我所創辦的公司，雲象科技，是從事數位病理影像管理系統以及AI輔助診斷系統開發的公司，在台灣，有十幾個醫院，包括台大、北榮、長庚等知名的醫學中心用我們的數位病理系統；在海外，日本最知名的癌症醫院、癌研有明病院，德國三個大學醫院；圖賓根大學醫院、法蘭克福大學醫院，以及阿亨大學醫院都是用我們的數位病理系統。
這些客戶採用我們的系統，都是著眼於我們有開發AI輔助診斷系統，而且可以將其深度整合至數位病理系統當中。
這個自我介紹，是要讓各位知道，我在這個AI這個行業裡面已經第十年了。這些年之內，我看到美國和中國的AI發展飛快，而台灣除了代工生產AI所需的GPU（AI加速計算所需要的晶片）及伺服器之外，還有中研院研發的Yolo V4這個AI模型之外，在其他方面實在很難說得上是有亮眼的成績。
台灣的AI發展「不及格」！為什麼？
在七、八年前曾經有一批新創產生，但所剩無幾，而且存活著的，沒有任何一個大到家喻戶曉 (雲象當然也不是)。而其中兩個表現很不錯的公司，也選擇不留在台灣上市，一個到日本去 (Appier)，一個到美國去 (Perfect Corp)。
對我來說，台灣的AI發展不及格，跟不上這個世界尖端的發展潮流。
或許會有人說，AI是大國才做得了的事情，我們還是專心做硬體吧。但我認為有兩個原因，我們不得不關注AI。
首先，AI這個技術，尤其是最近的生成式AI，可以大幅提升人類的生產力，也因此對於國家的競爭力有重大的影響。
第二，台灣最關鍵的半導體產業，近年的榮景全拜AI所賜，但需求都是從軟體廠商而來，台灣的經濟命脈需求是掌握在別人手裡，這是國家經濟安全的問題。我們如果沒有更深入地掌握這個技術，更深刻地掌了解這個市場，可能我們未來的經濟發展會有高度的風險而不自知。
我舉個比較廣為人知的例子，IBM曾經是全世界電腦行業裡面最重要的公司，但它錯估了個人電腦的發展，認為只有大型主機才是計算的未來，但蘋果、微軟將個人電腦快速地推向每一個人，等到IBM想要跟上的時候已經來不及了，在1993年成了全美赤字最嚴重的公司。
憂鬱的藍色巨人花了很久的時間才走出這個低潮。台灣在電腦產業海嘯第一排，對於這個歷史應該引以為鑑，不能自傲於現在有的成就。
回到主題，台灣的AI發展出了什麼問題？
我認為最大的問題是兩個：
問題1：政府的AI發展策略目標訂定錯誤、方向不一致、缺乏橫向串聯
台灣在2018年，以及2019年提出的AI發展策略，有一些共通的問題，許多策略講述的都是中間的手段，沒有說清楚最終要達到的效果是什麼。
例如說，培育人才、建置加速器。請問，人才要用來做什麼？加速器是要來幫忙什麼樣類型的公司？
培育人才是一定做得到的，不應該是長遠的目標；加速器、創新基地也是建了就有了。AI的人才在沒有確切的目標的時候是很難養成的。我們只會養出很多有得到結業證書，但沒有實戰經驗、也不知道要為何而戰的結業生。
台灣在這幾年之間，有數以千（很有可能是萬）計上過AI課程的人，但他們加在一起怎麼沒有產生出一個AI的產業來？台灣有數不清的新創加速器，數目都快要比新創還多了，但培養出了什麼AI公司？
我們應該要以終為始，搞清楚我們最終的目標是什麼。搞清楚目標了，人才培育是必然會需要做的，加速器也自然會需要有的。我們不應該把人才培育跟建置創新基地本身當成策略目標。
另外，在產業相關的目標不只大方向定錯，也太發散，每一個目標也都很小，最後什麼都做不成。
台灣的科技預算也不過區區的一千多億，花在AI上面的只是一部分，怎麼可能做到諸多行業都AI化？我們應該把目標訂在「 創造可以產生足夠服務量能的AI公司，可以一直晉級提升服務量能 」，才能拿到下一輪的補助。
至於要解什麼題目，大可讓新創公司的團隊 找到最值得的目標去提供AI服務 。要去解六大產業、32家公司、53題AI轉型需求，最終的結果就是養了幾十個專案團隊，在計畫經費沒了之後，找不到下一個題目，團隊全數解散。我們只有幫到各產業，幾十個公司那麼一次的忙，沒有為台灣養出一個AI產業。我們要定的目標不應該是產業AI化，應該是AI產業化。
至於跨部門的計畫，常犯的問題是只為了跨部門而跨部門，沒有想到到底什麼明確的問題必須要跨部門才可以解決、每個部門各自要做什麼。
健康大數據永續平台就是一個典型的例子。科技部讓8個醫學中心各自提案，收了8個不同主題的資料，每一個機構收的資料都不夠大，而且來源單一，這些資料根本沒有做AI應用的價值。
而科技部還沒有跟衛福部商量好，就讓這個計畫上路了，醫學中心在提案的時候也不知道有要跟衛福部資料串連的計畫，結果科技部收集的資料無法跟衛福部的資料接軌。更嚴重的是，資料使用的法規問題沒有解決。
最終，4年過去了，這些對於AI廠商來說不具有開發價值的資料，竟然還因為法規問題不能被自由的作為研發用途。這4年寶貴的光陰過去了，台灣也錯失了AI產業發展的機會。
問題2：整體臺灣的產官學思維明顯重硬輕軟
我舉個最近的例子，國科會在立法院的報告「人工智慧(AI)推動現況與未來方向」裡面提到：
新一代高速運算主機與AI評測環境建構計畫，由國研院國網中心分期佈建具規模算力資源，預定於2024年底完成16 Petaflops、2025年底完成超越100 Petaflops、2028年完成 200 Petaflops。
這是非常昂貴的電腦，100 Petaflops 粗估需要台幣20億。但軟體呢？很抱歉沒有提到。要拿這麼多算力來算什麼？我們為什麼需要這麼多算力？台灣目前發展AI瓶頸是缺資料、缺高端人才，不是缺算力。算力對單一個公司來說是大問題，但對台灣不可能是個問題，要花2、30億建置電腦是絕對辦的到的。 算力即國力根本是個錯誤的口號。 沒有人才、沒有資料，不知道要算什麼的時候，算力只是金錢的浪費。
最後的問題是，我們的未來該怎麼辦？
這個問體我想了好多年。這幾年過去了，台灣發展AI的環境並沒有變好，資源嚴重錯置。但政府的政策無法直接從最上位頒布，直接指定產業發展方向，政策在閣員交替的時候難有一致性，跨部會溝通協作困難，有一些我認為是民主制度下註定要有的後遺症。
我提出的解方是，由和AI發展高度相關的企業一起捐款，甚至邀請百姓捐款，成立一個基金會，其董事會由捐款方以及和AI發展相關領域的領袖組成。基金會創立時，即決定十年的發展方向，將計畫藍圖規畫清楚之後，將各部分的工作委由各領域的專家來執行，並邀請政府一起參與。
這個基金會的目標至少要有兩個， 一是克服法規限制以及行政上的困難，收集供開發重要的AI使用的資料集並將低風險資料釋出供各界自由使用 ， 第二是訓練出重要且在國際上具有競爭力的基礎模型，例如繁體中文的大型語言模型，並將模型以及訓練歷程的程式碼開源 。
基金會的錢是大家為了一個共同的願景捐獻而出，專款專用，方向定好了，不會輕易改變，不會受到政府改朝換代的影響。業界捐款，必然要有明確且有影響力的目標，否則不會輕易捐款。基金會分配委外工作，避免重複的工作，消除因為研發團隊之間競爭造成的資源消耗。
基金會的長期計劃成功了，對於業界捐款人必然有促進其產業發展的好處，對於每個捐款的個人，會有可以使用到母語的AI模型幫助的好處。如此，我們才不會被邊緣化，必須要使用別的國家的語言才能享受到AI可以為我們帶來的所有益處。如此，或許台灣可以在AI至為關鍵的未來，也扮演重要的角色。
本文授權轉載自：葉肇元臉書
