建立深层认知规则模型人工智能擘画未来世界蓝图

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，用户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字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（ArtificialIntelligence,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，都砸下巨资展开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（JohnMcCarthy），50年前就将AI定义为：「做智能机器的科学与工程，特别是智能计算机程序」。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（WeakAI）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，其可以仿真人的思考及行动，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（StrongAI），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。

资策会MIC产业分析师韩扬铭指出，目前普遍的人工智能技术皆是以弱人工智能WeakAI为主，并不具备机器的自我意识。

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，加深用户对其服务的依赖，并且累积更多数据精进人工智能，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IBMWatson，近年积极往医疗领域发展，推出个人医疗指导程序、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，并自行累积数据判读能力。另外，韩扬铭说明，百度着重自主研发，并在数据收集上具有充分的属地优势，以将数据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件产品，其语音服务已经有世界级水平，普通话的辨识率达97%，并发展企业智能化云端服务，另辟在线线下（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，KUKA机器人电路板维修，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持，创造更多及更有效的产品/服务；AI应用将会百花齐放，用户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字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移动通讯暨数字家庭资深市场经理林修平指出，根据勤业众信（DeloitteGlobal）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（IndoorNavigation）、扩增实境（AugmentedReality）、翻译、影像分类（ImageClassification）、语音识别（SpeechRecognition）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：一是人机接口，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，KUKA机器人维修，CPU负责处理逻辑运算，GPU负责图像处理的平行运算，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CPUIP的供货商，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ComputeLibrary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，计算机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序，同时以大量数据自行学习而得到的结果。

DeepBelief.ai首席人工智能科学家尹相志认为，计算机到目前为止仍然不具思维或自我意识，也没有策略能力。

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，一是卷积神经网络（ConvolutionalNeuralNetworks,CNN），主要应用在机器视觉；二是递归神经网络（RecurrentNeuralNetwork,RNN），主要应用在语言模型建立；三是强化学习（ReinforcementLearning），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，而卷积神经网络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。