稍早筆者受淡江大學教育政策與領導研究所邀約，做了一場「AI 時代文教事業的經營」演講，給體制內的教育機構以及在文教產業的商業公司，提供一些面臨新一波科技浪潮（特別是大數據和人工智慧）時，因應的建議。準備的過程中，發現這些思維轉變、策略訂定以及組織和營運的革新，有不少也適用傳統產業的經營者和人員，因此稍微重新整理，跟科技新報的讀者分享。首先，大家對大數據及人工智慧（AI）這幾年的發展，需要有清楚的認識，這些進步不僅是某些關鍵技術的突破，而是已經如火如荼在各種產業和生活應用展現效果，不論社交媒體、網路購物、客服及對話機器人、自動翻譯、智慧物流、無人飛機、無人商店、智慧製造、醫療照護，或是各種影像與語音辨識等場景，使用大量數據及新型演算法分析，高速運算的電腦裝置不斷學習，持續產生出前所未有、勝過人類生產力的高度效能。兩個簡單的例子，一是生產力 4.0 的發展，透過大量新的感測器及分析系統，工廠可隨時蒐集生產線上機器運行的細微狀況，提早因應可能的故障或產能不足等問題。另一個例子是中國光棍節，電子商務平台短時間大量的客戶服務（語音及文字互動），也已有極大比例是由客服機器人執行。這些都是基於龐大數據的累積和分析，建立出適當的模型，不斷學習改進，而能用在實戰上，為企業節省大量成本，促進更順流程的營運。文教產業（例如出版商、補習教學機構等）通常是以服務和內容為核心產品，也在製作和交付方面經常依靠人的高度參與，過去在先進科技的運用，本來就是偏向比較不積極 （Late adapters）。但因這波數位革命，影響的是所有產業，包括市場及客戶的典範轉移，因此如文教這樣所謂的「傳統」產業，面對的挑戰恐怕更巨大，甚至可能面臨被淘汰或取代的危險。筆者建議從事文教業（及許多傳統產業）的朋友，可從以下 3 個方面，找尋自己新的生存或競爭機會：1. 審思公司的定位與策略首先，公司需要重新盤點自己的核心能力與競爭優勢，深刻檢視過去仰賴的商業模式和資源，是否未來還存在。舉例來說大型出版商過去整合下游印刷和通路（分銷、零售等），曾經擁有成本及運營優勢，但是現在網路越來越去中間化，數位內容也快速取代紙本，這些優勢會不會反而成為變革的包袱？其次，市場及客戶喜好的變化也越來越快，過去文化或教育類型的需求經常多年不變，本地廠商占有第一線服務的優勢，對於市場的敏感度容易逐步降低，也不易察覺新興科技可能帶來的衝擊。例如英文補習班雖然一向競爭激烈，但因為需求水平高，實體機構過去還一直有生意做。但是現在不僅少子化，線上的學習資源和選擇越來越豐富，國外的對手要進來也不困難，學生的學習習慣更大幅傾向數位，如果公司沒有不斷研發精進的能力，過去靠一套教材吃十年的日子，恐怕也不復存在。當然，新的世代也有許多新機會，其中終身學習（對於新知識的焦慮和需要），更重視個人化體驗的學習（例如線上線下融合），以及海外市場的擴展（包括中國）都是。若是文教產業能確認自己的定位，善用科技工具和自身累積的專業，擁抱這些機會，也都有可能走出新的道路。2. 強化組織創新的能力與文化「成長型思維」是當今個人和組織都必須不斷強化，隨著大數據和人工智慧時代來臨，不變比改變風險還大，原地踏步就是落後的狀況越來越明顯。前面提到競爭對手可能來自四面八方，現在連個人的工作都很容易被機器取代，曾經需要一定專業，仰賴本地人員的教學、編輯，甚至美工設計工作，可能都有更好的工具或來源替代。創新大師 Clayton M. Christensen 在《創新者的 DNA》書中，從人才、流程、和理念三方面為組織的創新提升給予具體建議，其中高階主管領導創新行動的意志、注重招募／訓練／拔擢 「發現導向型」 人才、部署及管理小型創新組織，以及強調創新是每一個人的工作，都有很好的觀點，值得大家參考。另外我想多強調兩個日益重要的能力，一是基於數據做決策的能力，一是人機協作的能力。這幾年網路、行動應用和物聯網不斷普及下，每個人或聯網物件每天產生的數據已不計其數，商業行為中的製造、運輸、銷售、行銷、服務，乃至產品的使用現場（包括家中）和訊息媒體，都有大量對公司營運息息相關的有用數據。如果一家公司不能及早建立適當的 IT 系統，蒐集及分析訊息的流程能力，以及基於數據來決策的文化，恐怕會被具如此能力的競爭對手甩在腦後。由於人工智慧應用搭配機器人／智慧裝置的普及，一般人員即使短期未必立即被機器取代，也越來越需要有效與機器互動協作，截長補短，共同達成任務。舉例來說在不少實體店鋪（例如銀行分行），開始配置服務機器人，為來店客人提供產品諮詢等引導服務，甚至也可以進行交易。然而在機器人未能充分展現人性關懷之前，店鋪多半也需要配置真人，提供更深層或複雜的銷售服務行為，以達到最好的服務體驗效果。這種人機互動協作，未來在許多崗位，包括管理職和專業職，都會越來越普遍，那些能擁抱科技（機器）能力，但又不失人性細膩和決斷的組織和個人，能將機器的威脅轉成助力，勝出的機會將特別大。3. 善用新式工具，擴大市場，降低成本，提升生產力許多人擔憂人工智慧等新科技帶來的巨大威脅，不過更多人把它們就當作是新的「工具」，與過去的電力、電腦、網路無異，都是可以大幅提高生產力的契機，同時也必然會造就不少新的職能需求。從一個公司的各方面營運上看，以下是人工智慧技術已經在許多產業快速應用的範例，供大家參考： 市場分析／行銷活動：大量輿情（語意）分析、程式化廣告投放 銷售及通路管理：全通路／多通路營運、通路預測模型、無人商店 產品及服務研發：數據導向設計、機器學習模型、智慧裝置軟硬體整合 客戶服務及客戶關係管理：智慧客服、無人機／機器人、客戶預測模型 製造及供應鏈管理：智慧設備、供應預測模型、維運管理模型 物流運輸管理：倉儲機器人、運輸最佳化模型、無人卡車駕駛 若對文教類別的公司，特別會建議在產品技術升級，以及服務體驗深層化方面多下工夫，創造更多差異化，提高服務黏度和不可取代性。這不僅是在正常商業運行下的加強，更是該運用新式科技和思維，爭取突破窠臼的發展。首屆圖靈獎（Turing Award，電腦領域的奧斯卡獎）得主美國電腦科學家 Alan Perlis 有一句名言：A year spent in artificial intelligence is enough to make one believe in god.（在人工智慧花一年時間，足以讓人相信上帝的存在）。我們認為這一波（第三波）的 AI 是玩真的，將為人類生活、產業競爭以及社會體制帶來巨大的衝擊。如同數位及網路革命時許多傳統產業未能跟上，不支倒地（例如書店、唱片、相機等），這次數據及 AI 應用將更拉大領先者和落後者的距離，不論個人、公司，甚至國家都一樣。人工智慧是未來災難還是救星，端看我們如何面對它，你準備好了嗎？（首圖來源：shutterstock）
美國的頂級律師最近和人工智慧來了一場比賽，律師輸了。法律 AI 平台 LawGeex 與史丹佛大學、杜克大學法學院和南加州大學的法學教授合作進行一項新的研究，讓 20 名有經驗的律師與經過訓練的法律 AI 程式比賽。比賽內容是 4 小時審查 5 項保密協議（NDA），並確定 30 個法律問題，包括仲裁、關係保密和賠償。如何準確界定每個問題是比賽的得分要點。頂級律師輸了在這場比賽裡，人類律師平均準確率達 85%，而 AI 的準確率達 95%。AI 也在 26 秒內完成任務，人類律師平均需要 92 分鐘。人工智慧在一份合約也達到 100% 準確率，其中最高分的人類律師得分僅為 97%。簡而言之，人類律師被機器，「虐」了。智慧財產權律師 Grant Gulovsen 是該研究中與人工智慧競爭的律師之一，他表示，這項任務與許多律師每天所做工作非常相似，「大多數文件，無論遺囑、公司營運協議還是 NDA 等，都非常相似。」Gulovsen 表示。那麼，與機器的比賽中落敗，是否意味著律師會丟了飯碗？答案是：否。「使用人工智慧可幫助律師加快工作速度，讓他們專注於那些仍需要人來完成的任務。讓 AI 當作律師助理初審 NDA，可為律師騰出寶貴的時間，專注於客戶諮詢和其他更高價值的工作，」杜克大學法學院臨床教授 Erika Buell 說。稱為「自然語言處理」（NLP）的人工智慧技術，已證明可用於掃描和預測什麼樣的文件能與一宗案件相關。但律師的其他工作，如向客戶提供建議、書寫案情摘要、談判和出庭，在短期內仍超出電腦化的範疇。「我堅信，法律學生和初級律師需要理解這些人工智慧工具和其他技術，這將有助於使他們成為更好的律師，並塑造未來的法律實踐，」Buell 隨後表示，「我相信大眾，只要他們希望律師能有效處理他們的法律問題，就會對這個新工具感到興奮。」「AI in Law」的那段歷史千萬不要以為，人工智慧和法律領域的結合只是近兩年 AI 熱潮下的跟風之舉，實際上，人工智慧和法律的第一次相遇至少有 30 年歷史。美國亞利桑那大學的哲學家普拉克（John Pollock）早在 1940 年代就設計出 OSCAR 推理程序。這個程式有可辯駁的能力，可用於觀察、因果判斷、概率計算、計劃建構、做評估和決定。1970 年，在 Buchanan 和 Headrick...
人工智慧（AI）和機器學習興起，裝置的運算需求大增，原先做法是把複雜運算交由雲端處理，但是數據來回傳輸太花時間，「邊緣運算」（Edge Computing）成了熱門技術。NetworkWorld、Barron’s 報導，邊緣運算是什麼？維基百科解釋，邊緣運算將應用程式、數據資料與服務的運算，由網路中心節點，移往網路邏輯上的邊緣節點來處理；邊緣節點更接近用戶的終端裝置，可以加快資料的處理與傳送速度，減少延遲。簡單來說，邊緣運算是把數據移往比較接近裝置的地方處理，不再大費周章送往「遠在天邊」的資料中心或雲端。思科的企業策略創新資深主管 Helder Antunes 說，多數情況下，所有數據都送上雲端，用粗大通道連接雲端和裝置，是不切實際的做法。Guggenheim 的 Robert Cihra 報告稱，當前硬體裝置只是「連接雲端的通道」，未來運算能力將提高，變成「邊緣電腦」（edge computers）。他認為此種趨勢有利垂直整合業者（同時發展軟硬體者），如特斯拉、蘋果；Google 不落人後，也開始打造硬體。Cihra 指出，特斯拉是領先群雄的業者之一，把汽車變成邊緣運算裝置。自駕車必須能夠自行思考行動，而且不能仰賴雲端，必須即時處理感測器傳來的資訊。和當前的先進駕駛輔助系統（ADAS）相比，自駕車所需的運算能力為 ADAS 的 50~100 倍，所需的 DRAM 和 NAND 為 ADAS 的 10 倍。汽車變身邊緣運算裝置，若要發揮最大效用，必須徹底整合軟硬體，特斯拉所做的正是如此。他預測，由於自駕車營運模式是垂直整合，蘋果不大可能出售模組化 AI 給第三方廠商，未來兩年可能考慮自行打造汽車或徹底退出，他們認為蘋果應該會選擇加入汽車戰場。（本文由 MoneyDJ新聞 授權轉載；首圖來源：shutterstock）延伸閱讀： 邊緣運算加速 AI 與 5G 發展，至 2022 年市場規模 CAGR 將逾 30%
貿易戰只是假議題，人工智慧（AI）軍備競賽才是大國領導人最關注的焦點？華爾街日報 3 月 2 日報導，根據 Govini 統計，2017 年美國五角大廈的 AI 相關（包括大數據、雲端運算）支出金額（不包括未公開的機密支出）約 74 億美元，高於 2012 年的 56 億美元。美國官員雖將中國視為最大的競爭對手，但俄羅斯的潛在威脅也不可輕忽。莫斯科在電子戰領域擁有非凡的專業知識，未來 10 年的軍事目標是將 AI 自動機械化比例拉升至 30%。美國國防部前副部長 Robert Work 提議藉由打造類似美國太空總署（NASA）的 AI 民間機構來跟中國、俄羅斯一較高下。此外，他也提議成立 AI 儲備單位（類似後備軍人），提供獎學金讓年輕人取得電腦科學學位，以換取年輕科學家定期在軍事 AI 實驗室提供服務。英國電訊報 3 月 1 日報導，甫於 2018 年 1 月卸任的 Alphabet Inc. 前執行董事長施密特（Eric Schmidt）表示，類似電影「魔鬼終結者」的 AI 殺戮情節恐將在未來 10~20 年內應驗。2014 年 11 月開始交易的資安概念 ETF「ETFMG Prime Cyber Security ETF」3 月 2 日上漲...
人工智慧（AI）能做非常多的事，圖像辨識、語音辨識、雲端運算……在機器學習和深度學習技術的協助下，AI 解析數據的能力並不會有人懷疑，但它們並不善於自行探索。而圍棋界打遍天下無敵手 AlphoGo 的創造者、Google 旗下知名 AI 研究機構 DeepMind 打算改變這一切，教會機器如何自己搞懂事情。為了解決這個問題，DeepMind 為 AI 機器人建立了一個全新的學習模式「預定輔助控制」（Scheduled Auxiliary Control，SAC-X），為機器人提供一個簡單的目標，並在完成時提供獎勵。DeepMind 解釋，SAC-X 定義的輔助任務總是遵循一個大原則，那便是「鼓勵機器人探索感測器空間」，研究團隊並不會告訴機器人如何完成任務，他們只會開啟機器配置的感測器，剩餘的便留給機器去摸索，一直到它把事情正確完成。如果你看過機械手臂在工廠協助生產的場景，下面的影片或許不會太令你印象深刻，但必須一提的是，這台機器手臂並沒有特定的程序或設計在引導，它只是在自行摸索如何達成人類的要求，並獲得相應的獎勵。一旦 DeepMind 或其他 AI 公司教會機器人做這些事，這將很大程度的改變世界。以目前的研究應用來看，沒有一個機器人可以走進一間陌生的房間，並且將它整理乾淨，就連其中包含的單項任務──整理床舖、清空垃圾或放一杯咖啡，對機器人來說都非常複雜。當機器人能學會自我摸索，每種任務的執行方式都將會是無限，雖然目前距離電影裡能打點一切的 AI 機器人還有很長一段路要走，但 DeepMind 確實已踏出了第一步。 DeepMind’s new robots learned how to teach themselves （首圖來源：Deepmind）
日前，市場調查機構 IDC 在其發表的「2017 年全球智慧型手機市場報告」中表示，2017 年全球智慧型手機總出貨量為 14.62 億支，比 2016 年減少 0.5%，這是 10 年來全球智慧型手機市場出現衰退的情況。其中，在中國的智慧型手機市場中，2017 年就下滑近 5%。這樣的情況，也使得中國的各家品牌手機商思考，在未來的市場發展策略該如何因應。目前位居市場龍頭華為，就計劃將 AI 架構導入麒麟 670 的中階晶片中，期望藉測差異性拉抬中階智慧型手機的市占率。事實上，華為自 2017 年發表的麒麟 970 高階晶片中，導入了 AI 架構之後，這使得華為在高階智慧型手機市場備受關注，且取得優異成績。因此，為擴大這樣的競爭優勢，日前傳出華為海思即將推出的麒麟 670 中階晶片也將導入 AI 架構。由於，麒麟 670 是華為在中低階市場面臨競爭對手的激烈的價格競爭下所推出的產品，因此業界預估，麒麟 670 在導入 AI 架構之後，將能以差異化策略鞏固自身優勢。目前在中國的在中階智慧型手機市場中，包括 OPPO、vivo 都以廣告行銷，輔以強大的實體通路支援，進而取得競爭優勢。在這個價位中，OPPO、vivo 的手機經常排在熱銷手機的前幾名位置。根據市場調查機構 counterpoint 所發表的資料顯示，2017 年在中國市場熱銷手機排行榜中，前 6 名當中，OPPO、vivo 的手機就占了 4 位。而除了在中階市場之外，在低階的入門手機市場中，小米則以性價比占據優勢，在人民幣千元以下價格中，小米擁有第一位的市場占有率。其紅米系列不但在國內市場廣受歡迎，在印度市場也位居熱銷手機排行榜的前幾名位置。因此，在上述的原因下，華為過去被迫採取機海戰術。旗下擁有多個子品牌，而且每個子品牌又同時推出多個款式的產品。這樣的策略雖然提升了手機的出貨量，卻導致其毛利率難以提升。因此，華為這次希望借助麒麟 670 中階晶片導入 AI 架構，能以差異化來強化優勢。華為的麒麟 6XX 系列晶片被廣泛用於旗下的中低階智慧型手機當中。其中，麒麟 670 是麒麟 6XX 系列最新的一款產品，其將採用兩個...
根據南韓媒體《ETNEWS》的報導，南韓電視大廠 LG 將推出內含 AI 架構的 OLED 電視。該系列內建 AI 架構的 OLED 電視，預計在 2018 年內推出 10 種機款。而由於價格相較之前的 OLED 電視有所下降，而且具備 AI 架構的情況下，市場預計推出後將受到重視。報導指出，該系列內含 AI 架構的 OLED 電視採用 LG 自行研發的 Alpha 9 智慧處理器，其 CPU 及 GPU 的運算能力較以往處理器提高 35%，並配備 4 步驟雜訊抑制、「進階映射」（Advanced Mapping）及改進顏色校正運算法，讓畫面的清晰度、顏色、漸變層次都有較以往更佳的表現。另外，除了在色彩與畫質的控制上，透過 Alpha 9 智慧處理器的處理，有更好的表現之外。在使用者介面上，也能透過 Alpha 9 智慧處理器，利用自然語言語音辨識來控制音量、改變頻道，預約廣播收看、預約 TV 關閉等，並且改變影片觀賞模式（如電影，運動，遊戲等），可為影片類型提供最佳的觀賞品質和聲音效果；甚至還可以透過建置在遙控器上的話筒，説出電視台和節目名字進行搜尋點播，並用於預約節目和查詢演員訊息等。據了解，LG 將推出內含 AI 架構 OLED 電視的 10 款新機型中，共區分為螢幕尺寸 55 吋、65 吋和 77...
阿里巴巴台灣創業者基金在 3 月 6 日公布了第 2 波投資的新創企業名單，其中包括人工智慧、電子商務和電競等各領域的優秀公司。2015 年所創立的阿里巴巴台灣創業者基金，是由阿里巴巴集團投入 100 億台幣所創立的非營利基金。目的是為了幫助台灣新創企業發展，並拓展到亞洲以及全世界。繼 2017 年 5 月投資的 9 家台灣企業之後，第 2 波也投資了 13 家台灣企業，總計投資 22 家企業共約 20 億元台幣。這次投資的公司以人工智慧和電子商務相關領域最多，其他也有電競、雲端、VR 和運動等其他領域的公司。阿里巴巴台灣創業者基金執行總監李治平表示，投資的公司是從超過 700 家公司中篩選出來的。投資對象都是已經成立三五年的公司，產品和服務已經經過市場驗證並獲得不錯的成果。李治平指出這些公司主要的課題會是如何快速的規模化和成長，而這正是阿里巴巴可以提供協助的部分。李治平特別談到，阿里巴巴並不打算干涉公司的發展或涉入公司的經營，因此所占的股權都低於 10%。這次阿里巴巴投資許多人工智慧（AI）的新創公司，包括以 AI 進行金融風險評估的諦諾科技（Adenovo）、設計 AI 晶片的耐能（Kneron）、將 AI 應用在 API 整合的科迪（Kloudless）、以 AI 預測消費者需求的 Pluvio 和用 AI 辨識技術進行安全監控的盾心科技（Umbo）。李治平認為越來越多 AI 技術的應用需要與硬體結合，而這就是台灣最大的優勢。如何在發展 AI 時結合原先在硬體或半導體的強項，將是台灣新創公司重要的課題。阿里巴巴台灣創業者基金所投資的對象需要符合兩項條件，第一是創辦成員要是台灣人或是公司主要的營運據點位於台灣，第二則是與阿里巴巴本身的業務相關，如此一來阿里巴巴才能提供集團內的資源予以協助。被問到台港創業風氣的不同李治平表示，這兩年台灣的創業風氣漸盛，許多創業者都是具有硬體技術底子的人，多以技術做為創業核心，而香港則較多為商業模式的創新，雙方各有所長。（首圖來源：科技新報）延伸閱讀： 台積電蟬聯專利申請王，阿里巴巴外商第一 阿里巴巴王堅：城市大腦絕不是一個人工智慧應用 AI 再下一城！阿里巴巴和微軟的 AI 閱讀測驗險勝人類
日經新聞 6 日報導，Sony、鴻海等 5 家企業宣布成立「智慧攝影機生態系統網路聯盟」（NICE Alliance，Network of Intelligent Camera Ecosystem Alliance），將於監視器的技術標準、規格制定等事項進行合作，目標是主導可隨時連網的次世代監視器技術標準、規格制訂。NICE Alliance 將制定從機器到軟體的廣範圍規格，並將以開放式平台的形式於 2018 年內對外公開。除 Sony、鴻海之外，參與 NICE Alliance 的還包含美國監視器系統新創企業 Scenera、日本相機大廠 Nikon 以及台灣緯創，今後也計劃招募更多企業參與。CNET Japan 報導，NICE Alliance 的目標是推出和現行由亞馬遜（Amazon）、Google、Netgear 等企業所提供的智慧攝影機相比、能拍攝出更高品質影像的產品，而 NICE Alliance 希望能建構除能實現上述目標的標準介面。CNET Japan 指出，監視器是一塊非常大的市場，根據 IHS Markit 指出，北美目前已設置了高達數千萬台的監視器。（本文由 MoneyDJ新聞 授權轉載；首圖來源：pixabay）
人工智慧（AI）發燒，債信評等機構 S&P Global 也加入此一行列，將以 5.5 億美元買下 AI 新創業 Kensho Technologies，金額之高創下 AI 業者的最高收購價。Forbes、華爾街日報報導，S&P Global 6 日宣布斥資 5.5 億美元收購 Kensho。5.5 億美元超越 Google 購買 DeepMind Technologies 的價格，也超過英特爾購買 Nervana Systems 的價格，為史上最高額的 AI 企業收購價。AI 最大宗購併案由金融業者拔頭籌，顯示金融業未來將更仰賴機器人、勝過人類交易員。S&P Global 動作頻頻，這是該公司今年以來第二宗 AI 企業購併案。上個月 S&P Global 才買下機器學習暨分析商 Panjiva。Forbes 曾形容 Kensho 讓選股變得一如使用 Google 搜尋，極為簡單。Kensho 使用機器學習讓複雜的金融分析變容易，專用演算法可以從數百萬種的市場數據中，找出關聯性和套利機會。Kensho 績效如何？川普當選後，美元一度強彈 3%，當時 Kensho 預測，受到美元升值衝擊的科技股，將止跌回升，結果預言成真，科技股是 2017 年的大贏家。川普擬對進口鋼鐵課稅，對美股又有什麼影響？部分專家說，保護主義抬頭有利美國小型股，羅素 2000 指數將有好表現。不過 Kensho 認為此種情況有利那斯達克指數，Kensho 回顧 1988...