返回列表 發帖

[觀點] 台灣有什麼條件當螞蟻?人電腦?台科大教授盧希鵬談ai


台灣有什麼條件當螞蟻?人電腦?台科大教授盧希鵬談AI

對盧希鵬老師的說法我非常贊同,
台灣可以做的不是大的AI應用,
而是使用物聯網時的利基AI應用,
這也跟我長久研究物聯網時得到的心得一樣,
台灣可以做的是屬於台灣專有的螞蟻利基,
獅子再強,
踩不死所有螞蟻。

-------------------

然而這一切「新 AI」的產業化革命,至今不過五年,我認為新 AI 至少會浮現三個機會:
(1)「產生 AI 服務」的大母體
世界上存在著幾家大母體(如 Google、臉書、亞馬遜、微軟、百度、阿里巴巴、騰訊),他們都要搶先成為「新 AI」的作業系統,任何一家的成功,都將讓「新 AI」如 Android 一樣普及。李開復先生認為目前台灣沒有機會的應該是這一塊,不過在過去的歷史中,台灣發展作業系統的機會本來就很小。
(2)「使用 AI 服務」的小前端
在母體上做系統整合,並發展前端應用,像是智慧製造、智慧家庭、智慧醫療等。台灣有許多世界具領導地位的硬體廠商,只要此類商品占有率的數量如螞蟻一樣多,就有機會勝出。馬雲說,能打敗獅子的,是螞蟻。
(3)「設計 AI 服務」的數據化
台灣要善用物聯網感知器,設計自己的數據。與數位化不同的是,這一波 AI 革命要的是數據化。譬如有人在汽車椅墊下布滿感知器,以學習駕駛人坐椅的習慣特徵來成為防盜與防打瞌睡的智能系統;此外,Fintech 的大數據徵信、智能電表產生的能源智能管理,都需要螞蟻數量的數據化。
台灣有沒有發展 AI 機會呢?當然有,因為機會是創造出來的,關鍵在螞蟻的數量,還需要隨經濟(Ubiquinomics)時代的大戰略。

-------------------

如果其他國家是獅子,台灣應當 AI 產業中多得數不清的螞蟻——台科大教授盧希鵬談人工智慧發展

Posted on2017/06/19


【我們為什麼挑選這篇文章】自李開復認為台灣沒有發展 AI 的潛力一話道出之後,瞬間兩派人馬唇槍舌戰了起來。一派人認為台灣仍可一戰,還有 Appier 等優秀的新創人工智慧公司;另一派人則認為台灣的確在 AI 舞台上沒有伸展拳腳的餘力,應該找尋其他出路。

而盧希鵬,現任台灣科技大學管理學院專任特聘教授,則帶來了不同的看法「台灣的確沒有發展大 AI 平台的力量,不過小型的 AI 計畫,則可以像螞蟻用數量咬死獅子一樣,讓台灣站上 AI 的風口」。(責任編輯:陳君毅)

盧希鵬,現任國立台灣科技大學管理學院專任特聘教授,台灣電子商務專家、資訊管理學者。曾任台灣科技大學管理學院院長、精誠資訊講座教授。畢業於美國威斯康新大學麥迪森分校工業工程博士 (1992),研究領域為電子商務、隨經濟、創新管理、與戰略管理,著有百餘篇國內外學術期刊論文。也是報章雜誌專欄作家、與暢銷書作者。上市櫃公司獨立董事,與企業顧問。

文:盧希鵬

李開復先生認為台灣沒有發展 AI(人工智慧)的機會,同時 AI 將會取代目前 50% 以上的工作,你認為呢?

我覺得這句話只講了一半,依照過往的經驗,新科技創造的工作數量可能比取代的數量來得多。至少,現在的職業多半是農業時代不存在的。

那台灣有沒有發展 AI 的機會呢?

何謂新 AI:從 deep learning 開始

30 年前(1986 年)我在清華大學向貝諾爾教授學 AI。1992 年,我在美國取得博士學位,回到台灣科技大學教授的第一門課也是 AI。教了幾年,人潮散去、預算刪減,覺得 AI 沒有甚麼產業價值。

這一波 AI 的革命我稱之為「新 AI」,跟 30 年前我學的「舊 AI」是截然不同的。這波革命約從 2006 年的深度學習(deep learning)研究開始。

「舊 AI」的專家往往認為「新 AI」沒甚麼,在技術上只不過是把類神經網路多加幾層,同時將輸入等於輸出,以算出特徵量,在功能上就如同回歸預測與因素分析的差別。

在「舊 AI」的機器學習上, 人類有一項重要的工作是定義「特徵量」。像是在手寫阿拉伯數字辨識上,直接以像素(pixel)作為特徵量;在人臉辨識上,「舊 AI」會先定義人臉的特徵(如兩眼瞳孔間的距離等等);或是在預測股票時,「舊 AI」也要先定義股票市場的特徵(如基本面、技術面、消息面等變數),再做監督下的機器學習(就是有老師告訴學習結果的對與錯)。

機器學習的好壞取決於人類是否能夠定義出好的特徵量,「新 AI」最大的貢獻就是電腦可以自己找到特徵表達的方式,不需要人類的監督教導,效果卻比人類找到的還要好,麻煩是,人類看不懂 。

「新 AI」嶄露頭角是在 2012 年的一場全球視覺辨識大賽(ImageNet),歷年來世界各地參賽者的圖片辨識率始終在 70%-75% 左右的水準,但多倫多大學隊伍竟在 85% 以上,原來他們用的是「深度學習」新演算法。一個準確率在七成的技術是沒有商業價值的,當達九成以上,許多應用就產生了。像是語音辨識上,Amazon Alexa、Apple Siri、 Google now、Pepper 都是些商業化的例子。

台灣到底有沒有機會發展 AI?


分享到Twitter
分享到FunP
分享到Plurk噗浪
分享到UDN
分享到FaceBook

返回列表