影響下個十年的全球10大趨勢
2019年2月15日
AI四大關鍵技術ABCD/應用領域的浪潮分為四波
AI四大關鍵技術ABCD/應用領域的浪潮分為四波
keyword:AI,人工智慧,人工智能
人工智慧明年該投什麼？李開復這張圖告訴你
人工智慧明年該投什麼？李開復這張圖告訴你！
2017/12/18
李開復認為在應用領域，人工智慧應用領域的浪潮分為四波
互聯網智慧化(網路AI )、
網路智慧化」更像是 AI 應用的原始積累，所有的網站、應用程式、產品以數據作為能源和燃料，數據越多，發展越快。
美圖-你有沒有發現過去三年你自動美化越來越美？這是因為你們不斷的貢獻數據、標註數據後，加上深度學習算法去做的。
算法如何知道你對一次 P 圖行為是否滿意？
你自拍之後一般會有三個動作，刪除、保存或是分享。
刪除表示這張照片拍的不行，
保存表示拍的一般，
分享則代表很棒。
商業界智慧化(商業AI )、
它的數據和它的應用都不直接來自於互聯網，比如銀行、醫院、物流公司，對人工智慧的應用。
「商業智慧化」的前提有兩點，
一點是非互聯網公司在使用互聯網和電腦辦公之後，沉澱了大量的數據。
第二點是，這些公司有意的將這些數據格式化並加以利用。
實體世界智慧化(感知AI )
實現的前提是越來越多的數據採集和感應器，
橘子本身沒有數據，貼上 NFC 標籤就有了；
路面本身沒有數據，裝上鏡頭就有了；
人本身不是數據，但透過人臉辨識身份就是了。
我們很早就習慣了一登錄淘寶，淘寶就認識我是誰，然後給我推薦個性化的商品。
全自動智慧化(自主AI)
機器人，為具備 AI 特性的軟體打造的機器軀體。
有的機器人好不容易兩隻腳走路了，但一配合手上開門的動作就摔倒了。
我們人拿一樣東西的時候，知道不會擋住眼睛。但機械臂在運動的時候，可能就會不自覺的擋住鏡頭。
我們出去郊遊，看到果園裡的草莓很好吃，一伸手就能摘下來。機器呢？不是把草莓捏爛，就是拽不下。
自動駕駛
AI發展趨勢與挑戰
AI發展趨勢與挑戰（上）-2019/2/12
https://www.ydn.com.tw/News/324035
】AI發展趨勢與挑戰（中）-2019/2/13
https://www.ydn.com.tw/News/324162
AI發展趨勢與挑戰（下）-2019/2/14
https://www.ydn.com.tw/News/324288
AI發展趨勢與挑戰-2019/2/12
人工智慧已成顯學。青年日報特摘譯美國「國會稽核處」（GAO）之〈新興人工智慧的發展、挑戰與影響〉及美國《科學雜誌》、〈嵌入人工智慧的大氣模型的創新與發展〉重要內容。（編按）
前言
2018年3月，美國「國會稽核處」對人工智慧（AI）的定義是：
狹義AI指的是提供特定領域專業知識，或工作的應用程序；
廣義AI是在人類交互活動範圍內展示與人類或超出人類智能的AI應用程式。
人工智慧發展3階段
著名的AI學者Launchbury提供了一個完整的研究框架，即根據感知、學習、抽象和推理方面的能力差異，將AI概念區分為3個階段。
第1階段，人工智慧由法律或其他權威研究專家所凝聚的知識或標準進行編碼，可稱為計算機演算階段，亦可稱為專業系統發展階段，例如後勤安排及相關的稅收程序等。
第2階段的AI技術，植基於機器學習或統計學習，例如包括語言處理（如語音識別）和計算機視覺技術等。與第1階段相比，第2階段系統旨在感知和學習，具備了聲控、數學能力等，可幫助醫護人員選擇適當的治療方式，或進行快速診斷的應用；另外，還有自動駕駛車輛的發展等。
第3階段的AI技術結合了第1、2階段的優勢，並且還具有上下連貫的複雜性、抽象性和解釋性。第3階段AI的1個例子，是1艘船可以在無人操作的情況下，在海上航行數月，航行期間能感知其他船隻，並因應海上各種情況，確保在航道上執行相關任務。
如同Launchbury所描述的，我們正處於「第3波AI」的開始階段，第3波AI的關鍵，是能夠適應未來新情況的系統，且能夠向用戶解釋這些決策與結果背後的成因。
第3階段人工智慧的成功案例
人類科技不斷創新，在地球大氣科學領域模型的數量、複雜性和運算能力也不斷強化，但仍無法準確地回答人們心中一些疑問，例如必須建造多高的海牆，以防止海平面上升？熱浪在未來10年會有多嚴重？北極航線在2030年會是什麼樣貌？科學家塔皮奧施奈德組建了一個大氣模型團隊，該團隊正進行一項「地球機器」的計畫，結合運用AI科技，期望於未來能精準掌握、預測地球大氣的形成與發展。
愈來愈多的人工智慧應用證明可帶來許多優勢，但同時也面臨一些挑戰。根據美國會稽核處2018年3月技術評估資料指出，需要仔細考慮這些利益和挑戰，這些考慮因素包括了網路安全、自動駕駛、法律規範、資金交易等，這些是AI使用後必須考量的問題。該處還強調，人工智慧可能帶來的好處尚無法完整預測，甚至可能也難以想像。
人工智慧的產業優勢
美國會稽核處認為，AI的運用可以改善經濟，並提高生產力。
因此，改進或規範人類決策將是個重要的課題，AI可用於從多個位置蒐集大量數據和資訊，不僅如此，透過人類行為模式的蒐集，可以比人類更快速地檢測異常情況。
此外，人工智慧可用於製定資訊警示功能，有助於防止不恰當、或有害的人類偏見，無論是出於政治壓力，還是其他因素可能產生的不良後果；即使如此，人工智慧無法保證絕對不受偏見的影響。因此，該處也特別強調，如果AI使用的數據存在偏差，結果也會有偏差。
。另一方面，人工智慧可用於確保金融體系的監管，並確保合於法規，而且不會對受監管者造成不必要的負擔（如確保隱私）。
人工智慧的法規道德挑戰
主要的人工智慧挑戰，乃是蒐集和共享數據的障礙，雖然並非AI的所有應用程式都需要大量數據，但某些使用機器學習算法的應用程式則需要大量的數據；目前為止，在AI領域中，數據不易彙整或解釋是最大的問題。
。根據該處的說法，需要一個計算道德倫理系統來幫助AI選擇，藉以反映合乎商業價值道德的選項，因此，在人類有能力理解及適當信任，並能夠有效管理AI之前，AI應用程式或系統需要解釋為什麼它採取某些行動，以及為什麼它比其他變量因素更重視其他某些變量因素。
AI相關跨領域政策考慮因素
在提出了與AI相關的益處和挑戰後，美國會稽核處也提出了一些政策考慮因素和未來研究領域建議。
鼓勵數據資料共享
該處認為，在共享數據資料的同時，需建立一個「安全空間」來保護敏感訊息資料（例如知識產權和專業技術資料），而要想獲得成功的安全空間，需要從製造商開始，明確定義所需的數據資料，以及使用數據的具體方案，方能成功。
事件發生，且分享數據亦可有效了解與自動駕駛汽車相關的安全因素重要性，該中心也明確表示「我們相信這些車輛可以在路上行駛，但我們需要驗證的是，在行駛期間，它們和我們的認知一樣安全」。（待續）
===
提高數據資料安全性
該處強調，加強網路攻擊系統應用程式安全性的挑戰是重中之重，包括發展具有AI反制能力的系統。目前為止，所有形式的網路安全活動，並沒有得到適當的共享，這也是網路攻擊事件頻傳的主因，不可否認，安全漏洞比防止漏洞安全措施付出的代價要昂貴得多，因此，政策制定者需要考慮建立某種框架，確保成本和損失在機構與用戶之間，得到適當的共享與平衡。基於這個因素，美國部分的政策制定者也認為，應考慮建立新的監管機構，以確保包括自動駕駛汽車項目在內的安全。
人工智慧的廣泛運用將對監管機構產生很大的影響，立法者需要考慮解決這些問題，包含相關政策的制定；監管機構必須積極主動，包括承諾提供有效的相關資源，以因應迅速且無法預料的AI事件發生。例如自動化車輛的監管機構就必須要有完善的法規政策。因此，部分人士認為，聯邦政府應該避免過早、輕率的制定標準，以防範自動化車輛普及化之後帶來許多連動性的更大問題。截至目前為止，即使這些車輛改善了整體公共安全，自動駕駛車輛的製造商也應對事故負有全部責任；此外，許多人對隱私權部分提出了許多擔憂，包括執法機構可能運用AI來侵犯公民自由，這表示這是一個需要全領域、通盤檢討全面性的政策。
其他包括法律、法規可能也需同步進行調整，但可能會讓有些人認為「人類可能不同意自動化系統做出的決定」。例如意圖操縱法律，就如同金融市場操縱模式一樣，如果有人藉人工智慧編碼程式來賺錢，並且它以「技術性的設定」方式做，即使是明顯違反人類認知的行為，但目前尚不清楚現行法律將如何起訴人工智慧的創造者。
建立AI適合的風險和道德評估方式
政策制定者需能夠決定如何權衡人工智慧的道德風險與取捨，雖說現今已有一些基本標準，然仍不盡完善（即人類的道德表現如何）。該處表示，「美國必須將人工智慧能力與道德相容，讓AI成為一個善良的場域，同時讓邪惡敵人存在絕處，亦無逢生的可能」。因此，這些監管的問題應該透過各種利益相關者，包括經濟學者、法律學者、哲學家和其他參與政策制定的相關人員，而非僅僅是科學家和統計學家而已。
數據蒐集的重要性，以及如何獲得高品質數據是AI產業鏈中重要的關鍵，這包括在數據蒐集期間如何提高數據質量等，若能充分掌握這個因素，AI的產業發展將更加迅速。因此，只要數據能更全面化，並且有系統的組織起來，而且是高品質、高可靠性的，此將有利於各種機器自我學習，達到此目標時，相信AI也將發出更準確的效果，AI的普及化亦不遠矣。
了解AI對就業市場的影響
目前尚無法確認
人工智慧將會創造哪些工作？
哪些工作可能會增加？
或哪些工作可能會被人工智慧取代？
因此，該處表示，人工智慧的廣泛運用，也同時帶來了重新評估和重新思考
培訓和教育環境的必要性。
訂閱：
文章 (Atom)
訂閱
發表文章
所有留言