要策略。

和過去相比，全球企業用於人工智慧的支出已經大幅成長，IDC預估，2022年全球人工智慧的系統支出將高達576億美元。這些專精於演算法撰寫、機器學習的軟體工程師、數學家、甚至是懂得人機溝通的語言學家、心理學家、人類學家等等，在人工智慧走入商業化應用的過程中，彌補技術與產業應用之間的鴻溝，甚至成為企業爭相尋找的人才，加速人工智慧商業化，為大眾化AI踏出重要的第一步。

關鍵人才：人工智慧訓練師——縮短企業智慧升級學習曲線

2016年開始愈來愈多人工智慧商業化的案例浮現。當一項新技術邁入商業化階段，勢必要為了商業環境做更多調整，甚至客製化，才能讓系統運作順暢，融入商業應用環境中。而這時，就需要人工智慧訓練師。

過去一般企業要導入e化系統時，不管是由內部自行開發，或引入外部資源，均會由產品經理等職位角色來協助優化導入過程。而現在，隨著人工智慧漸漸成熟，在國外，也有企業開始設立人工智慧訓練師這樣的角色，協助企業導入人工智慧系統，並輔助使用者了解人機合作的工作環境，加速人工智慧融入企業應用。

人工智慧訓練師的職位概念，就好像當人類就職時，就要接受教育訓練，熟悉企業作業流程。而AI訓練師正是扮演教育訓練講師的角色，協助人工智慧系統更符合企業內部環境與需求，一步步的校正、客製，以符合企業運用環境。

舉例來說，當資料科學家、機器學習科學家等團隊成員設計好AI系統的模型、使用型態、使用目的後，這時AI訓練師要協助系統培養更多的實戰經驗。無人汽車要進展到完全商用的環境，就需要有測試員不斷的訓練上路狀況，讓無人汽車可以在一次又一次的實戰經驗中，累積更豐富的學習機制，排除可能遇到的錯誤，近一步優化駕駛流程。
這一類的職位角色，不一定需要會撰寫語言程式的軟體工程師，更多是了解整個商業流程、站在使用者角度去思考系統問題的人。透過這個職務角色，可以解決人工智慧大量部署於商業環境的問題，更有機會加速人工智慧普及，讓機器更符合人的需求。

人工智慧的崛起正改變著公司間的競爭格局：公司之間的壁壘不再是算法，而是數據。

吳恩達

每日精選科技圈重要消息

#人工智慧 #AI #未來商務

購買本期

訂購優惠

AI與大數據

5 AI獨角獸竄起，創新應用百花齊放

by

吳元熙 2017.12.29

Shutterstock

過去十多年來，平均每年有477家人工智慧新創公司加入這個新的戰場，投入領域從自駕車到醫療生技應有盡有。

人工智慧正在顛覆這個世界，也改變了創業圈既有的模樣。

2017年烏鎮智庫的〈全球人工智慧發展報告〉指出，創業團隊和大量資金正不斷以驚人速度擁抱AI。過去17年來，全球新增了8,107家人工智慧新創公司，其中63%集中在最近五年；累積融資金額突破8,636億新台幣（約288億美元），同樣有78%是近五年獲得融資。
值得關注的是，當中許多新創團隊都長成了「獨角獸」，估值皆突破10億美元。CB Insights發表的〈The AI 100〉研究報告也指出，2012年後，全球百大AI新創共計募資3,419億新台幣（114億美元），裡面就有11家獨角獸公司出現。

這代表什麼？即便人工智慧產業泡沫化的疑慮一直存在，投資人卻還是相信這些新創公司具有改變世界的潛力。

人工智慧雖然能運用在各行各業裡，但從目前發展來看，還是在醫療生技、臉部辨識、自動駕駛、電商、廣告等領域有相對成熟的實際應用。

像是能從論文、實驗室數據中，找出新藥開發關鍵的BenevolentAI、號稱是全球最大人臉辨識平台，成功幫1億人「刷臉」的商湯科技，以及專門幫美國頂尖企業「加速銷售」的InsideSales.com公司，這些AI獨角獸的發展，不再只是紙上談兵，你我的生活，正逐漸被他們一步步地翻轉。

獨角獸：商湯科技——兩年內以視覺辨識快速崛起

談起臉部辨識，他們可能是全球最受矚目的新創團隊。

商湯科技（SenseTime）擁有中國最大的人臉辨識平台，成功「刷臉」1億人。他們甚至獲得向來謹慎的日本廠商青睞，2017年底宣布和本田汽車合作，雙方合作的自動駕駛車，主打即便行駛至沒有高精密地圖的路線，也能透過視覺技術繼續行駛。

「許多大牌投資人排隊想進來，而我們的煩惱是如何拒絕。」面對中國媒體追問C輪融資進度，商湯科技共同創辦人兼總經理徐冰在去年11月這席話，聽起來雖然狂妄，卻點出這間AI獨角獸公司，正以驚人速度往前邁進。

商湯科技成立時間僅兩年多，前身是香港中文大學的研究團隊，擁有多項人臉辨識專利；集團員工接近1千5百人，其中超過半數從事研發，並擁有「超過150名博士、18名教授，亞洲最大的深度學習團隊」。

他們確實不缺錢，因為光是前兩輪募資，分別拿到1.2億美元和4.1億美元，已經讓商湯喊出自身估值突破15億美元，成為中國最大的人工智慧獨角獸公司。甚至接下來還有尚未定案的C輪募資，可能再引進高通、阿里巴巴的重金入場。

他們的服務與技術是什麼？比起外界關注的人臉辨識，或許用「視覺辨識」來了解商湯的各種應用，會更加容易理解。

在金融與商業領域裡，他們和京東錢包、銀聯、中國移動等企業合作人臉辨識登入方案；手機產業則有更多大咖夥伴，包含小米、華為、OPPO、Vivo等業者，都是採用商湯的演算法來幫用戶依照人臉自動分類相簿、或是提供濾鏡、美顏等不同功能，總計採用商湯手機影像技術的手機，出貨量已超過1.2億隻。

他們還跨足安防領域，透過人像比對系統與人群分析，提供管制與即時警告功能，替中國前十大安防廠商中的七家業者提供技術。

能夠吸引超過400名企業用戶和大量資金，某種程度也顯現商湯科技在人工智慧發展的布局，確實和競爭對手有些不同。

首先，在「基礎建設」層面，商湯投入了4千萬人民幣建立超級計算機中心，加上自製的深度學習框架，擁有併行訓練集群系統，能支援多機器多GPU的分布式深度學習模型，擁有軟硬整合優勢。

再者，則是深厚的學術能量。「我們的人工智慧相關論文數是全球第三多。」徐冰曾多次向外界說明，商湯的發表論文已經超越Facebook和Google等網路公司巨頭，而人臉辨識只是他們的號角而已。

他們甚至在終端裝置上，找來了高通當戰略夥伴。商湯科技認為，有了他們的人臉辨識技術與高通晶片，可以用極低成本發揮Android手機的最大效益，有機會與iPhoneX一搏。

「我們就有點像國家電網專門發電，賣的電都很便宜，所以各個產業才會願意不自己蓋電廠，而採用我們的電。」徐冰曾在一場演講中點出，商湯的技術優勢只是暫時領先群雄，但要真正做到讓人工智慧改變各產業，決勝點是要透過資本操作，擴大應用面。

徐冰表示，在演算法層面裡，只要一家獨大，獨占生態系後，用很低的價錢提供服務，就會有許多人來靠攏、能快速進軍不同產業與城市。而真正的「潛力」在於，那些尚未或剛開始被人工智慧改變的產業與公司，「若他們採用了商湯演算法，而增加了百倍用戶，或是百倍效率，而我們是他們的股東，這樣在應用面與獲利上都會更有效率。」

商湯科技強調，他們將全力加大產品投入、擴大產品線，並且探索如自動駕駛等新領域，希望能盡快做到AI普及化。

「每家公司的基因不同，商湯可能是一條鯨魚，我們最終會變成龐然大物。但有的公司就是海豚，再怎麼長都是海豚。小時候大家看起來差不多，長大了完全不同。」儘管現在，還無從得知商湯的營收表現，並從中檢視他們的業務實力，不過從徐冰過去的比喻中，或許不難發現，這頭AI獨角獸，已經有衝擊大海的決心。

每日精選科技圈重要消息

#人工智慧 #AI #未來商務

購買本期

訂購優惠

AI與大數據

6 資本市場正在追逐的AI大浪

by

蔡紀眉 2017.12.29

Shutterstock

AI產業的未來已無庸置疑，但從資本市場角度來看，一檔股票的評價最終仍會回歸獲利面，究竟AI在哪些領域最受資本市場期待呢？

金融海嘯將滿十年了。十年間，全球股市高歌凱進，由大型科技公司所主導的技術創新模式，成為帶動全球經濟發展的火車頭。

展望2018年，富邦投顧總經理蕭乾祥表示，人工智慧導入科技終端產品，將成為投資市場最重要的科技趨勢之一。例如，在手機行動裝置上，如AI晶片導入、3D感測；汽車相關技術上，如無人駕駛車、ADAS功能提升；或是機器人、金融科技（FinTech）、智慧穿戴和智慧工廠等等，都是AI的商業應用展現。

人工智慧ETF，資本市場新寵兒

多方市調機構預估，目前AI硬體、軟體和服務市場約有120億美元產值，到了2025年，該數字將上看700億美元。雖然各機構計算方式略有差異，但不論從產業需求面、或貢獻營收的角度切入，皆以50%至60%的年成長率為估值，而這數字，已超越過往智慧手機和資料中心曾有過的強勁表現。

從人工智慧指數股票型基金（Exchange Traded Funds，ETF）如雨後春筍般出現，也可一窺資本市場追逐AI的熱度。

人工智慧ETF在投資標的組合上，必須至少滿足以下三個條件之一。首先，這些公司必須專注於和AI相關的技術突破，並藉此開發新的AI應用產品或服務，像是工業用或服務型機器人、自動駕駛系統、3D列印、自然語言處理和社群媒體大數據等等。

第二，這些基金的投資組合中，至少有25%資金是投給AI研發費用達到一定比例的公司，像是亞馬遜、特斯拉（Tesla）、蘋果或Google母公司Alphabet等等。第三，這些基金用AI相關技術選股。

2017年以來，多數與人工智慧相關的ETF漲幅皆超過30%，其中最受資本市場青睞的前三檔依序為「Global X機器人與人工智慧ETF」（簡稱BOTZ）、「ARK新興工業主動型ETF」（簡稱ARKQ）以及「ROBO全球機器人與自動化指數ETF」（簡稱ROBO）。而從這三檔ETF的定位出發，不失為掌握資本市場如何看待AI的捷徑。

BOTZ於2016年9月推出，短短一年時間，規模已達14.44億美元，2017年漲幅57.40%。BOTZ的持股集中，以日本公司占比近5成最多，前三大分布產業為工業、資訊科技和醫療。人工智慧熱門概念股中，像是日本的安川電機、發那科（Fanuc）以及美國的Intuitive Surgical、NVIDIA等等，都是BOTZ持股對象。

ARKQ專注於新產品或服務等具備顛覆性創新潛力的類股，目前規模1.21億美元，2017年漲幅56.74%。持股中，資訊科技類股占比最多，其次為週期性消費品和工業領域。包括特斯拉、亞馬遜、百度和Alphabet等等，都是ARKQ持股的對象。

ROBO管理資產19億美元，2017年漲幅43.14%，主要投資全球重要的機器人與自動化設備公司，以美國公司最多。值得注意的是，ROBO持股組成中，台灣公司占了7%，包括上銀、研華和東元電機等等。

如果說，科技產業的未來在AI已無庸置疑，但從資本市場角度，對一檔股票的評價最終仍會回歸獲利面，究竟AI在哪些領域最受資本市場期待呢？

AI吸金三應用：大數據分析、機器人、自駕車

國泰證期投資顧問處經理蔡明翰表示，以現階段AI發展來看，硬體的獲利面比較直接且明朗，能確實表現在財報中；至於軟體部分，AI可能是某項技術、趨勢，比較難定義，也很難對財報有直接貢獻，因此AI概念股雖多，但2017年股價漲幅相對劇烈的，幾乎都在硬體最前端的晶片設計上。

又從AI的商業化前景來看，有三大領域最受資本市場看好。首先，是AI與大數據分析的創新整合應用，根據美銀美林（Bank of America Merrill Lynch）報告，到了2020年，大數據市場規模將達到2千1百億美元，進一步推升AI和自動駕駛的研發費用支出。

另外兩大領域則為自動化機器人和自動駕駛車，由於既有市場需求較大、供應鏈發展相對成熟，目前普遍受到資本市場看好。

接下來，將以三檔股票分別代表自動化機器人、自駕車和AI智慧應用，包括專門生產外科手術用達文西機器人的Intuitive Surgical；力推自駕車晶片系統的NVIDIA；以語音辨識技術為核心的中國AI代表科大訊飛，從資本市場對三家企業的評價出發，進一步掌握人工智慧發展趨勢。

AI概念股3 語音辨識技術

全中國最聰明的公司科大訊飛

在中國，人工智慧的發展百花齊放，其中，最聰明的公司是誰？《麻省理工科技評論》（MIT Technology Review）把這項殊榮，頒給了以語音辨識技術為企業核心的科大訊飛。

科大訊飛成立於1999年，主攻智慧語音、語言技術研究，以及相關的軟體和晶片研發，產品最多被應用在教育領域，法人大股東包括中國移動、中科大資產經營、香港中央結算等等，是目前中國在語音辨識領域資產規模最大、專業人才最多，以及市占率最高的公司，也是中國人工智慧的代表之一。

過去一年，在深圳掛牌的科大訊飛股價漲幅超過120%。包括群益證券、中國國信證券等等，皆把科大訊飛列入持有，甚至是增持等級。

不只是股價，科大訊飛在業績和市占上皆有亮眼表現。根據科大訊飛目前公布的財報，2017年累積至第三季為止，營收達到33.86億人民幣，年增58.16%。在訊飛開放平台上已有超過37.3萬開發者，總用戶數超過14.7億人，年增逾八成。

有些人不斷散播AI是巨大危險的恐懼，但這對我來說很牽強，因為AI帶來災難的可能性遠比疾病和暴力還小。

馬克・佐克伯

去年底，科大訊飛在北京召開年度發布會，一口氣推出了超過十款的AI應用新產品。從過去擅長的教育領域，跨足醫療、司法、智慧家居和智慧城市等等，行動裝置端到車載環境皆有布局，並與運營商、金融機構、手機、電視和汽車等行業進行戰略合作，企圖打造中國的AI生態圈，強化規模競爭優勢。

舉例來說，科大訊飛運用獨家的交互翻譯AI技術，打造了一個綜合教學平台，涵蓋輔導、課堂、考評等教育功能，目前已推廣至中國超過1.5萬間學校。

但值得注意的是，在深度學習的兩大應用領域中，相較於影像辨識技術的突飛猛進，獨角獸輩出，語音辨識要從「聽到」發展至「聽懂」，乃至實現如人類對話般的自然語言處理，複雜度高上許多。

因此，分析師也提醒，因為積極擴展AI產品線，和持續擴大產業範圍的戰略布局，導致科大訊飛的研發和管銷費用增幅較大，影響當期獲利表現。

另外，科大訊飛雖有領先的語音辨識技術，但產品國際化不足，超過九成營收來自中國當地，加上產品線仍偏重教育層面，都是未來能否更上層樓的關鍵。而科大訊飛日前也向投資人提出警告，強調目前尚無法預測相關新產品對2017年業績的影響。

每日精選科技圈重要消息

#人工智慧 #AI #未來商務

購買本期

訂購優惠