科学家新视野－「引领AI创新」获诺贝尔奖：深度学习技术加速产业变革

图／美联社

今年的诺贝尔奖凸显了人工智慧（AI）的角色，化学奖颁给AI技术预测蛋白质结构的科学家，物理奖则由美国普林斯顿大学的霍普菲尔（John J. Hopfield）与加拿大多伦多大学的辛顿（Geoffrey E. Hinton）共同获得。他们的研究是AI领域的重要基石，更为深度学习技术的广泛应用铺垫道路，为未来的科技与产业变革奠定基础。

霍普菲尔提出的「联想式记忆」技术，能在仅有部分数据的情况下重建完整的影像。此外，他发展的「霍普菲尔网络」，可解决经典的最佳化问题，应用于改善路线规划来缩短时间或成本。辛顿则因推广了训练人工神经网路的技术「反向传播」而闻名，他发展的AI神经网路模型「AlexNet」引领近代影像辨识的突破，更开启深度学习技术的浪潮。

目前，AI技术已广泛应用至各个产业，主要有电脑视觉、讯号处理与自然语言处理三个领域。首先在电脑视觉的应用，包含切割与辨识医学影像、检测工业瑕疵，辨识农业病虫害的影像、追踪物件、自动驾驶技术。也有许多在运动科学的应用，例如人体姿态、追踪球体的轨迹与战术分析。在讯号处理领域，AI技术除了开展Photoshop等影像处理软体的更多应用，也用于辨识与合成语音、生成音乐与影像，例如电视台的AI主播。至于自然语言处理领域，以大型语言模型为基础的ChatGPT引起热门讨论与关注，能了解人类语言与聊天，还可写出高品质的文章，甚至撰写程式码。

但AI的快速发展也带来一些问题，例如深伪技术（Deepfake）产生的假影片，以及自驾系统有时会发生撞车意外，而大型语言模型生成内容时常出现不实资讯与偏见。此外，生成文章的著作权问题也值得讨论。辛顿也提醒AI科技可能有失控的风险，需谨慎看待AI发展。

尽管如此，AI对产业的巨大创新与影响力堪比现代工业革命，影响着我们每一人。目前我们团队正研究多项深度学习的应用，例如即时侦测钢铁厂传送皮带上的煤炭瑕疵，能避免火灾的发生，以及农业影像病虫害辨识系统，可即时辨识影像中的农业虫害，省去人工时间。以AI侦测肺部纤维化影像则可协助医师的诊断。我们还运用AI侦测桌球的即时落点与轨迹、分析球员动作与战术，能有效提升选手的训练与表现，更有望在比赛甚至奥运上夺得佳绩。此外，我们也发展出能够接受提问并回答农业知识的系统「神农TAIDE」，以及原住民语自动语音对话系统，协助保留少数族群语言。我们也研究法律判决书AI系统，协助检索类似案件与分析判刑的要件，大幅减低法律作业的准备时间。

由此可见AI在制造业、农业、医学、体育、法律、文化上皆有应用，今年诺贝尔奖再度显现AI的科学价值，带来极大投资潜力与效益。