建立深層認知規(guī)則模型 人工智能擘畫未來世界藍圖

 

　　AI發(fā)展將是跨領域人才的結合，涵蓋生技、醫(yī)學、工程、科學、心理、管理等，同時AI因為能取代人類的工作，同時也對我們的工作、社會、產(chǎn)業(yè)結構帶來許多新興的挑戰(zhàn)。AI應用將會百花齊放，用戶會使用及依賴高準確度的產(chǎn)品服務，而企業(yè)則會運用人工智能快速由數(shù)字時代升級至智能時代。

 

　　自駕車、物聯(lián)網(wǎng)、智能機械等都需以人工智能（ArtificialIntelligence,AI）作為基礎，未來AI將會滲透到生活中的各面向，Google、微軟（Microsoft）、百度、軟銀（Softbank）、Facebook等國際級大廠，都砸下巨資展開AI研究與布局。根據(jù)市調(diào)機構Tractica的預測，全球企業(yè)應用的AI市場規(guī)模，將從2015年的20.25億美元，成長至2024年的111億美元，十年間成長率接近450%。而近期人工智能與深度學習等技術發(fā)展熱度增溫，更成為推動智能機器人發(fā)展的重要動能。

 

　　有「人工智能之父」的美國麻省理工學院教授麥卡錫（JohnMcCarthy），50年前就將AI定義為：「做智能機器的科學與工程，特別是智能計算機程序」。AI發(fā)展將是跨領域人才的結合，涵蓋生技、醫(yī)學、工程、科學、心理、管理等，同時AI因為能取代人類的工作，同時也對我們的工作、社會、產(chǎn)業(yè)結構帶來許多新興的挑戰(zhàn)。

 

 

　　人工智能并不是新興名詞，早在1956年于達特茅斯會議中，「圖靈測試」文章正式定義了AI，但這么多年來其技術發(fā)展經(jīng)歷數(shù)次起伏，資策會MIC產(chǎn)業(yè)分析師韓揚銘（圖1）指出，目前普遍的人工智能技術皆是以弱人工智能（WeakAI）為主，以此輔助人們各種行為與決策，弱人工智能并不強調(diào)機器的自我意識，其可以仿真人的思考及行動，但不知其所以然。另外，相對于弱人工智能的就是強人工智能（StrongAI），其強調(diào)可以聰明的、有意識的思考及行動，不過這類技術不是目前人工智能發(fā)展的重心。

 

　　資策會MIC產(chǎn)業(yè)分析師韓揚銘指出，目前普遍的人工智能技術皆是以弱人工智能WeakAI為主，并不具備機器的自我意識。

 

　　AI近兩年卷土重來，透過AlphaGo打敗各路棋王，稱霸圍棋之際，迅速變成科技大廠投資標的，包括Google、IBM、百度等。韓揚銘表示，Google發(fā)展各項人工智能技術供大眾使用，加深用戶對其服務的依賴，并且累積更多數(shù)據(jù)精進人工智能，再發(fā)展付費服務提供企業(yè)客戶，也不斷并購具特殊能力的新創(chuàng)公司與團隊，強化自身的整體實力。

 

　　業(yè)界最最知名的人工智能之一IBMWatson，近年積極往醫(yī)療領域發(fā)展，推出個人醫(yī)療指導程序、電子健康紀錄分析、血糖管理方案、人工智能醫(yī)療計劃等。也發(fā)展服裝設計、自駕系統(tǒng)、AI律師等專業(yè)領域的服務，協(xié)助企業(yè)進行智能化應用，并自行累積數(shù)據(jù)判讀能力。另外，韓揚銘說明，百度著重自主研發(fā)，并在數(shù)據(jù)收集上具有充分的屬地優(yōu)勢，以將數(shù)據(jù)訓練后提升其服務的精準度，同時大舉投資人工智能努力轉型，開發(fā)實驗性智能化硬件產(chǎn)品，其語音服務已經(jīng)有世界級水平，普通話的辨識率達97%，并發(fā)展企業(yè)智能化云端服務，另辟在線線下（O2O）智能服務戰(zhàn)場。

 

　　不過人工智能應用領域?qū)拸V，不是只有大廠才可以玩，韓揚銘認為，各種平臺及開放資源越來越多，讓中小型企業(yè)甚至個人都可以快速切入智能化服務；未來也不單只是使用一項人工智能技術進行研發(fā)，而是運用復合技術進行彼此支持，創(chuàng)造更多及更有效的產(chǎn)品/服務；AI應用將會百花齊放，用戶會使用及依賴高準確度的產(chǎn)品服務，而企業(yè)則會運用人工智能快速由數(shù)字時代升級至智能時代。

 

 

　　AI雖然是近年的熱門話題，但卻不是那么遙不可及，ARM移動通訊暨數(shù)字家庭資深市場經(jīng)理林修平指出，根據(jù)勤業(yè)眾信（DeloitteGlobal）的研究，2017年有超過3億支手機具備AI的能力，以目前每年15億支手機的市場規(guī)模來看，有1/5的手機具備AI功能，這些消費者經(jīng)常使用的功能包括：室內(nèi)導航（IndoorNavigation）、擴增實境（AugmentedReality）、翻譯、影像分類（ImageClassification）、語音識別（SpeechRecognition）等。而且應用領域會從云端逐漸轉移到終端，特別是與個人或安全有關的應用。

 

　　行動AI的應用大致分成兩類：一是人機接口，一是系統(tǒng)/安全相關。因應未來AI的應用越來越廣泛，手機上的麥克風與攝影機扮演耳目的功能，搭載數(shù)量將持續(xù)提升，未來一支手機搭載的攝影鏡頭可能多達8個。因應AI功能手機運算能力也將持續(xù)提升，CPU負責處理邏輯運算，GPU負責圖像處理的平行運算，處理能力也將持續(xù)提升；安全性防護隨著AI的發(fā)展需求水漲船高，包括被動安全性防護與主動的安全性功能。

 

　　ARM身為CPUIP的供貨商，針對AI的應用，未來也將持續(xù)優(yōu)化其產(chǎn)品架構與運算能力，林修平指出，該公司延續(xù)過去的big.LITTLE架構，推出DynamIQ架構，未來3~5年可以提升CPU較現(xiàn)有50倍的AI效能，包括ComputeLibrary平均4.6~15倍的效能提升，與核心3~5倍效能提升，綜合下來得到的效能提升預測。

 

 

　　AI近期之所以受到各界高度矚目，原因就是這個技術也即將為人們的經(jīng)濟活動帶來重大的改變，只是過去這些革新為人們省下的是勞力，這次是腦力。近期討論AI可能取代很多人類的工作，而造成失業(yè)問題，事實上這是一種全面性的提升，協(xié)助人類從原先那些無聊的重復性的工作中解放出來，DeepBelief.ai首席人工智能科學家尹相志（圖3）認為，以AlphaGo的例子而言，計算機到目前為止仍然不具思維或自我意識，也沒有策略能力，他只是在圍棋這項活動中，透過深度學習找到最佳勝率的方程序，同時以大量數(shù)據(jù)自行學習而得到的結果。

 

　　DeepBelief.ai首席人工智能科學家尹相志認為，計算機到目前為止仍然不具思維或自我意識，也沒有策略能力。

 

　　簡單的說，人與動物的不同在于，到目前為止我們是唯一一種具備深度感知的生物，尹相志強調(diào)，我們可以理解、感應深層的規(guī)則，但是卻無法將這個能力具體化，所以現(xiàn)在深度學習就是要「模仿」這樣的神經(jīng)元運作，把人類的直覺認知變成有邏輯的規(guī)則。其中有三個最重要的流派，一是卷積神經(jīng)網(wǎng)絡（ConvolutionalNeuralNetworks,CNN），主要應用在機器視覺；二是遞歸神經(jīng)網(wǎng)絡（RecurrentNeuralNetwork,RNN），主要應用在語言模型建立；三是強化學習（ReinforcementLearning），最典型的案例就是AlphaGo，是一種制約機制。

 

　　影像分析大概是AI這幾年發(fā)展得最好的技術之一，透過特征的群聚性，從像素層級尋找特征，而卷積神經(jīng)網(wǎng)絡就是對像素的矩陣操作，不斷將特征分層分析再分層，找出特征中的特征，最后就可以達到我們的深層感知的效果，比如透過一張照片認出一只貓，可以應用在識別分類、目標檢測、語意分割、動作檢測上。

 

　　語言模型從語音識別發(fā)展起，2016年微軟語音識別正確率正式超過人類專業(yè)速記員，Google翻譯也改為采用遞歸神經(jīng)網(wǎng)絡模型，基本上在語言辨識部分，英語為主的歐美語系不是太大問題，但中文還是一個瓶頸，尹相志說，光中文字就有超過2萬個，彈性的語言結構，包括中英夾雜、方言、流行語等都為語言數(shù)據(jù)化提升了復雜度，而透過自然語言來整理知識圖譜，知識圖譜再透過自然語言進行推理，是AI下一波發(fā)展重點。

 

　　強化學習就是透過與真實世界互動，找出最佳策略組合來讓價值最大化，AlphaGo訓練計算機如何找到最佳策略，尹相志表示，DeepMind就是透過強化學習讓人工智能以視覺互動來玩電玩游戲，并強化價值的建立，讓計算機了解贏得游戲就是價值方向，促成計算機不斷朝向建立贏得游戲的策略發(fā)展，其預測模型就是預測環(huán)境狀態(tài)的變化，并預測變化對價值的影響，然后不斷因應，找出贏的策略/做法。

 

 

　　AI的發(fā)展與技術掌握，也是國家競爭力的展現(xiàn)，所以除了產(chǎn)業(yè)投入以外，世界各科技大國也傾政府之力發(fā)展，國實院高速網(wǎng)絡與計算中心副研究員潘怡倫（圖4）說，美國政府發(fā)布未來「國家人工智能研究發(fā)展戰(zhàn)略計劃書」及「準備迎接人工智能未來」戰(zhàn)略報告，將AI發(fā)展定位于國家戰(zhàn)略層級。而日本常年致力發(fā)展機器人與AI，日本新能源產(chǎn)業(yè)技術開發(fā)機構（NEDO）公布「日本下世代人工智能社會運用愿景」將制造業(yè)、行動生活、醫(yī)療/健康/照顧、批發(fā)零售及流通等四項出口列為2025~2030年實現(xiàn)重點。

 

　　國實院高速網(wǎng)絡與計算中心副研究員潘怡倫說，臺灣必須由硬件技術轉型升級至創(chuàng)新與智能化軟件研發(fā)，以在AI產(chǎn)業(yè)取得一席之地。

 

　　近年致力發(fā)展最新技術的中國大陸，也于2016年中國發(fā)改委與科技部公布「互聯(lián)網(wǎng)+人工智能三年行動實施方案」，將人工智能列入十三五計劃，將AI提升為戰(zhàn)略產(chǎn)業(yè)項目之一。韓國政府也宣布于2020年前將投資約新臺幣276.8億元，促進人工智能產(chǎn)業(yè)研發(fā)，并由民間成立一所研究中心，做為國家AI產(chǎn)業(yè)研發(fā)樞紐。

 

　　反觀臺灣，包括李開復、簡立峰、杜奕瑾等皆曾對臺灣發(fā)展AI提出建言，不過大家的共識之一就是，臺灣過去太重硬件輕軟件，這是發(fā)展AI的危機，臺灣必須由硬件技術轉型升級至創(chuàng)新與智能化軟件研發(fā)，并強化軟硬整合人才與市場，同時配合頂尖的學術研究與國內(nèi)廠商的硬件制造能力，以在AI產(chǎn)業(yè)取得一席之地。

 

 

　　要導入AI要先訂出技術架構，目前業(yè)界有很多相關的工具，臺大電機系助理教授李宏毅（圖5）表示，一般來說AI模型分成兩部分一是學習或訓練，另一是測試。在學習或訓練的架構中有三個步驟，第一個就是決定網(wǎng)絡的結構，尤其是在深度學習架構中，要先決定網(wǎng)絡有幾層，每層有多少個神經(jīng)元，第二個步驟就要定義目標，也就是架構的重點，比如說是要辨識貓，要先提供很多數(shù)據(jù)告訴計算機貓的特征，以便其準確的辨識；第三部分要選擇對的算法，然后用最快的方式求出最佳解。

 

　　臺大電機系助理教授李宏毅解釋，深度學習模型的建立如果選對工具，倒入適當?shù)臄?shù)據(jù)，就會很準確的完成目標。

 

　　在上述的過程與結果中，有些很簡單同時也很困難技藝，與傳統(tǒng)手工藝類似，李宏毅解釋，深度學習模型的建立就像制作手拉壞一樣，手拉胚的師傅可以用簡單的原料，輕巧的手法，順暢的完成一個完美的作品，但我們一般人來做卻未必如此；深度學習的模型如果選對工具，倒入適當?shù)臄?shù)據(jù)，就會很準確的完成你的目標，但若是不夠了解深度學習的技術架構與模型建立方法，就會遭遇很大的阻礙，這就是差別所在。

 

 

　　AI從最早被提出的1940年代，歷經(jīng)幾次的發(fā)展不順利，資策會MIC資深產(chǎn)業(yè)分析師李震華（圖6）指出，近年各種數(shù)據(jù)大規(guī)模的成長，人工智能因為算法技術逐步成熟、大數(shù)據(jù)崛起、云端運算與儲存技術提升及物聯(lián)網(wǎng)應用興起等因素，得以趁勢而起有突破性的成長。未來在產(chǎn)業(yè)應用上，包括制造業(yè)、流通業(yè)、金融業(yè)都是熱門的應用領域。

 

　　資策會MIC資深產(chǎn)業(yè)分析師李震華指出，臺灣發(fā)展AI，要鎖定優(yōu)先需求場域。

 

　　AI應用種類眾多，理財機器人就是很受矚目的一項，這兩年機器人理財業(yè)者管理資產(chǎn)規(guī)模呈現(xiàn)快速成長，預計將從2015年200億美元，成長到2020年的4500億美元，顯示機器人理財技術成熟，市場接受度越來越高。另外，美國金融巨擘摩根大通（JPMorganChase&Co.）2016年推出合約分析智能軟件COIN，代替律師及信貸人員審查合約文件，將原本每年所耗費處理工時約36萬小時的工作，縮短至幾秒內(nèi)完成。

 

　　臺灣在發(fā)展AI的過程中，李震華建議，要鎖定優(yōu)先需求場域，像是智能工廠、長期照護、智能交通/運輸?shù)?；另外，要聚焦特定利基領域，如漢語文處理、計算機視覺、影像辨識等；最后就是結合臺灣產(chǎn)業(yè)優(yōu)勢，諸如IC設計、晶圓代工產(chǎn)業(yè)、安控產(chǎn)業(yè)或系統(tǒng)整合，結合AI技術，發(fā)展特定領域應用之產(chǎn)品服務，關鍵應用組件或完整解決方案。

 

 

　　AI近期受到業(yè)界廣泛討論，專利布局也變成各國與各大廠布局的重點，資策會MIC資深產(chǎn)業(yè)分析師陳賜賢分析，針對22,976件人工智能美國專利國際權利人所屬國家進行比對分析，發(fā)現(xiàn)美國握有專利權占比達61.9%、日本達11.3%，合計高達73.2%，相較臺灣僅1.0%。另外以所屬領域別而言，主要集中在運算科技達76.8%，其他依序為控制、測量、數(shù)字通訊、信息科技管理方法、電信、視聽科技等。

 

　　資策會MIC資深產(chǎn)業(yè)分析師陳賜賢指分析，臺灣目前在人工智能領域的專利布局相對落后，且集中于自然語言處理、適應性控制系統(tǒng)等。

 

　　臺灣目前在人工智能領域的專利布局相對落后，并且集中于自然語言處理、適應性控制系統(tǒng)等，陳賜賢說明，智能客服目前專利數(shù)少且應用范圍廣容易找到利基市場，是屬于需要開發(fā)的新興應用市場。建議臺灣科技業(yè)者應先鎖定特定應用領域，像是管理類的辦公室自動化，商務類的客戶管理、金融類的授信等，進一步建置該領域知識庫或是專家系統(tǒng)并開發(fā)相應的語音識別、學習方法、機器學習、自然語言處理等，并做好專利申請與布局規(guī)劃。

 

　　另外，智能影像檢測專利涉及的神經(jīng)網(wǎng)絡相關技術中，與學習方法有關的專利數(shù)并不多，陳賜賢建議，臺灣相關業(yè)者可投入研發(fā)資源開發(fā)瑕疵分類以及學習方法涉及的監(jiān)督式學習、非監(jiān)督式學習、增強式學習等相關技術進行深入研究，同時做好國外尤其美國專利申請與布局，積極保護臺灣智能影像檢測的自主創(chuàng)新技術。