會思考、會運算、會推理的AI還有什麼做不到?「女人的第六感」,是演算法都搞不定的事
會思考、會運算、會推理的AI還有什麼做不到?「女人的第六感」,是演算法都搞不定的事

本文摘自《修復未來》,大塊文化出版

人們總是說教育是答案,特別是那些未從事教職、也不在學校工作的人對此堅信不疑。教育是人們應該如何為在新經濟工作重新受訓的方式。教育是孩童發展溫格的「心理自由」、破除網路成癮的地方。教育是——借用斯托布的話——我們學會當人類的地方。雖然以上說法都沒錯,但教育成了每一件事的預設解答。當我們不知道該如何解決某個大問題時,總是把它丟進教室,讓那些低薪超時的老師負責修復。 問題越大、越不定型,我們就越常把它丟給學校來處理。

例如,MIT經濟學家艾瑞克.布林優夫森(Erik Brynjolfsson)和安德魯.麥克費(Andrew McAfee)合著的《第二次機器時代》(The Second Machine Age),探討摩爾定律的經濟衝擊,他們在這本精彩的暢銷書中,將教育列為解決美國未來的頭號政策建議。「把小孩教好」,是布林優夫森和麥克費的結論,並提出調高老師待遇,讓他們教學更負責,尤其是那些「像創造力和非結構式問題解決等難以評量的技巧」。兩人還建議,老師應該利用磨課師(MOOCs)這類新科技,「以低成本來複製優秀老師、內容和方法」。

AI的限制:電腦沒有「瘋狂地帶」

然而,事實是,孩童並沒有被教好,至少在美國是如此。2017年5月皮尤研究中心報告《未來工作和工作訓練》(The Future of Jobs and Jobs Training),向1408名美國資深主管、大學教授、AI專家提出,一連串關於在自動化世界裡教育人們的挑戰。報告結果發現,百分之三十的受訪者對於中小學、大學和工作訓練內容會迅速進化、跟上下一世代的勞工需求表示「沒有信心」。「老闆認為你的工作技能很快就毫無用處」,《華盛頓郵報》對於這份報告結果下了殘酷的結論。

該報告的合著者、同時也是皮尤研究中心主任李.雷尼(Lee Rainie)針對這份報告指出:「人們一直在苦思這個基本的形而上問題:人類擅長什麼?找出這個問題的答案很重要,因為機器與人類混合的世界已經到來,而且將加速發展。」

那麼,人類到底擅長什麼呢?特別是,和那些李.雷尼口中「正在吃掉人類工作」的智慧機器相比。

我把這個問題拿去問尼古拉斯.卡爾(Nicholas Carr),他是美國專門探討數位革命中人類成本極受敬重的作家,著有被提名普立茲獎的《網路讓我們變笨》(The Shallows),以及其他關於科技的重量級著作。我來到卡爾的家鄉,科羅拉多州的波德市,與他在一間古怪的塔吉克斯坦餐廳吃著中亞食物,他對我高談形而上學。

儘管他承認當人們給他貼上「人本主義者」的標籤時他會生氣,但他還是生動地區分出人類和智慧機器的不同之處。「電腦沒有瘋狂地帶,它們不能矛盾,也無法設計去處理模稜兩可的情形,它們也沒有直覺,」 他解釋道。

之前提到過,史帝芬.沃爾弗蘭不認為電腦會有「目標」,卡爾也一樣,認為要讓智慧機器變得有自覺、有意識,「簡直難以置信」。「和機器人相比,人類意識最偉大的地方,」他喝口啤酒,說,「是我們可以同時做不同的事情。」

可是,我們該如何把孩童教好呢?我問他。我們該教孩子哪些技巧,讓他們不只有工作可做,還能適應李.雷尼所說的「機器和人類混合的世界」呢?

培養直覺、模稜兩可和自我意識,為人類獨有

卡爾談到豐田汽車最近宣布,在日本某些工廠將以資深技術人員取代機器人。豐田發現這些員工有多年的經驗,能處理工作上不願遇到的模糊地帶。有多年診治病患實務經驗的醫生也具有這樣的直覺。他說,這種直覺絕不可能被演算法取代。卡爾特別提到另一位美國人氣作家馬修.柯勞佛(Matthew Crawford)筆下的「摩托車修理店的未來工作哲學」。卡爾也像湯瑪斯.莫爾一樣,認為人類獨特的價值在於實行,因此,卡爾認為,教育不應該光是知道,還要包括動手去做,這一點和蒙特梭利不無類似。

所以,根據尼古拉斯.卡爾的說法,這就是人類在智慧機器日益當道的時代所擅長、能發揮的地方。因此,教育工作者面臨的挑戰(或契機),就是教會學生機器人或演算法做不到的每一件事情,在卡爾看來,這包括培養直覺、模稜兩可和自我意識,而他認為電腦的局限性很大。 曾在蒙特梭利學校教書的斯托布認為,人類擅長的是自覺和「感召」的觀念。而有三個在家自學的青少年子女的艾伯特.溫格則認為是「心理自由」成就的自我駕馭。

這正是五百年前莫爾在《烏托邦》裡陳述的人本主義教育理想,著重的是無法量化的知識:如何與同儕說話、如何領會自律、如何享受休閒、如何獨立思考、如何當個好公民。然而,這種創新教育如今真的存在嗎?或者,也像莫爾的想像之島一樣,只是個無法實現的虛構想法?

我和馬丁.福特在桑尼維爾的希臘餐廳用餐結束後,往北開上美國一○一號公路,來到帕洛奧圖高中。這間公立學校和史丹佛大學位於同一條路上,坐落於世界冒險之都——矽谷的中央。像史蒂夫.賈伯斯這樣的科技巨擘都會把子女送到這間學校。

2017年皮尤中心公布一項令人不安的報告結果,指出美國教學品質惡劣,儘管如此,還是有一些勇於創新的學校老師成功地幫助學生為智慧機器主導的未來做好準備。我來帕洛奧圖高中找一位馳名加州的老師,想了解她的教學方法。

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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