新闻分析－全球AI大戏 台湾要有赢的策略

AI（人工智慧）的浪潮正在席卷全世界，但是与过去的硬体制造与软体开发不完全相同的是，AI的特点在于如何教会机器、以类似人的方式去思考，而且更重要的一点是，AI的范畴实在太过于广泛，花再多时间也不可能一一涵盖，因此找到自己可以发展的AI领域，透过有系统的架构分析、去芜存菁，才有办法理出还值得我们急起直追、努力投入资源的目标。

年轻人求教于年老的智者：「如何才能成功？」老人：「成功来自于好的判断力。」

「如何培养好的判断力？」年轻人问。老人：「好的判断力需要经验」。「

那么经验要从何而来？」年轻人追问。老人沉吟：「来自错误的判断......」这个源自西方的老笑话，其实某种程度也大概说明了AI的本质与问题。

判断这件事，正是AI的关键。去年一名欧美摄影师在IG上PO出一张照片，没想到意外地收到了很多代表按赞的「爱心」，他相当不解，为何一张收割机在夜间灯光下收割棉花田的照片，会得到如此多人的喜爱？后来真相大白，原来多数人都以为他PO的是一张热门演唱会的照片，因为上头有灯光、大型机具，下面还有圆型的一颗颗人头（其实是棉花），如果只是惊鸿一瞥地猛一看，多数人都会被搞混。如果这件事情用于AI的发展，训练机器看懂照片或是辨识物体，本身就是一个艰苦而漫长的训练（Training）。

以此来看，如何在我们身边，找到自己熟悉的产业或是掌握度高的事物，去思索在其中发展AI的空间，理论上成功机率会是比较大的。例如，台湾有全民健保、累积了一大堆资料，如果这些资料可以被取用，那么用以发展预防式AI医疗装置，可能就有一点空间。另外，台湾人可能不见得很会「创造」，却很懂「制造」，电子业代工了这么些年，总有些只有内行人才知道的「眉角」，对于AI用于制造大有帮助。

不过目前为止，我们的产业扶植策略，似乎还有点发散。鼓励是很多，但该在何时收敛却有点模糊。就以汽车制造来举例，A组团队发展的是小汽车引擎，B组则是专攻大卡车变速箱，C组强项是超跑的车体制造，D组则是越野车的轮胎专家。如果这样整合起来，那不知道可以变出一部什么东西？鼓励发展当然是好事，但要有赢的策略，万箭齐发弄不好会变成乱枪打鸟，那就不太好了。