准备拥抱人工智慧新世代
▲人工智慧已能深度学习，结合大数据与互联网，将大大改变人类的未来生活。（图／视觉中国CFP提供）
文／郭琛
伴随着功能强大且日渐便宜的感知元件与物联网的发展下，许多目标资料的采集可以达到即时、有效，再利用图像识别、语音辨识，转换为对系统有意义的资讯；同时人工智慧（Artificial Intelligence, AI）已能深度学习，应用于统计和分析，在不断对神经元网路进行深度学习训练下，促使AI诊断／预测能力日新月异。新世代的「人工智慧」就是基于「深度神经网路（Deep Neural Networks，简称DNN）」演算法的机器学习，一种模仿生物神经系统的数学模型，让研发的程式具有自我学习的功能。它对任何有关大数据领域的改造是颠覆性的，人工智慧的应用给了大数据所需的灵魂，而2017年正是人工智慧发展的起飞点。去年与今年谷歌旗下DeepMind开发的「AlphaGo」人工智慧系统分别打败了南韩与中国的围棋王，向世界展示了人工智慧系统的强大威力，也向世人宣告了人工智慧时代的来临。
▲「AlphaGo」人工智慧系统分别打败了南韩与中国的围棋王，正式宣告人工智慧时代的来临。（图／镜周刊提供）
事实上，人工智慧也悄然登陆在政治领域上，许多竞选上开始使用人工智慧于大数据上，例如库西纳（Jared Kushner ，川普女婿、白宫高级顾问）7月24日在国会反驳对通俄门的指控时，就透露了川普如何赢得美国总统大选的秘密。川普赢得大选的秘密武器在2016年美国大选时，川普竞选团队雇用剑桥分析公司（Cambridge Analytica），在它拥有超过2.2亿美国选民中，收集了5,000个数据点，并使用超过100个数据变量，最后为川普竞选团队构建了大约20类投票人的地理位置密度图。对特定地区和特定的选民进行目标分析，之后有针对性地动作。竞选活动中的所有活动几乎都由数据分析后来决定：广告诉求、特定选民、筹款、集会的地点，甚至是演讲的主题都是经过数据分析后的慎重决定。所以川普在竞选的最后4个月决定筹款后，共筹集了超过2.5亿美元的资金，而这些钱主要来自众多大多为10块、20块的小额捐助者，与希拉蕊的大金主有着天壤之别。这些几百万到上千万的选民捐了钱后，是有效的人财两得，他们不但会投川普的票，许多人还成了川普竞选拉票的志愿者 （这段情节与柯文哲竞选台北市长非常相似）。当最后密西根州和宾西法尼亚州成为大选的决战点时，川普团队依据最新数据库反映出这两州选民最有可能转向，川普便推出了订制电视广告，并在这些地方举行最后一击的选前集会，有效地让成千上万的志愿者敲门和打电话给选民。这些动作在竞选的最后几天内密集发生，正确而有效，不但扭转许多关键州的选举结果，也改变了所有主流媒体的预测。
▲川普女婿库西纳7月24日在国会反驳对通俄门的指控时，透露川普赢得美国总统大选的秘密武器，就是大数据分析。（图／美联社提供）
习惯了做主流媒体广告的人士尚不理解大数据的能力，至今还对大选逆转感到不解。谷歌前CEO施密特分析后表示「还记得所有关于他们没有钱、没有人、没有组织的报导吗？」川普团队以传统媒体人还没有理解的方式，成功地使用大数据，弥补了没有钱、没有人、没有组织的总统竞选活动，并最后获胜。未来人工智慧应用，将进入每一个产业事实上，能使用大数据的人，就像在黑暗无光的夜里，装备着红外线望远镜，可以轻易地锁定远距离大小目标。今天结合互联网而成的即时大数据系统，随着高运算速度的微晶片普及，任何系统只要创建一个跨平台、标准统一的开放分享型数据的通讯协定与界面，再加上运用人工智慧的深度学习技术，将加速各项产业的发展，最终必能广泛运用到选举、保险、医疗、制造、零售、家庭、农业、金融等，而全面改造我们未来的生活。又如亚马逊（Amazon）在采用仓储机器人之后，原来需要1,500名员工的仓库，大幅减少为不到10名的员工进行管理。过去科技业曾认为人工智慧（AI）在商用上并不可行，因为当时人工智慧在资源的限制下，处理资料的速度远低于资料本身变化的速度，所以只算是学堂里的理论，或仅适用在机器学习（Machine Learning）、大数据资料挖掘（Data Mining）等特殊领域。但现在大环境的改变下，GPU、Cloud computing 的普及，加上深度学习（Deep Learning ）的革新，让许多原本做不到的工作，现在都轻易做得到了。
▲亚马逊（Amazon）在采用仓储机器人之后，现在只需要不到10名的员工进行管理，大幅降低营运成本。（图／美联社提供）
今日AI有了取代传统的演算法，它不需等待人类给予明确的指令，便能自行从资料当中推演出演算法。只要给几百张某个物体的图像，人工智慧就能透过自我学习找出最有效率的方法，侦测出该物体。这其实是一种新的运算方式，不再需要人工写程式码，而是让AI自己推演出程式码。AI受惠于相关领域的快速发展，近年来已日趋成熟，特别在产业机器人、自动驾驶和语音助理平台，其他的应用范围亦日渐广泛。像IBM Watson肿瘤解决方案（Watson for Oncology）在癌症治疗运用人工智慧系统，已能使建议结果与医生判断的一致性高达96%。并将临床筛查时间从近2个小时缩短到24分钟，在2017年底前该技术将可用于支持至少12种癌症。
工业4.0也是建构在大数据与人工智慧上，以往统计学早已提供各种的分析原理与工具，而大数据是在现场架设各种数据的「连结器」，建立各项KPI系统，与预测未来的发展曲线，当取得数据速度愈快，就愈能修正而逼近到实际状况，则决策速度就愈快，成效也愈提高。能汇集各种不同来源的资料，人工智慧的系统就能够分析、达到更精准的判断。运用大数据就像剥洋葱，一层一层地剥开，直到发现问题为止，最后将KPI做视觉化工具，和预测模型，系统将视变化由处理进化为预防，将效率由后段逐一强化到前段。除了在各自目标商品做开发外，谷歌、微软以及脸书等大厂企图主导人工智慧的「规格」与掌握「开放式发展平台」的方向，谷歌首先在2015年推出的TensorFlow开放原始码给全球的开发者，而去年微软推出Cognitive Toolkit（CNTK）、脸书也释出Torchnet和Caffe2来加入战局。中国大陆的百度、阿里巴巴、腾讯等科技巨擘，也纷纷想在这刚开始蓬勃发展的领域分一杯羹，为建构未来的新王国投入了巨额资源。所有硬体都有大量的 AI软体应用需求，而台湾业界则开始偏重在其中寻找关键软体元件的商机。如同微软共同创办人比尔盖兹7月在推特向2017年大学毕业生分享心得说，如果他今天才要展开生涯，会选择人工智慧、能源或生物科技，我们也做好准备拥抱人工智慧的新世代吧！
好文推蔫
郭琛／德国工业4.0：一天组装一千五百辆BMW轿跑车
郭琛／西进南进不如上进
郭琛／从成功到伟大
郭琛／市场ABC的实用教战手则
●作者：郭琛，居住在德国，前德国台湾商会联合会总会长，目前为第廿二届欧洲台湾商会联合总会监事长。以上言论不代表本报立场。88论坛欢迎网友参与，投稿请寄editor88@ettoday.net