煮酒品劍66:人工智慧開啟新里程
楊惟雯
自從電腦發明以來,如何讓電腦擁有類似人類的智慧能力,一直是許多電腦科學家追求的理想。
1956年,首先使用人工智慧(AI)一詞並被稱為人工智慧之父的美國學者John McCarthy聯合Marvin Minsky等多位人工智慧的學者,在達特茅斯學院召開全球首次人工智慧研討會,正式提出人工智慧一詞,是為人工智慧成為一個重要研究領域的開端,迄今已滿61年。
根據John McCarthy的定義,人工智慧為可表現出與人類智慧行為的機器、電腦程式。當時主要的研究重點在邏輯推論、學習、認知、解題及感知…等。以認知、解題為例,人工智慧是要讓電腦可如人一樣,能有下棋、堆積木、邏輯推論、解答數學題目等智慧行為能力,此外,有些人工智慧學者的目標是讓電腦具備類似人的視覺、聽覺,並可辨識自然語言,甚至像專業人士般精準應用與表達知識,例如像醫師般診斷看病。
一、AlphaGo:AI里程碑
綜合來看,過去61年留下了很多重要的資產,如機器人、電腦視覺、自動光學檢測、文字辨識、語音合成、語音辨識…等技術皆從萌芽到成熟。也留下很多難解的問題,如電腦圍棋、常識推論、智慧機器人…等。
由於棋類比賽是一種智力的競賽,所以一直被許多人工智慧研究者視為是智慧程度的試金石。
人工智慧軟體在1997年首度戰勝人類西洋棋棋王,成為當年的一大新聞。
然而,圍棋遠比西洋棋複雜,約有「10的170次方」種變化,電腦無法運算出所有棋步,當時多數人工智慧專家悲觀地認為,在有生之前,可能都等不到人工智慧軟體令圍棋高手棄子認輸的一天。因此,當2016年3月,由Google DeepMind所研發的人工智慧軟體AlphaGo,出乎意料地擊敗韓國圍棋9段高手李世乭時,大大震驚了人工智慧學界,堪稱人工智慧的重要里程碑,也讓人工智慧沉寂多年後再度成為全球注目的焦點。
AlphaGo的成功令人工智慧研究專家深感振奮。AlphaGo勝利的關鍵,除了GPU運算速度大幅提升及巨量資料分析的進步等因素之外,更重要的是在於利用深度學習、增強式學習與蒙地卡羅樹狀演算法(Monte Carlo tree search,MCTS),有效鎖定最有可能勝出的棋步,減少搜尋的範圍。
目前人工智慧技術已漸趨成熟,屢有重大進展及實際應用,機器學習技術一日千里,包括運算速度加快、資料量大幅提升、學習演算法日新月異。
昔日,人工智慧僅能取代勞力工作者,未來可預見愈來愈多知識工作被人工智慧所取代,徹底改變職場生態。
醫師、律師等高度專業工作,都將面臨人工智慧的取代挑戰。畢竟,一位專科醫師再資深、再勤奮,看診的數目、吸收新知的時間仍頗為有限;人工智慧卻可不眠不休蒐羅全球相關病例,進行更精準的診療。而在英美法系國家,律師事務所皆聘僱助理,研究與受理案件相關的判例;在可見的未來,人工智慧將大幅提升這些助理研究判例的效率;長遠來看,甚至可以取代助理。
二、三個企業善用AI轉型升級案例
進入21世紀,大數據、工業4.0、物聯網一波波浪潮來襲,企業若要在日益複雜的環境中求生及求勝,就必須好好利用這些浪潮乘勢而上,若太過輕忽這些創新概念及科技的影響力,則可能會被這些浪潮所淹沒。
「他山之石,可以攻錯。」以下介紹3個案例,來說明企業應如何善用這些即將顛覆未來全球產業的創新力量。
案例1、軟體及分析能力將可讓傳統製造業轉型為物聯網產業
首先來分享美國通用電氣公司(GE)現任總裁Jeffrey R. Immelt的案例。Jeffrey從2012年就開始在全球各地不斷演講,宣揚該公司自2012年開始推動的工業型網際網路(industry internet)計畫。他認為網際網路的初期應用,包括Google、Facebook都是消費型網際網路(consumer internet),然而網際網路的最大價值並不在於一般大眾的使用,而是來自於產業界對於網際網路的使用,所產生的龐大運作效益。
Jeffrey在許多演講中不斷重複一段話:「If you went to bed last night as an industrial company, youre going to wake up this morning as a software & analytics company.」也就是說,要適應未來,一家公司的經營必需從製造能力轉而聚焦於軟體及分析能力。
GE在2012年啟動工業型網際網路之後,分別從兩個角度來推動,一是從應用方面切入,GE不斷將自己的航空、鐵路、醫療儀器與工業型網際網路結合。其二,GE推出工業型網際網路作業系統Predix平台,在今年7月的微軟全球夥伴大會中,微軟和GE雙方的總裁共同出席一場發表會,宣布微軟與GE合作,提供企業用戶在Azure雲端服務中使用GE的Predix。Predix提供產業企業用戶打造工業網路應用程式,用來連結工業資產、蒐集和分析工業資料,同時也能提供即時資訊來優化工業基礎建設。
GE以工業網際網路為中心、不斷進行軟硬體整合,加速製造業的服務化及智慧化,這項重大新策略將讓GE從一個傳統設備製造公司,轉型進入以物聯網為新發展方向的公司,使得GE主導的工業網際網路革命勢如燎原,成為美國製造業文藝復興的重要內涵。
案例2、工業4.0將打造製造業智慧生態系統
第2個分享的案例是德國工業4.0計畫的起草人-德國國家科學與工程院院長Henning Kagermann,他在1998年至2009年間,曾擔任軟體公司SAP的總裁。工業4.0計畫起草人的背景為來自IT界,這也說明工業4.0的重點並非硬體,而是軟體。
許多人認為德國工業4.0只是德國High-Tech Strategy 2020的研究計畫之一,但於今年1月舉行的第46屆世界經濟論壇2016年年會,大會主題就是「掌控第4次工業革命」,讓我們看到工業4.0正在全球擴散的趨勢,影響力也開始擴及全球。
Henning Kagermann曾說:「德國工業4.0並不只是要鞏固德國做為一個製造供應者的角色,其實是希望透過工業4.0計畫,讓德國成為全球市場的領導者。」也就是德國不只是要做到智慧製造,還要領軍打造智慧生態系統,這就是德國提倡工業4.0的真正意義所在。
值得注意的是,德國在2005年啟動了智慧工廠(smart factory)計畫,以人工智慧為核心,這又是一項足以顛覆製造業面貌的長期計畫。
案例3、大數據分析的下一波是人工智慧
第3個分享案例是Thomas H. Davenport,他是活躍於美國波士頓地區的學者,曾任教哈佛、麻省理工學院等知名學府,專門研究商業分析的發展。2012年底,Thomas Davenport和D.J. Patil在哈佛評論曾發表一篇文章「Data Scientist: The Sexiest Job of the 21st Century」,引起熱烈回響,闡述在大數據時代中,負責淘洗數據、從中精煉價值的資料科學家是21世紀最搶手的人才。
在2013年底,他又發表了另一篇文章,主題為「Analytic 3.0」,為大數據下了很好的註解。他提到大數據分析的發展,首先是由網際網路公司,也就是Google和Facebook等網路公司所啟動,之後則是由企業及政府接棒,然而這其中資料的應用樣貌及特性有極大差別。
在網際網路公司部分,因為網路公司的應用樣貌種類較少,然而累積數據量極大,所以其大數據分析的特性是「少樣多量」。
但未來,各行各業的應用千奇百怪、使用情境多元,為處理各式各樣的資料,數據分析的自動化、甚至是智慧化就變成是非常重要的事情,因此,他在今年又提出大數據分析的下一個決勝點就是「人工智慧」。
留言列表