AI淘金術——3種角度、 6大領域、18個關鍵
專題故事

讓你花更少時間做更多事!從國家、企業到個人的全新時代,AI帶來的不只是新技術,而是新生產力和新財富。面對IC、PC、WWW之後的每20年ㄧ次科技業變革,經營者、投資者和工作者該如何回應?

1 吃大餐或被吃?3大策略掌握AI淘金術

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。

陳美如/製作

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。

陳美如/製作

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。

陳美如/製作

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)。

領域一:卡位人工智慧,三大前瞻技術有未來

領域二:AI大爆發,三種應用生活中看得到

領域三:AI釋放大量勞力,創造出新的工作職務

領域四:AI獨角獸竄起,創新應用百花齊放

領域五:資本市場正在追逐的AI大浪

每日精選科技圈重要消息

2 彎道超車新武器:卡位人工智慧,三大前瞻技術有未來

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。

數位時代/製作

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。

陳美如/製作

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。」

領域一:卡位人工智慧,三大前瞻技術有未來

領域二:AI大爆發,三種應用生活中看得到

領域三:AI釋放大量勞力,創造出新的工作職務

領域四:AI獨角獸竄起,創新應用百花齊放

領域五:資本市場正在追逐的AI大浪

每日精選科技圈重要消息

3 AI大爆發:生活中看得到的人工智慧殺手級應用

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。
Shutterstock

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。

領域一:卡位人工智慧,三大前瞻技術有未來

領域二:AI大爆發,三種應用生活中看得到

領域三:AI釋放大量勞力,創造出新的工作職務

領域四:AI獨角獸竄起,創新應用百花齊放

領域五:資本市場正在追逐的AI大浪

每日精選科技圈重要消息

4 正面迎擊人機合作的時代:AI時代3大關鍵人才

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。

全球前五百大人力資源公司藝珂人事顧問邱奎嵐。
吳晴中/攝影

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。

104人力銀行數據長呂承諭。
吳晴中/攝影

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。

職缺:人工智慧訓練師

人工智慧訓練師屬創新職位,目前雖仍未釋出大量職缺,但包括北美亞馬遜、Google等公司已開始設立類似職位,美國更有新創公司Spare5提供專職人工智慧培訓服務。臺灣網訊電通等科技業者也開出類似職缺。
- 薪資待遇:目前人工智慧培訓多以專案型開發為主,報酬可望突破百萬。
- 專業要求:維護機器學習系統操作、優化系統商業應用。

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

領域一:卡位人工智慧,三大前瞻技術有未來

領域二:AI大爆發,三種應用生活中看得到

領域三:AI釋放大量勞力,創造出新的工作職務

領域四:AI獨角獸竄起,創新應用百花齊放

領域五:資本市場正在追逐的AI大浪

每日精選科技圈重要消息

5 AI獨角獸竄起,創新應用百花齊放

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。

商湯科技

團隊人數︱1千5百人
融資金額︱6.3億美元
目前估值︱15億美元
核心技術︱臉部辨識
主要客戶︱小米、華為、微博、京東
主要投資者︱阿里巴巴、高通


臉部辨識AI——曠視科技

成立時間︱2011年
目前估值︱10億美元

每個產業都有命中註定的競爭者,如德國汽車品牌賓士(Mercedes-Benz)和BMW,相敬相殺超過百年。來自中國的兩家AI獨角獸公司:商湯和曠視(Face++)同樣是人工智慧浪潮的最佳對手。

曠視以人臉的檢測、比對、搜索為核心技術出發,另外還包含了文字、圖像與人體辨識。他們和商湯之間最大的差異是,曠視科技擁有更專注的應用領域——金融。目前,螞蟻金服旗下支付寶的臉部登錄,就是採用曠視提供的技術,未來高達4.5億的支付寶用戶,都可能成為人臉辨識支付的潛在使用者。

值得注意的是,曠視的研發技術有強大的學術淵源,因為全球電腦科學重要獎項——圖靈獎唯一華人得主姚期智,就是曠視三位創辦人印奇、唐文斌、楊沐的老師。姚期智自己除了是中國科學院院士,也加入曠視當顧問,力挺學生創業。他旗下的姚家班學生,更有不少人加入曠視,打造一脈相承環境。

領域一:卡位人工智慧,三大前瞻技術有未來

領域二:AI大爆發,三種應用生活中看得到

領域三:AI釋放大量勞力,創造出新的工作職務

領域四:AI獨角獸竄起,創新應用百花齊放

領域五:資本市場正在追逐的AI大浪

領域二:AI大爆發,三種應用生活中看得到

領域三:AI釋放大量勞力,創造出新的工作職務

領域四:AI獨角獸竄起,創新應用百花齊放

領域五:資本市場正在追逐的AI大浪

每日精選科技圈重要消息

6 資本市場正在追逐的AI大浪

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

交易所|陸股深圳
總市值|858億人民幣(截至2017/12/20)
所屬指數代表|MSCI指數、中證下游、中證新興
產業地位|中國最大的智慧語音技術提供商

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。

陳美如/製作

領域一:卡位人工智慧,三大前瞻技術有未來

領域二:AI大爆發,三種應用生活中看得到

領域三:AI釋放大量勞力,創造出新的工作職務

領域四:AI獨角獸竄起,創新應用百花齊放

領域五:資本市場正在追逐的AI大浪

每日精選科技圈重要消息