返回列表 發帖

[概念股] 物聯網.無人AI應用.機器人相關股票討論請po到這裡


物聯網.無人機AI應用.機器人相關股票討論請po到這裡

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

物聯網.AI股票

準備研究找出物聯網.ai有機會的台灣上市公司

2017.7.1:
4938和碩95.
2395研華215.
2317.
2330.

2017年區塊鏈的發展,預料將擴及金融外的其他產業進行概念驗證(Proof of Concept),採用共享式的資料與協議底層,而上層應用情境可以依個別產業需求而異,亦可加速個別產業的變革。以金融業而言,近期應用重點為利用其安全和不可竄改的特性,配合生物辨識、大數據分析等新興技術進行身分認證。而非金融領域的近期應用重點為利用其「共享帳本」概念,開發防偽、自動交易驗證、資安保護等功能;目前可預見的首波新開發應用將以「製造業供應鏈管理」為主,例如:金流、物流、資訊流管控及產銷履歷追溯等,將有效提升供應鏈的安全性及成本效益。
【新聞連絡人】工研院行銷傳播處
丁嘉琳 電話:+886-3-5912903
Email:[email protected]

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

"十二五"期间,物联网重点投资智能电网、智能交通、智能物流等十大领域,其中"十二五"期间智能电网的总投资预计达2万亿元,居十大领域之首,预计到2015年将形成核心技术的产业规模2000亿元。据悉,按照原定的时间表,物联网"十二五"规划将在元旦前后出台。

  据相关专家介绍,十大物联网应用的重点领域分别是智能电网、智能交通、智能物流、智能家居、环境与安全检测、工业与自动化控制、医疗健康、精细农牧业、金融与服务业、国防军事。

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

2016.6.20
十大關鍵領域產業政策
為強化台灣人才素質與產業競爭力,政府挑選了十大關鍵產業領域來吸引優秀的海外人才來台就業。十大關鍵領域包括了:(一)生產力4.0、(二)高階製程設備、(三)先進電子零件製造(含IC設計、半導體製造) 、(四) 智慧系統整合應用(含大數據、物聯網及雲端)、(五) 5G及前瞻通訊、(六)生技新藥及醫療器材、(七)再生能源、(八)產品及使用者經驗設計、(九) 創新前瞻研究發展、(十)國際金融服務。

生產力4.0

藉由生產力4.0推動台灣成為亞太優質生產力典範。

探索新的產業模式,與先進國家追趕並肩。

高階製程設備

由於台灣位處亞太地區戰略位置,可藉擁有龐大市場需求及研發人才群聚效益,將可成為製程設備主要研發中心。

善用臺灣既有的產業優勢基礎,發展與提昇國內的半導體與光電產業。

先進電子零組件(含IC設計、製造、封測)

使半導體成為支持台灣ICT產業成長的重要基石。

維持臺灣在世界半導體產業既有地位,並積極投入創新研發。

智慧系統整合應用(大數據、物聯網及雲端)

發展智慧生活的創新服務和智能生活的解決方案。

完備雲端基礎建設,吸引國際業者來台投資雲端設施與服務,推動產業特色雲端應用,逐步建構雲端產業生態系統。

5G及前瞻通訊

5G產業策略發展方向:掌握關鍵智財權、提升附加價值率、建立產業技術標準、推展國際產業標準。

緊密扣合國際5G技術發展時程,從過去標準制定完成後的跟隨者,變成5G標準初期參與討論的先行者。

生技醫藥及醫療器材

發展生物經濟。

以健康、工業與農業三大領域為推動重點,促成產業轉型,同時增進健康福祉,提升國際競爭力。

再生能源

發展離岸風電的本土解決方案,提高國內對風能發電的市場需求。

整合製造、金融與系統設置相關領域業者,扶植太陽光電產業成為全球系統服務主要供應商之一。

產品及使用者經驗發展

隨著用戶體驗能力的提升,強化臺灣某些產業的價值創造。

UX是創新研發的核心優勢,強化人才孕育推動,建立產學連結典範。

創新前瞻研究發展

針對選定的某些先進系統,提昇競爭力。

發展獨特關鍵技術及取得關鍵智慧財產權,帶動新產業/新服務發展。

國際金融服務

透過拓展亞洲市場,成為全球的優勢競爭者。

為因應數位銀行發展及國際化趨勢,金管會鼓勵銀行業因應科技潮流,建置商品研發能力,培育金融專業人才,開發多元化金融商品,發展創新的金融服務,以協助銀行業發展並布局亞洲市場。

TOP

返回列表