老將新秀跨界搶進    人工智慧躍居科技A咖

2017年光是在人工智慧領域的論文研究就高達兩千篇以上，以人工智慧技術為核心的新創公司也如百花齊放不斷冒出頭來。本文將探討在這如此混亂的發展情勢，台灣應如何脫穎而出，在這塊風潮上，台灣的位置又在哪裡呢？ 

搶搭人工智慧順風車　台灣新晶片開發有機會 

面對智慧風潮席捲而來，各大晶片商、設備商與應用服務商皆大舉投入相關技術，期能搭上人工智慧這波浪潮起飛，創造成長高峰。當然，台灣也不應在這波趨勢下缺席，國內產業具備硬體晶片研發能量，加上AI對運算力與推理能力的需求，開發新晶片做為台灣進入AI的切入點，將有望為台灣IC產業開啟新契機。 

工研院資訊與通訊研究所所長闕志克(圖1)認為，這一波人工智慧最重要的技術在於機器學習與深度學習技術，而其中關鍵能力就是推理應用的能力。過去實現人工智慧需要由人類設計計算，透過機器學習技術可以讓電腦不停地自我學習、訓練能力，也產生出新晶片的需求，而這也是台灣的機會。 

圖1 工研院資訊與通訊研究所所長闕志克表示，台灣應該把握人工智慧這一波浪潮，積極開發新型專屬於人工智慧的晶片，創造另一波成長高峰。

闕志克進一步表示，深度神經網路(Deep Neural Network, DNN)技術須蒐集大數據資料來做訓練，其中，必定需要硬體資源的協助。以人工智慧所需的新晶片需求，可分為兩類型，第一種類型是可提供訓練用所需要的硬體，如NVIDIA的GPU可加快運算速度，一般要耗費兩星期工作天訓練得來的數值，僅在短短八小時內即可計算完成；第二種類型則為具備推論能力的硬體晶片。 

現階段，實現人工智慧的主流硬體為GPU，不過未來是否有另外一種處理架構，可更適用於人工智慧應用，是目前晶片商們正在追尋的目標。例如，Google為了進一步強化機器學習能力，已私下研發專用的張量處理器(Tensor Processing Unit, TPU)，效能已達到GPU及中央處理器(CPU)的15及30倍。 

闕志克表示，人工智慧晶片需要具備更優異的效能、製程以及強而有力的研發基金做後盾，因此，有能力在台積電(TSMC)下片的廠商，皆是有可能開發AI晶片的潛力廠商。他透露，聯發科(MediaTek)現在正積極投入開發AI新晶片，主要是將DNN演算法導入現有智慧型手機技術，將視作為新的處理器架構，其概念與GPU和TPU相似。 

闕志克談到，以台灣來說，在人工智慧領域，強項在於硬體，因此有能力將人工智慧技術快速導入硬體零件。而應用部份，則可在既有廠商建立完成的DNN技術上，增加一些專屬於自己的應用或技術，快速將產品導入市場，增加競爭力。 

另一方面，在政府政策部份，科技部已爭取五十億預算推動「人工智慧」研發。闕志克表示，在科技部長陳良基大力支持下，經濟部已有三個計畫正在籌備當中，第一個計畫是聚焦於AI應用；其次，是研發AI處理器；最後，是布局AI影像辨識。這些計畫雖然將於2018年開跑，但現在相關單位皆已積極開始研發布局，相信2018年將陸續有成果展示。 

除了在技術上不斷突破，把握住既有開發能量的優勢之外，人才的培育與延攬更是不可或缺。然而台灣產業現階段卻不斷面臨科技人才流失的難題。 

AI機器人百家爭鳴　 台灣人才流失嚴重 

隨著人工智慧結合機器人的商機扶搖直上，各地科技大廠無不使出全力招攬人才。就當各國開始全力網羅人才的同時，台灣卻面臨人才急速流失的險境，其根本原因不外乎國內產業環境逐漸崩壞，加上政府政策原地踏步，使得具備AI開發能力的人才紛紛出國發展。 

任何的產業政策與發展，首重人才培養，要有足夠多且優秀的人才，才有能力創造出未來需求的產品，進而成為經濟成長的動能。台大智慧機器人及自動化國際研究中心主任羅仁權(圖2)表示，機器人產業發展是可以協助國家賺取外匯的藍海產業，攸關國家未來產業發展的領域，然而現今卻一再地面臨人才外流的危機。 

圖2 台大智慧機器人及自動化國際研究中心主任羅仁權認為，機器人產業是協助國家賺取外匯的關鍵產業，如今卻面臨人才外流的窘境，政府提供穩定環境留住重要人才刻不容緩。

究其原因，羅仁權認為，主要來自於政府投資力道尚顯不足，加上台灣有能力的大企業對於AI投入較少，促使人才外流問題日益嚴重。相較於日、韓，台灣政府投資的金額是他國的十分之一不到，加上沒有秩序性地規畫這些資金的運用方式，或者推出相對應的政策方針；再者，雖然台灣各廠皆認為AI很重要，不過目前有投入AI研究的大多為新創公司，大企業反而較少投入。 

羅仁權進一步談到，提供具有AI技術專業人才一個穩定的環境，大企業的晉用人才非常重要，因此政府有必要多一些有效率的規畫，提供練習場域，才能使產業遍地開花，進而讓人才願意留在家鄉。 

羅仁權提到，機器人包含設計、結構、材料、藝術、美感、軟體、AI等技術，全球都在看這個產業，從小培養相關技術的基本能力，才能跟上AI潮流。舉例來說，美國規定從小就需要學習生物科學，這就是全國運動，對生物學有興趣就對更多領域有興趣。相同的，美國看到AI技術的重要性，就開始朝向AI技術發展。 

羅仁權表示，為了在AI機器人領域掌握先機，台灣必須要掌握大數據資料的能力，現在台灣有很多系所，像電機系、資工系，有能力掌握數據分析能力，因此，當務之急是政府現在需要增加更多的鼓勵動作，延攬人才並增加具備相關能力的學生繼續精進。 

除此之外，羅仁權指出，真正能創新的在於軟硬體整合能力，過去在PC時代，台灣已經有硬體整合的能力。未來在AI機器人的時代，可以將AI想像成為機器人的大腦，具有辨識與視覺能力，不過要使機器人能靈活運動，就需要硬體能力的支援，因此，只有聰明的大腦加上手腳行動的能力，最終才能製造出成品。 

人工智慧下一步　 自主思考成顯學 

值得一提的事，人工智慧除了強調高速運算力、演算力以及強大的分析能力之外，也逐漸朝自主思考的能力邁進。 

以DNN技術導入到自駕車為例，在這種應用情境之下，就會出現兩個問題。首先，DNN需要有足夠又完整的訓練數據資料，以確保自駕車可以安全行駛於各式各樣的天氣，或面對各式各樣的突發狀況；其次，除了完整的訓練資料外，資料的準確度也是不容輕忽的一大重點。立基於這兩項必備條件，進一步延伸出具有推理能力，可以舉一反三的人工智慧核心，就是各大廠商期望發展的方向。  

闕志克談到，DNN模型本身就具備分類、分析，而如何訓練DNN除了學習之於，還可以進一步自然產生成品，將是一大突破。換言之，整合學習與思考的能力，是未來人工智慧的發展目標，而現階段也已經有許多應用，開始建構串聯這兩個架構的應用。舉例來說，機器人進入新聞產業，自動撰寫新聞稿，像是美聯社使用Wordsmith平台來產出財報類新聞，騰訊財經推出「Dreamwriter」的自動化新聞寫作機器人。 

整體而言，數據應用的重點是幫助企業重塑產業鏈，深入了解消費者，讓大量的數據運轉出商業價值，成為社會經濟的基礎智慧支撐。 

闕志克認為，具備思考能力的AI機器人，是值得台灣產業投入的一大機會。因為此技術可導入至各種不同應用，也可以分析不同新事物，在可以預見的未來，數據將超越今天的智慧終端，成為每個人身體和思想的延伸，創造「自主思考」的數據價值。