close
想像 dreaming up visions
簡單來說，人工智慧是透過演算法 與程式科技，讓電腦甚至機器能像人類一樣行為與思考；因此，大量的擬人化應用是人工智慧最基本的產業原型。雖然人工智慧寒冬了數十年，但近兩年科技生活中，從圖像自動辨識到無人車的實現，甚至AlphaGo電腦程式的幾場勝利，再次讓AI嶄露頭角，微軟更標註今年是人工智慧元年，引起各界莫大關注。
人工智慧（artificial intelligence，簡稱AI）一詞在近期已是當紅炸子雞，2016年3月Google開發的AlphaGo與韓國世界頂尖棋手李世乭展開的圍棋對戰，掀起了全球對於人工智慧的另一波狂潮，這也是AI技術的重大突破的里程碑，但AlphaGo戰役後的釋義紛沓而來，讓人對該領域仍是一團迷霧。
龍頭企業與 跨時代的AlphaGo
環境抽象認知 abstracting across environments
人工智慧的產業應用事實上已超越一般大眾想像，就衝擊人類發展而言，備受討論的課題除了道德外，還有人類工作職能的取代疑慮。
AlphaGo的突破點在於，它設法讓電腦也可以發展出自己的「直覺」，也就是能強化機器在圍棋方面的深度學習能力，透過持續應用複雜的統計運算，在噪雜的數據中自行歸納出規則。而要讓機器具有這樣的能力，有兩項充分必要條件：眾多的數據處理晶片以及巨量可供分析的數據。基本上，AlphaGo有兩層深度學習的分析架構，第一層稱作「策略網路」（policy network），用來模仿人類的下棋模式，包括歸納與學習特徵、原則、和經驗法則，在實際比賽時，這層作業系統的職責是分析出目前場上棋局的特徵為何，協助後續的分析階層產出最適策略。
不過，如果戰場轉換到圍棋，對於AI來說，西洋棋就只是小菜一碟。就圍棋的規則而言，每一顆擺上棋盤的棋子、每使用一套棋去包圍對方的棋，都會影響自己最後的得分；當一顆棋被對手的棋子包圍，就將被移除。如果要以數字來表示，在西洋棋中，對手下一步的策略會有1,047個機率需要去分析，圍棋策略則高達10,170個之多，且每一個決定又將引發另外250種可能的移動、攻城方式。在過去完全無法有任何人工智慧能夠突破這樣 的運算範疇去計算出最適解。
創造抽象的思維 creative abstract thought
人機對弈一直是AI科學家醉心的課題。在1997年IBM的超級電腦Deep Blue曾經擊敗世界西洋棋冠軍Garry Kasparov，自此之後，AI在西洋棋方面的表現持續進步，目前可以說是穩定超越人類的能力。
在深度學習的基礎上，進一步將因果結構及思考相關元素以造成事件發生，或以時間主軸來形成故事。就是AI智慧可進一步理解排序、進行推理。其中如優化技術，Kumar和Socher等人改進動態記憶網路，支持機器人專注。而Weston等人最近開發的點至點記憶網路，則擴充建模能力和表達能力。
而2015年，因機器模仿神經網路運算模式的深度學習（deep learning）相關技術終於有所突破，諸多功能陸續被設計開發，主要的重要相關類別包括：環境抽象認知、直覺概念理解、創造抽象的思維、想像等俐落且精巧的技能。
一般而言，AI程式設計的概念是參照人類神經網路的運作來撰寫，近年來由於大量數據的累積，給予機器更強力的資訊參考依據，加上晶片處理數據的能力提升，使得機器程式可以進行多層次的策略處理。數據加上晶片的優化，是電腦近年來可以開始進行「深度思考」的關鍵。對Google、臉書、百度、亞馬遜等這些掌握巨量數據的公司來說，由於特別具有發展AI的優勢，也看準了AI所能帶來的潛在商業利益，因此展開了一場腥風血雨的人才爭奪戰。
短期來看，AI影響社會的可能衝擊討論有利於許多領域的發展，不管是經濟層面、技術層面到法律；像是認證、有效性、資訊安全與控制等。
就更近期的發展來看，根據未來生活研究機構（Future of Life Institute）報告，2015年人工智慧的發展進程快速得讓人嘆為觀止，相對大部分研究逐步累積成果而言，AI領域尋求突破是更具難度與費時，故一旦跨越了某關鍵難題，則成為人工智慧極重要且快速發展的階段；該發展主要在於 近50年研究仍多偏於機器學習（machine learning），也就是模仿人類行為，在思考機制上一直難以突破。
指人工智慧的深度學習中，可以針對隱藏在系統中的亞符號知識（subsymbolic knowledge）進行推理。就是讓機器可以從單次的經驗累積，進而取得人類層次的概念學習。
矽谷行動裝置與電腦設計最具代表的蘋果，近期不斷收購人工智慧相關新創企業；媒體發現其人工智慧專家規模快速成長，而行動設備的Siri語音軟體越加成熟，包括靈活互動與輔助功能，展現其現階段重要成果。
直覺概念理解 intuitive concept understanding
除此之外，在西洋棋中，具有一些賦與權重可能的要素，例如騎士高於士兵，皇后大於騎士與士兵等，這讓電腦程式至少有一些原則可以遵循，加快分析出最適策略的速度。但是，圍棋每顆棋子的價值取決於它在棋盤上與其他棋子的相對位置，因此自古以來，從來沒有一位圍棋棋士可以具體描繪出什麼是「好的策略」、「高分的策略」，通常棋士僅能以「直覺」解釋。如此一來，更讓程式設計者對於圍棋過程中人腦的策略運作毫無脈絡可循。
在學習程式下，同時支配學習與行動；並將所學的技能與知識轉化。例如，機器可以從製作餅乾過程中，將餅乾的經驗延伸至做出更好吃的巧克力蛋糕。
矽谷最新AI發展與應用
矽谷是美國科技的前哨站，也是各項創新前瞻技術的一級戰區，事實上，在矽谷，許多科技領袖紛紛對人工智慧表達看好支持或敲打警世鐘；最實際地，多數科技巨頭企業大力投資，如蘋果、Google、微軟等，而微軟創辦人比爾蓋茲與身兼電動車大廠Tesla與商用火箭SpaceX創辦人的艾隆馬斯克，則提醒大眾應該關注或憂心AI帶來的諸多衝擊。但也有更多專家與分析師認為，目前科技的硬體與軟體扶搖直上，加上大數據將提供豐沛的資料內涵，人工智慧勢不可擋，因此，就產業發展角度來看，掌握AI先機，反而是開創新商機的大好機會。
AI可透過技術產生幻覺，進而能想像；此源於麻省理工學院與微軟研究院開發的深度疊積反影像網路（deep convolution inverse graphic network）技術，在2D或3D辨識取得學習，進行角度或光線等想像。
而超越用語音控制汽車的無人自動駕駛，是Google X近幾年推出的關鍵應用，尤其今年美國消費性電子展中，以「移動的智慧輪式機器人」為焦點。去年度Google已正式上路測試無人車，預計2020年商業化。
臉書也並非神來一筆提及管家機器人的任務目標，去年度就透露的線上個人智慧助理「M」，已能夠回答問題及簡易執行任務。此外，還收購了語音辨識系統新創公司Wit.ai，可將演講轉為可操作數據，預計有助臉書加強目標廣告之訊息處理能力。
上述的科技巨人都為了AI技術發展實施了收購策略，但仍有諸多新創企業，在民間創投等資金下快速成長。2010至2015年，AI新創企業取得創投等資金是15倍地成長，展現矽谷科技對AI的加持關注與重視。
未來趨勢與挑戰
工商時報【台灣創新創業中心】
上述為近兩年人工智慧發展的技術核心，也不難發現諸多應用已滲透我們目前的生活使用，最明顯的是臉書在圖像的人物與地理高度辨識反應，或是亞馬遜能夠推薦射中消費者心坎的購物清單等。
長期而言，通用人工智慧的到來，預期可以解決人類戰爭、疾病與貧窮的困境，但同時也可能有意或無意地造成災害，潛在的負面情境與災害因應也將成為超級人工智慧實現後須加速配套的工作。
多數的研究報告或矽谷科技人士指出，即使諸多產業應用已初始商業化，但對AI的諸多擔憂仍是過早，主因在於機器「思考」的技術並非一蹴可幾。目前AI樣貌是構築在近幾年人類計算能力提升、網際網路發展、大數據快速累積、AI相關原理研究突破的成果基礎，但真的能精確掌握知識推理仍有很長的路要行進，尤其很多思考與推理須透過感知，或是語義理解等，都算是高層的智慧。
因此，尚不論AI機器人將可能如 何招致破壞性的未來，就矽谷科技產業趨勢而言，人工智慧是我國新創企業值得參與並投入的領域，尤其各大科 技龍頭早已紛紛插旗布局，並示意以開放、參與、公共多數利益來發展，可預見的是，AI革命浪潮方興，並將帶來更多的新興技術與商業模式。
同時，科技領先者的布局行動，也展現了AI相關新創企業資金之豐沛與競爭；例如，目前智慧手機市占表現最好的三星，面對停滯的銷售成長，將提供上百億資源積極尋求併購AI相關軟體開發商。或是，搭配物聯網與大數據的輔成，人工智慧生活應用產品與服務，從交通工具、消費性電子機器商品、娛樂與醫療等，都將是下一波競逐之地。此外，因應AI控制權的延伸性產業，如法律、教育、資安等，也是既有企業到新創企業都必須及早規畫或投入發展的議題。
（本文摘自科技部台灣創新創業中心關鍵技術研究報告）
31B6DB081D6B6A95
簡單來說，人工智慧是透過演算法 與程式科技，讓電腦甚至機器能像人類一樣行為與思考；因此，大量的擬人化應用是人工智慧最基本的產業原型。雖然人工智慧寒冬了數十年，但近兩年科技生活中，從圖像自動辨識到無人車的實現，甚至AlphaGo電腦程式的幾場勝利，再次讓AI嶄露頭角，微軟更標註今年是人工智慧元年，引起各界莫大關注。
人工智慧（artificial intelligence，簡稱AI）一詞在近期已是當紅炸子雞，2016年3月Google開發的AlphaGo與韓國世界頂尖棋手李世乭展開的圍棋對戰，掀起了全球對於人工智慧的另一波狂潮，這也是AI技術的重大突破的里程碑，但AlphaGo戰役後的釋義紛沓而來，讓人對該領域仍是一團迷霧。
龍頭企業與 跨時代的AlphaGo
環境抽象認知 abstracting across environments
人工智慧的產業應用事實上已超越一般大眾想像，就衝擊人類發展而言，備受討論的課題除了道德外，還有人類工作職能的取代疑慮。
AlphaGo的突破點在於，它設法讓電腦也可以發展出自己的「直覺」，也就是能強化機器在圍棋方面的深度學習能力，透過持續應用複雜的統計運算，在噪雜的數據中自行歸納出規則。而要讓機器具有這樣的能力，有兩項充分必要條件：眾多的數據處理晶片以及巨量可供分析的數據。基本上，AlphaGo有兩層深度學習的分析架構，第一層稱作「策略網路」（policy network），用來模仿人類的下棋模式，包括歸納與學習特徵、原則、和經驗法則，在實際比賽時，這層作業系統的職責是分析出目前場上棋局的特徵為何，協助後續的分析階層產出最適策略。
不過，如果戰場轉換到圍棋，對於AI來說，西洋棋就只是小菜一碟。就圍棋的規則而言，每一顆擺上棋盤的棋子、每使用一套棋去包圍對方的棋，都會影響自己最後的得分；當一顆棋被對手的棋子包圍，就將被移除。如果要以數字來表示，在西洋棋中，對手下一步的策略會有1,047個機率需要去分析，圍棋策略則高達10,170個之多，且每一個決定又將引發另外250種可能的移動、攻城方式。在過去完全無法有任何人工智慧能夠突破這樣 的運算範疇去計算出最適解。
創造抽象的思維 creative abstract thought
人機對弈一直是AI科學家醉心的課題。在1997年IBM的超級電腦Deep Blue曾經擊敗世界西洋棋冠軍Garry Kasparov，自此之後，AI在西洋棋方面的表現持續進步，目前可以說是穩定超越人類的能力。
在深度學習的基礎上，進一步將因果結構及思考相關元素以造成事件發生，或以時間主軸來形成故事。就是AI智慧可進一步理解排序、進行推理。其中如優化技術，Kumar和Socher等人改進動態記憶網路，支持機器人專注。而Weston等人最近開發的點至點記憶網路，則擴充建模能力和表達能力。
而2015年，因機器模仿神經網路運算模式的深度學習（deep learning）相關技術終於有所突破，諸多功能陸續被設計開發，主要的重要相關類別包括：環境抽象認知、直覺概念理解、創造抽象的思維、想像等俐落且精巧的技能。
一般而言，AI程式設計的概念是參照人類神經網路的運作來撰寫，近年來由於大量數據的累積，給予機器更強力的資訊參考依據，加上晶片處理數據的能力提升，使得機器程式可以進行多層次的策略處理。數據加上晶片的優化，是電腦近年來可以開始進行「深度思考」的關鍵。對Google、臉書、百度、亞馬遜等這些掌握巨量數據的公司來說，由於特別具有發展AI的優勢，也看準了AI所能帶來的潛在商業利益，因此展開了一場腥風血雨的人才爭奪戰。
短期來看，AI影響社會的可能衝擊討論有利於許多領域的發展，不管是經濟層面、技術層面到法律；像是認證、有效性、資訊安全與控制等。
就更近期的發展來看，根據未來生活研究機構（Future of Life Institute）報告，2015年人工智慧的發展進程快速得讓人嘆為觀止，相對大部分研究逐步累積成果而言，AI領域尋求突破是更具難度與費時，故一旦跨越了某關鍵難題，則成為人工智慧極重要且快速發展的階段；該發展主要在於 近50年研究仍多偏於機器學習（machine learning），也就是模仿人類行為，在思考機制上一直難以突破。
指人工智慧的深度學習中，可以針對隱藏在系統中的亞符號知識（subsymbolic knowledge）進行推理。就是讓機器可以從單次的經驗累積，進而取得人類層次的概念學習。
矽谷行動裝置與電腦設計最具代表的蘋果，近期不斷收購人工智慧相關新創企業；媒體發現其人工智慧專家規模快速成長，而行動設備的Siri語音軟體越加成熟，包括靈活互動與輔助功能，展現其現階段重要成果。
直覺概念理解 intuitive concept understanding
除此之外，在西洋棋中，具有一些賦與權重可能的要素，例如騎士高於士兵，皇后大於騎士與士兵等，這讓電腦程式至少有一些原則可以遵循，加快分析出最適策略的速度。但是，圍棋每顆棋子的價值取決於它在棋盤上與其他棋子的相對位置，因此自古以來，從來沒有一位圍棋棋士可以具體描繪出什麼是「好的策略」、「高分的策略」，通常棋士僅能以「直覺」解釋。如此一來，更讓程式設計者對於圍棋過程中人腦的策略運作毫無脈絡可循。
在學習程式下，同時支配學習與行動；並將所學的技能與知識轉化。例如，機器可以從製作餅乾過程中，將餅乾的經驗延伸至做出更好吃的巧克力蛋糕。
矽谷最新AI發展與應用
矽谷是美國科技的前哨站，也是各項創新前瞻技術的一級戰區，事實上，在矽谷，許多科技領袖紛紛對人工智慧表達看好支持或敲打警世鐘；最實際地，多數科技巨頭企業大力投資，如蘋果、Google、微軟等，而微軟創辦人比爾蓋茲與身兼電動車大廠Tesla與商用火箭SpaceX創辦人的艾隆馬斯克，則提醒大眾應該關注或憂心AI帶來的諸多衝擊。但也有更多專家與分析師認為，目前科技的硬體與軟體扶搖直上，加上大數據將提供豐沛的資料內涵，人工智慧勢不可擋，因此，就產業發展角度來看，掌握AI先機，反而是開創新商機的大好機會。
AI可透過技術產生幻覺，進而能想像；此源於麻省理工學院與微軟研究院開發的深度疊積反影像網路（deep convolution inverse graphic network）技術，在2D或3D辨識取得學習，進行角度或光線等想像。
而超越用語音控制汽車的無人自動駕駛，是Google X近幾年推出的關鍵應用，尤其今年美國消費性電子展中，以「移動的智慧輪式機器人」為焦點。去年度Google已正式上路測試無人車，預計2020年商業化。
臉書也並非神來一筆提及管家機器人的任務目標，去年度就透露的線上個人智慧助理「M」，已能夠回答問題及簡易執行任務。此外，還收購了語音辨識系統新創公司Wit.ai，可將演講轉為可操作數據，預計有助臉書加強目標廣告之訊息處理能力。
上述的科技巨人都為了AI技術發展實施了收購策略，但仍有諸多新創企業，在民間創投等資金下快速成長。2010至2015年，AI新創企業取得創投等資金是15倍地成長，展現矽谷科技對AI的加持關注與重視。
未來趨勢與挑戰
工商時報【台灣創新創業中心】
上述為近兩年人工智慧發展的技術核心，也不難發現諸多應用已滲透我們目前的生活使用，最明顯的是臉書在圖像的人物與地理高度辨識反應，或是亞馬遜能夠推薦射中消費者心坎的購物清單等。
長期而言，通用人工智慧的到來，預期可以解決人類戰爭、疾病與貧窮的困境，但同時也可能有意或無意地造成災害，潛在的負面情境與災害因應也將成為超級人工智慧實現後須加速配套的工作。
多數的研究報告或矽谷科技人士指出，即使諸多產業應用已初始商業化，但對AI的諸多擔憂仍是過早，主因在於機器「思考」的技術並非一蹴可幾。目前AI樣貌是構築在近幾年人類計算能力提升、網際網路發展、大數據快速累積、AI相關原理研究突破的成果基礎，但真的能精確掌握知識推理仍有很長的路要行進，尤其很多思考與推理須透過感知，或是語義理解等，都算是高層的智慧。
因此，尚不論AI機器人將可能如 何招致破壞性的未來，就矽谷科技產業趨勢而言，人工智慧是我國新創企業值得參與並投入的領域，尤其各大科 技龍頭早已紛紛插旗布局，並示意以開放、參與、公共多數利益來發展，可預見的是，AI革命浪潮方興，並將帶來更多的新興技術與商業模式。
同時，科技領先者的布局行動，也展現了AI相關新創企業資金之豐沛與競爭；例如，目前智慧手機市占表現最好的三星，面對停滯的銷售成長，將提供上百億資源積極尋求併購AI相關軟體開發商。或是，搭配物聯網與大數據的輔成，人工智慧生活應用產品與服務，從交通工具、消費性電子機器商品、娛樂與醫療等，都將是下一波競逐之地。此外，因應AI控制權的延伸性產業，如法律、教育、資安等，也是既有企業到新創企業都必須及早規畫或投入發展的議題。
（本文摘自科技部台灣創新創業中心關鍵技術研究報告）
- 玉山銀行債務整合 哪裡預借現金安全合法立即撥款呢
- 房貸利率試算公式 比較好過件的銀行
- 信用不良如何貸款 哪裡預借現金安全合法立即撥款呢
- 宜蘭身分證借錢 安全預借現金的方法
- 房貸試算表excel下載 如何預借現金安全快速哪間划算呢
- 各銀行信用貸款利率 安全預借現金的方法
- 房貸整合卡債 急用錢如何快速辦理
- 玉山銀行債務整合 哪裡預借現金安全合法立即撥款呢
- 房貸利率試算公式 比較好過件的銀行
- 信用不良如何貸款 哪裡預借現金安全合法立即撥款呢
- 宜蘭身分證借錢 安全預借現金的方法
- 房貸試算表excel下載 如何預借現金安全快速哪間划算呢
- 各銀行信用貸款利率 安全預借現金的方法
- 房貸整合卡債 急用錢如何快速辦理
31B6DB081D6B6A95
文章標籤
全站熱搜
留言列表
