建立深层认知规则模型 人工智能擘画未来世界蓝图

AI发展将是跨领域人才的结合，涵盖生技、医学、工程、科学、心理、管理等，同时AI因为能取代人类的工作，同时也对我们的工作、社会、产业结构带来许多新兴的挑战。AI应用将会百花齐放，使用者会使用及依赖高准确度的产品服务，而企业则会运用人工智能快速由数位时代升级至智能时代。

自驾车、物联网、智能机械等都需以人工智能(Artificial Intelligence, AI)作为基础，未来AI将会渗透到生活中的各面向，Google、微软(Microsoft)、百度、软银(Softbank)、Facebook等国际级大厂，都砸下钜资展开AI研究与布局。根据市调机构Tractica的预测，全球企业应用的AI市场规模，将从2015年的20.25亿美元，成长至2024年的111亿美元，十年间成长率接近450%。而近期人工智能与深度学习等技术发展热度增温，更成为推动智能型机器人发展的重要动能。

有“人工智能之父”的美国麻省理工学院教授麦卡锡(John McCarthy)，50年前就将AI定义为：“做智能机器的科学与工程，特别是智能电脑程式”。AI发展将是跨领域人才的结合，涵盖生技、医学、工程、科学、心理、管理等，同时AI因为能取代人类的工作，同时也对我们的工作、社会、产业结构带来许多新兴的挑战。

国际大厂抢先布局AI

人工智能并不是新兴名词，早在1956年于达特茅斯会议中，“图灵测试”文章正式定义了AI，但这么多年来其技术发展经历数次起伏，资策会MIC产业分析师韩扬铭(图1)指出，目前普遍的人工智能技术皆是以弱人工智能(Weak AI)为主，以此辅助人们各种行为与决策，弱人工智能并不强调机器的自我意识，其可以模拟人的思考及行动，但不知其所以然。另外，相对于弱人工智能的就是强人工智能(Strong AI)，其强调可以聪明的、有意识的思考及行动，不过这类技术不是目前人工智能发展的重心。

AI近两年卷土重来，透过AlphaGo打败各路棋王，称霸围棋之际，迅速变成科技大厂投资标的，包括Google、IBM、百度等。韩扬铭表示，Google发展各项人工智能技术供大众使用，加深使用者对其服务的依赖，并且累积更多资料精进人工智能，再发展付费服务提供企业客户，也不断并购具特殊能力的新创公司与团队，强化自身的整体实力。

业界最最知名的人工智能之一IBM Watson，近年积极往医疗领域发展，推出个人医疗指导程式、电子健康纪录分析、血糖管理方案、人工智能医疗计划等。也发展服装设计、自驾系统、AI律师等专业领域的服务，协助企业进行智能化应用，并自行累积资料判读能力。另外，韩扬铭说明，百度着重自主研发，并在资料收集上具有充分的属地优势，以将资料训练后提升其服务的精准度，同时大举投资人工智能努力转型，开发实验性智能化硬体产品，其语音服务已经有世界级水准，普通话的辨识率达97%，并发展企业智能化云端服务，另辟线上线下(O2O)智能服务战场。

不过人工智能应用领域宽广，不是只有大厂才可以玩，韩扬铭认为，各种平台及开放资源越来越多，让中小型企业甚至个人都可以快速切入智能化服务；未来也不单只是使用一项人工智能技术进行研发，而是运用复合技术进行彼此支援，创造更多及更有效的产品/服务；AI应用将会百花齐放，使用者会使用及依赖高准确度的产品服务，而企业则会运用人工智能快速由数位时代升级至智能时代。

AI从云端走向终端

AI虽然是近年的热门话题，但却不是那么遥不可及，ARM移动通讯暨数位家庭资深市场经理林修平(图2)指出，根据勤业众信(Deloitte Global)的研究，2017年有超过3亿支手机具备AI的能力，以目前每年15亿支手机的市场规模来看，有1/5的手机具备AI功能，这些消费者经常使用的功能包括：室内导航(Indoor Navigation)、扩增实境(Augmented Reality)、翻译、影像分类(Image Classification)、语音辨识(Speech Recognition)等。而且应用领域会从云端逐渐转移到终端，特别是与个人或安全有关的应用。

行动AI的应用大致分成两类：一是人机介面，一是系统/安全相关。因应未来AI的应用越来越广泛，手机上的麦克风与摄影机扮演耳目的功能，搭载数量将持续提升，未来一支手机搭载的摄影镜头可能多达8个。因应AI功能手机运算能力也将持续提升，CPU负责处理逻辑运算，GPU负责影像处理的平行运算，处理能力也将持续提升；安全性防护随着AI的发展需求水涨船高，包括被动安全性防护与主动的安全性功能。

ARM身为CPU IP的供应商，针对AI的应用，未来也将持续优化其产品架构与运算能力，林修平指出，该公司延续过去的big.LITTLE架构，推出DynamIQ架构，未来3~5年可以提升CPU较现有50倍的AI效能，包括Compute Library平均4.6~15倍的效能提升，与核心3~5倍效能提升，综合下来得到的效能提升预测。

深度学习为AI技术核心

AI近期之所以受到各界高度瞩目，原因就是这个技术也即将为人们的经济活动带来重大的改变，只是过去这些革新为人们省下的是劳力，这次是脑力。近期讨论AI可能取代很多人类的工作，而造成失业问题，事实上这是一种全面性的提升，协助人类从原先那些无聊的重复性的工作中解放出来，DeepBelief.ai首席人工智能科学家尹相志(图3)认为，以AlphaGo的例子而言，电脑到目前为止仍然不具思维或自我意识，也没有策略能力，他只是在围棋这项活动中，透过深度学习找到最佳胜率的方程式，同时以大量数据自行学习而得到的结果。

简单的说，人与动物的不同在于，到目前为止我们是唯一一种具备深度感知的生物，尹相志强调，我们可以理解、感应深层的规则，但是却无法将这个能力具体化，所以现在深度学习就是要“模仿”这样的神经元运作，把人类的直觉认知变成有逻辑的规则。其中有三个最重要的流派，一是卷积神经网路(Convolutional Neural Networks, CNN)，主要应用在机器视觉；二是递回神经网路(Recurrent Neural Network, RNN)，主要应用在语言模型建立；三是强化学习(Reinforcement Learning)，最典型的案例就是AlphaGo，是一种制约机制。

影像分析大概是AI这几年发展得最好的技术之一，透过特征的群聚性，从像素层级寻找特征，而卷积神经网路就是对像素的矩阵操作，不断将特征分层分析再分层，找出特征中的特征，最后就可以达到我们的深层感知的效果，比如透过一张照片认出一只猫，可以应用在识别分类、目标检测、语意分割、动作检测上。

语言模型从语音辨识发展起，2016年微软语音辨识正确率正式超过人类专业速记员，Google翻译也改为采用递回神经网路模型，基本上在语言辨识部分，英语为主的欧美语系不是太大问题，但中文还是一个瓶颈，尹相志说，光中文字就有超过2万个，弹性的语言结构，包括中英夹杂、方言、流行语等都为语言数据化提升了复杂度，而透过自然语言来整理知识图谱，知识图谱再透过自然语言进行推理，是AI下一波发展重点。

强化学习就是透过与真实世界互动，找出最佳策略组合来让价值最大化，AlphaGo训练电脑如何找到最佳策略，尹相志表示，DeepMind就是透过强化学习让人工智能以视觉互动来玩电玩游戏，并强化价值的建立，让电脑了解赢得游戏就是价值方向，促成电脑不断朝向建立赢得游戏的策略发展，其预测模型就是预测环境状态的变化，并预测变化对价值的影响，然后不断因应，找出赢的策略/做法。

AI成为国家竞争力核心要素之一

AI的发展与技术掌握，也是国家竞争力的展现，所以除了产业投入以外，世界各科技大国也倾政府之力发展，国实院高速网路与计算中心副研究员潘怡伦(图4)说，美国政府发布未来“国家人工智能研究发展战略计划书”及“准备迎接人工智能未来”战略报告，将AI发展定位于国家战略层级。而日本常年致力发展机器人与AI，日本新能源产业技术开发机构(NEDO)公布“日本下世代人工智能社会运用愿景”将制造业、行动生活、医疗/健康/照顾、批发零售及流通等四项出口列为2025~2030年实现重点。

近年致力发展最新技术的中国大陆，也于2016年中国发改委与科技部公布“互联网+人工智能三年行动实施方案”，将人工智能列入十三五计划，将AI提升为战略产业项目之一。韩国政府也宣布于2020年前将投资约新台币276.8亿元，促进人工智能产业研发，并由民间成立一所研究中心，做为国家AI产业研发枢纽。

反观台湾，包括李开复、简立峰、杜奕瑾等皆曾对台湾发展AI提出建言，不过大家的共识之一就是，台湾过去太重硬体轻软体，这是发展AI的危机，台湾必须由硬体技术转型升级至创新与智能化软体研发，并强化软硬整合人才与市场，同时配合顶尖的学术研究与国内厂商的硬体制造能力，以在AI产业取得一席之地。

模型建立如传统技艺

要导入AI要先订出技术架构，目前业界有很多相关的工具，台大电机系助理教授李宏毅(图5)表示，一般来说AI模型分成两部分一是学习或训练，另一是测试。在学习或训练的架构中有三个步骤，第一个就是决定网路的结构，尤其是在深度学习架构中，要先决定网路有几层，每层有多少个神经元，第二个步骤就要定义目标，也就是架构的重点，比如说是要辨识猫，要先提供很多数据告诉电脑猫的特征，以便其准确的辨识；第三部分要选择对的演算法，然后用最快的方式求出最佳解。

在上述的过程与结果中，有些很简单同时也很困难技艺，与传统手工艺类似，李宏毅解释，深度学习模型的建立就像制作手拉坏一样，手拉胚的师傅可以用简单的原料，轻巧的手法，顺畅的完成一个完美的作品，但我们一般人来做却未必如此；深度学习的模型如果选对工具，倒入适当的资料，就会很准确的完成你的目标，但若是不够了解深度学习的技术架构与模型建立方法，就会遭遇很大的阻碍，这就是差别所在。

AI应用创造全新商机

AI从最早被提出的1940年代，历经几次的发展不顺利，资策会MIC资深产业分析师李震华(图6)指出，近年各种数据大规模的成长，人工智能因为演算法技术逐步成熟、大数据崛起、云端运算与储存技术提升及物联网应用兴起等因素，得以趁势而起有突破性的成长。未来在产业应用上，包括制造业、流通业、金融业都是热门的应用领域。

AI应用种类众多，理财机器人就是很受瞩目的一项，这两年机器人理财业者管理资产规模呈现快速成长，预计将从2015年200亿美元，成长到2020年的4500亿美元，显示机器人理财技术成熟，市场接受度越来越高。另外，美国金融巨擘摩根大通(JPMorgan Chase& Co.)2016年推出合约分析智能软体COIN，代替律师及信贷人员审查合约文件，将原本每年所耗费处理工时约36万小时的工作，缩短至几秒内完成。

台湾在发展AI的过程中，李震华建议，要锁定优先需求场域，像是智能工厂、长期照护、智能交通/运输等；另外，要聚焦特定利基领域，如汉语文处理、电脑视觉、影像辨识等；最后就是结合台湾产业优势，诸如IC设计、晶圆代工产业、安控产业或系统整合，结合AI技术，发展特定领域应用之产品服务，关键应用元件或完整解决方案。

AI专利布局与分析

AI近期受到业界广泛讨论，专利布局也变成各国与各大厂布局的重点，资策会MIC资深产业分析师陈赐贤(图7)分析，针对22,976件人工智能美国专利国际权利人所属国家进行比对分析，发现美国握有专利权占比达61.9%、日本达11.3%，合计高达73.2%，相较台湾仅1.0%。另外以所属领域别而言，主要集中在运算科技达76.8%，其他依序为控制、测量、数位通讯、资讯科技管理方法、电信、视听科技等。

台湾目前在人工智能领域的专利布局相对落后，并且集中于自然语言处理、适应性控制系统等，陈赐贤说明，智能客服目前专利数少且应用范围广容易找到利基市场，是属于需要开发的新兴应用市场。建议台湾科技业者应先锁定特定应用领域，像是管理类的办公室自动化，商务类的客户管理、金融类的授信等，进一步建置该领域知识库或是专家系统并开发相应的语音识别、学习方法、机器学习、自然语言处理等，并做好专利申请与布局规划。

另外，智能影像检测专利涉及的神经网路相关技术中，与学习方法有关的专利数并不多，陈赐贤建议，台湾相关业者可投入研发资源开发瑕疵分类以及学习方法涉及的监督式学习、非监督式学习、增强式学习等相关技术进行深入研究，同时做好国外尤其美国专利申请与布局，积极保护台湾智能影像检测的自主创新技术。