【AI大趨勢3】李沃牆／台灣發展AI的五缺

【AI大趨勢3】李沃牆／台灣發展AI的五缺
https://www.ettoday.net/news/20180811/1232276.htm

2018年08月11日

近年則隨著行動網路、大數據、超級運算、物聯網及腦科學的帶動下突飛猛進，相關的學科發展、理論建模、技術創新及軟／硬體的升級正在迅速發展，並成為國際競爭的新焦點。
鑑於AI將是引領未來的戰略性技術，世界主要的已開發國家均把發展AI作為提升國家競爭力及維護國家安全的重大策略。
但目前雖有AI發展行動計畫與口號，但卻有五缺
一、缺乏領先契機

中國國務院總理李克強早於2015年3月將「互聯網＋」規畫為國家級戰略，以互聯網、科技產業、創業、創新為中國經濟發展主軸，貫徹「大眾創業、萬眾創新」方針，達成降低失業率、提升人均所得、維持經濟成長目標。

同年5月公佈「中國製造2025」方案，目標為2049年建國100年時，綜合實力進入世界製造強國前列。

2017年7月發表了《新一代人工智慧發展規劃》，做為AI的發展戰略。

 

新加坡政府則是於2017年提出「AI.新加坡」計畫，預計在未來5年內投資1.5億新加坡幣發展AI及資料科學。

此計畫內容包括讓當地研究機構、新創公司以及各大企業相互合作發展AI產品，創建工具以及開發人才，推動新加坡的AI技術發展。

南韓深感國家在AI競賽中落後於中國、日本及美國。

2018年5月15日在首爾舉行的第四次工業革命總統委員會第六次會議上，完成了一項AI研發戰略。到2022年將投資2.2兆韓元，以加強其AI 研發能力。

而我們行政院於2018年1月18日才提出4年期的「台灣AI行動計畫」（2018-2021）。

二、缺乏雄心壯志

中國大陸將發展AI分為三大階段，

第一階段是在2020年創造1500億元人民幣AI核心產業規模；

第二階段在2025讓部份AI技術與應用達到全球領先水準，創造4000億元人民幣的AI核心產業規模與5兆億元人民幣的相關產業規模；

第三階段則是2030年時、AI技術與應用都能領先全球，超越美國，成為全球主要的AI創新中心；屆時其AI核心產業規模將超過1兆人民幣，相關產業規模則可達到10兆元人民幣。

新加坡的目標係成為亞洲AI先驅，提升新加坡經濟競爭力，積極往首個智慧國家之路邁進；希冀在2035 年，新加坡的年度經濟成長率將翻倍。

韓國的目標則是於2022年達到AI全球前四名。

台灣發展AI雖列出「AI人才衝刺」、「AI領航推動」、「建構國際AI創新樞紐」、「場域與法規開放」、「產業AI化」等五項重點工作；卻沒明確具體目標，只有一句口號「讓台灣在下一波的智慧革命中取得機會與優勢」，相形遜色。

 

三、缺乏軟體與數據建構基礎

不可否認，台灣一直存在硬體優勢，但軟體實力相對落後，軟硬整合更是不足。誠如李開復所言：「台灣想做AI，十年前就得先做好軟體與數據了。」因為跳過「軟體」與「資料」這兩大基礎，想要做好AI，無疑是緣木求魚。

貴州於2015底舉辦「國際大數據產業博覽會」至今已三屆，

業已成為國際大資料產業交流合作的重要平台；也讓開放創新的貴州已經成為一片充滿生機的熱土，昂首闊步走向世界。

由於大數據產業成功落地，貴州在2015至2017年的數字經濟增速連續三年全國第一；今年上半年的GDP成長率更高達10%,，在已公佈的十五省中居首位。

 

四、缺乏AI紮根教育

中國大陸為了深入AI基礎教育，上海已發表全球第一本AI中學教科書，《人工智能基礎－高中版》，已有四十所試點高中列為教材。

五、缺乏產官學整合

科技部雖有AI計畫及口號目標，但又缺乏將政府及產學資源整合，實在可惜。

人工智能如何幫助航空公司改進體驗營銷？

人工智能如何幫助航空公司改進體驗營銷？10 Aug 2018

 

http://www.macau-airport.com/mo/media-centre/news/news/20625

 

重新定義客戶旅程

對營銷人員來說，要想從體驗推銷員轉型為體驗創造者，技術將是他們最有力的武器。

借助技術，他們能讓客戶的旅程煥然一新——無論是視覺上還是感受上，都和我們如今所體驗到的完全不同。

想象一下。你通過亞馬遜的Alexa預訂了航班，確認郵件安全送達你的郵箱；選座位的時候，你可以選擇想和誰坐在一起或者不想和誰坐在一起——因為航空公司已經將它的網站和你的社交媒體聯系人列表關聯在一起。

這還只是一個開始。等到了機場，下了出租車，會有AI機器人來取你的行李，幫你拿去托運。

有了人臉識別技術的幫助，你可以直接穿過航站樓、登上飛機，期間不需要出示護照或者登機牌，當然，也免去了在口袋和背包裏瘋狂翻找的麻煩。

在飛行途中，有安全、高速的網絡可供使用，方便你在3.5萬英尺的高空中工作、休息或者娛樂（你還能繼續觀看昨晚在Netflix上看的節目）。

即便到了旅途末尾也是一樣，感謝RFID標簽，你的行李並沒有丟失；

航空公司的聊天機器人可以幫你在酒店早早預訂晚餐；而當你入住時，你會發現，房間裏的燈光恰好是你上次入住時喜歡的亮度。

其實這些並不都是未來才能實現的事。一些創新型航空公司已經率先開始行動，跨越如今客戶體驗的極限。

比如，美聯航引入了Alexa的"United"功能，

達美航空正在測試基于人臉識別技術的行李托運，

荷航將社交媒體關聯同選座服務結合在一起，

SITA也在向全世界展示他們的行李托運機器人Leo。

 

2018世界科技創新論壇全體大會:人工智能標準化革命

2018世界科技創新論壇全體大會:人工智能標準化革命

2018年08月11日

https://sina.com.hk/news/article/20180811/5/46/2/2018%E4%B8%96%E7%95%8C%E7%A7%91%E6%8A%80%E5%89%B5%E6%96%B0%E8%AB%96%E5%A3%87%E5%85%A8%E9%AB%94%E5%A4%A7%E6%9C%83-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%A8%99%E6%BA%96%E5%8C%96%E9%9D%A9%E5%91%BD-9120062.html

Michael Levitt：

現在美國人不把它叫人工智能了，他們用的是機器學習。

機器學習就是把數據拿來，在裡面歸納一些東西。

舉個例子，我們說孩子的身高是年齡的函數，然後你會得出一個曲線，裡面有很多點點點，畫出一條線，平均一下，如果你是12歲的話應該1.4米，當然這是從數據裡面歸納出一些東西。

　　隨著機器學習的興起，當然你也可以稱之為人工智能，還有像深度學習、神經網絡、隨機森林等等，這些都是新的術語，它是老概念的新名字。

 

比如說電腦，不再是你告訴它什麼是好的什麼是不好的，電腦可以自己去歸納來，所以電腦已經可以做歸納了，我們說歸納非常重要。

比如自駕駛的車輛，電腦就可以知道我到什麼程度停下來，所以電腦這種歸納的能力也在不斷提升，無論化學、物理學等等，都可以借用這個發展。

顏水成：　

兩個人工智能比較長遠的話題，原創性和安全性。

在學術界和工業界，AI技術無外乎三種，

一種是非常原創的，我們叫顛覆式的技術創新；

一種是微創新。

三是沒有創新，技術在一個領域取得了成功我照搬到另外一個領域來。

學術界做人工智能的研究非常有意思，它的研究成果跟數據、應用場景是完全獨立的，意味著在學術界做研究原創性變得非常重要，如果沒有原創性就很容易被大家遺忘。

軟硬結合之後對智能硬件我們會用傳感器，比如照相機，但其實是非常脆弱的，很容易被攻破的。比如一個鏡頭拿激光筆對著它，那它很快就會自盲。

AI軟件的安全性。這一點360研究比較早，它多是建立在底層的SDK上的，這些SDK可能裡面也有bug，比如我們做一個圖像識別的算法部署到服務器上，駭客利用軟件的漏洞可以在圖片上加一些信息進去，這個圖片就可以讓我的服務系統，或者陷入死循環，或者沒有辦法獲得系統的控製權限，

連接之後意味著駭客就有機會滲透到你的智能硬件裡面了，他想做什麼樣的事就他說了算。

另外可能還涉及到道德層面上的問題，比如說我們基本上有一個觀點，深度學習或者人工智能是沒有完美的算法，就意味著你一定要處理一些問題，

比如你做自動駕駛，在這個上面就一定要控製，你到底是撞前面的人還是把車右轉到車道讓自己產生傷亡

楊帆：

對計算機學科有一個定義，是什麼？

是對信息的採集、傳輸、存儲、計算和反饋的這樣一門科學。

這裏我舉一個小的例子，大家知道說我們有一些對話類的機器人微軟做過一個小冰機器人。這個小冰機器人跟你能對話，但是不知道這個機器人剛出來的時候會罵人，你罵它，它也罵你。人工智能就是這樣，他會模仿你的特徵。互聯網網民引起軒然大波，罵就罵吧，沒什麼關係。

　　但是不知道大家知不知道件事，微軟同樣做過一個事，在中國成功之後想在美國複製成功，做了一個TAY，但是很不幸試用階段，TAY遭受到了美國極端種族主義的一些人，你跟它說話，它會講一些政治不正確的東西，所以後來把這個東西下架停掉。這就是社會對新技術不滿足，不完美採用什麼樣的態度。

 

郝玉成：

第一個

關注人工智能技術發展的突破在哪些方面，

一是技術突破，

二是應用突破。

技術大家看到算法，AlphaGo、視覺等等，這些都是依賴於數據、算法、技術能力的提高得來的。我們再看看應用上的突破，工業機器人、金融、交通、法律等等，人工智能技術已經開始進入這些領域。

第二個

人工智能技術在製造業、產業方面面臨什麼樣的挑戰？我們剛才說AlphaGo典型的這個算法，它可以直接拿來用嗎？不可以。舉個簡單的例子，智能機器人，我們大家現在看到的大部分的機器人都是原來傳統上的自動化的機器人，如果我們要說智能機器人現在面臨哪些智能化的突破呢？最起碼四個智能化的技術：

　　1、傳感智能。我們說人造皮膚，這個技術突破不了，我們現在所謂的那些智能機器人功能是做不到的。

　　2、計算智能。AlphaGo只是計算智能的一部分，很多的算法在算法智能裡面，大數據到小數據，剛才講到了。

　　3、操作智能，最後得落地啊，一個機器人要去抓東西，它的有柔性，沒有操作智能怎麼可能實現？

　　4、系統性的智能，包括集成化的智能、感知智能等方面。所以構建一個智能的機器人，不簡簡單單是一個計算智能就能完成的，所以產業界的研究一定在這些技術方面，系統性的研究，把它放到這個裝備裡面去完成它的智能機器人的所有智能化的要求，這是面臨的挑戰。

第三個，當然要通過不斷的創新去加快人工智能技術的發展。