如果其他国家是狮子,台湾应当 AI 产业中多得数不清的蚂蚁

如果其他国家是狮子,台湾应当 AI 产业中多得数不清的蚂蚁

 

文:卢希鹏 /  卢希鹏快乐管院周记实验室

李开复先生认为台湾没有发展 AI(人工智慧)的机会,同时 AI 将会取代目前 50% 以上的工作,你认为呢?

我觉得这句话只讲了一半,依照过往的经验,新科技创造的工作数量可能比取代的数量来得多。至少,现在的职业多半是农业时代不存在的。

那台湾有没有发展 AI 的机会呢?

何谓新 AI:从 deep learning 开始

30 年前(1986 年)我在清华大学向贝诺尔教授学 AI。1992 年,我在美国取得博士学位,回到台湾科技大学教授的第一门课也是 AI。教了几年,人潮散去、预算删减,觉得 AI 没有甚幺产业价值。

这一波 AI 的革命我称之为「新 AI」,跟 30 年前我学的「旧 AI」是截然不同的。这波革命约从 2006 年的深度学习(deep learning)研究开始。

「旧 AI」的专家往往认为「新 AI」没甚幺,在技术上只不过是把类神经网路多加几层,同时将输入等于输出,以算出特徵量,在功能上就如同回归预测与因素分析的差别。

在「旧 AI」的机器学习上, 人类有一项重要的工作是定义「特徵量」。像是在手写阿拉伯数字辨识上,直接以像素(pixel)作为特徵量;在人脸辨识上,「旧 AI」会先定义人脸的特徵(如两眼瞳孔间的距离等等);或是在预测股票时,「旧 AI」也要先定义股票市场的特徵(如基本面、技术面、消息面等变数),再做监督下的机器学习(就是有老师告诉学习结果的对与错)。

机器学习的好坏取决于人类是否能够定义出好的特徵量,「新 AI」最大的贡献就是电脑可以自己找到特徵表达的方式,不需要人类的监督教导,效果却比人类找到的还要好,麻烦是,人类看不懂 。

「新 AI」崭露头角是在 2012 年的一场全球视觉辨识大赛(ImageNet),历年来世界各地参赛者的图片辨识率始终在 70%-75% 左右的水準,但多伦多大学队伍竟在 85% 以上,原来他们用的是「深度学习」新演算法。一个準确率在七成的技术是没有商业价值的,当达九成以上,许多应用就产生了。像是语音辨识上,Amazon Alexa、Apple Siri、 Google now、Pepper 都是些商业化的例子。

台湾到底有没有机会发展 AI?

然而这一切「新 AI」的产业化革命,至今不过五年,我认为新 AI 至少会浮现三个机会:

(1)「产生 AI 服务」的大母体

世界上存在着几家大母体(如 Google、脸书、亚马逊、微软、百度、阿里巴巴、腾讯),他们都要抢先成为「新 AI」的作业系统,任何一家的成功,都将让「新 AI」如 Android 一样普及。李开复先生认为目前台湾没有机会的应该是这一块,不过在过去的历史中,台湾发展作业系统的机会本来就很小。

(2)「使用 AI 服务」的小前端

在母体上做系统整合,并发展前端应用,像是智慧製造、智慧家庭、智慧医疗等。台湾有许多世界具领导地位的硬体厂商,只要此类商品占有率的数量如蚂蚁一样多,就有机会胜出。马云说,能打败狮子的,是蚂蚁。

(3)「设计 AI 服务」的数据化

台湾要善用物联网感知器,设计自己的数据。与数位化不同的是,这一波 AI 革命要的是数据化。譬如有人在汽车椅垫下布满感知器,以学习驾驶人坐椅的习惯特徵来成为防盗与防打瞌睡的智能系统;此外,Fintech 的大数据徵信、智能电表产生的能源智能管理,都需要蚂蚁数量的数据化。

台湾有没有发展 AI 机会呢?当然有,因为机会是创造出来的,关键在蚂蚁的数量,还需要随经济(Ubiquinomics)时代的大战略。

——

上一篇: 下一篇:
相关阅读