為什麼很難探討「AI 人工智慧」（Artificial Intelligence）真正影響的原因之一，就在於這個名詞過於氾濫。這是一個歷史比電腦更悠久的概念，而如今所談論的實務問題，早已南轅北轍。就如同前篇所述，若真的要探討人工智慧即將帶來的衝擊，必須要對其有更清晰的定位，並清楚數位革命一直以來對社會的影響，以及社會如何影響數位革命。人工智慧的議題相當廣泛，令人摸不著頭緒，甚至自稱的人工智慧專家也開始到處都是，然而這樣的 現象並非無法解釋。其實現今熱議的自駕車及 Siri 語音助理等技術，其概念並非新穎，早在數十年前就開始發展，很多嶄新事物其實還是有脈絡可循。▲ 早在 1960 年，雪鐵龍 DS19 就做過自動駕駛車輛的改裝。（Source：By Joc281 , via Wikimedia Commons）在西元前，著名哲學家亞里斯多德及數學家歐幾里德等就已在從事機械化推理的研究，在 17 世紀，更有著名哲學及數學家 Gottfried Leibniz 明確提出，人類的思想可以簡化為機械計算的概念。而後引發了更多數學家前仆後繼進入這個課題。不過儘管如此，現代的人工智慧技術發展早已與原來的理想大相逕庭，就像人類想學鳥飛翔，最終發明的卻是噴射機。人工智慧的泡沫1936 年，圖靈機的問世使電腦科學家抓住處理抽象符號的靈感，並且在二戰期間建造出各種解密計算機，甚至有了現今電子計算機的雛形，1937 年就誕生了第一台二進制電子計算機 Atanasoff–Berry Computer。不過以性能來講，美國陸軍彈道研究實驗室的 ENIAC 才算是第一部真正具有圖靈完備性的現代通用型電腦。1950 年，圖靈測試的概念提出後，開始有了通用型人工智慧（AGI），也就是現在認為的強人工智慧，必須能理解人類語言的條件。學術界也終於在 1955 年 8 月，發起全面探討有關人工智慧議題的達特矛斯會議，並在隔年夏天正式提出「人工智慧」術語，為往後的技術發展方向奠定了基礎，所以 1956 年又被稱為人工智慧誕生年。美國國防部等政府機構開始向這個領域投入資金，並開啟第一次人工智慧熱潮。 ▲ 在圖靈測試中，AI 必須不讓人類分辨出與之對話的是計算機。（Source：Flickr/The People Speak! CC BY 2.0）雖然圖靈機、哥德爾不完備定理和 λ 演算早已解答了演算法有極限。但到了 1970 年代初，人工智慧技術受到更現實的硬體限制，實用性一直無法達到期望，甚至被譏笑為玩具。例如機器視覺和自然語言技術等都需要龐大資料庫支撐，還有類神經網路也被創造者 Marvin Minsky 認為無法解決異或問題而放棄。這些難題不僅讓當時的電腦科學家深受挫折，也令金主開始撤退，人工智慧技術被視為一種浮誇及泡沫現象。不過到了 1980 年代，專家系統的出現再度掀起人工智慧的熱潮，電腦科學家 John Hopfield...
諾丁漢大學和金士頓大學的人工智慧（AI）研究團隊日前透過機器學習（machine learning）設計出一種演算法，能將照片中的二維人臉圖像轉換為 3D 建模，近日他們在網站公布了成果。團隊在網站公布了研究論文及詳細研究內容，人們可以運用團隊提供的一些示範照或自己上傳人物的正面照片，來了解具體的轉換方式。根據測試，網站不到 1 分鐘便能展現出轉換成果。網站的介紹指出，上傳的圖片除展示功能外不會做為他用，保留 20 分鐘後就會自動刪除。▲ 運用網站提供的圖靈（Alan Turing）正面照片做出的 3D 建模。研究人員是透過提供卷積神經網路（CNN）大量的臉部數據來訓練，在長時間訓練的過程中，AI 逐漸學會在看到一張全新的臉孔時，去猜測臉部的具體形象，包含照片中看不到的部分。在 TNW 的訪問中，研究人員之一的 Aaron Jackson 表示，許多電腦視覺的研究都難以用有趣的方式呈現，因為那多半只是偵測方法的一些改動，這個示範網站只是幾個晚上趕出來的成果。「之所以建立這個網站，只是覺得如果能看到自己的 3D 建模，會是一件很有趣的事。」研究團隊將出席 10 月在威尼斯舉辦的國際電腦視覺大會（ICCV 2017），並針對相關研究結果發表演講。 This AI program can make 3D face models from a selfie 3D Face Reconstruction from a Single Image （圖片來源：3D Face Reconstruction Demo 網站示範照片）
fortune.com 報導，Evercore ISI 分析師 CJ Muse 15 日將人工智慧（AI）晶片開發商 NVIDIA Corporation 未來 12 個月目標價自 180 美元調高至 250 美元，據此推算這家公司市值屆時將升至 1,423 億美元。Muse 指出，NVIDIA 正在打造競爭對手幾乎無法複製的 AI 運算產業標準。他說，這家公司為了打造 CUDA 生態系統，歷年來累計投入超過 100 億美元的研發經費。MarketInsider 報導，Muse 指出，NVIDIA 經營團隊認為投資人仍嚴重低估 AI 的潛在市場規模以及影響力（未來每台 PC / 伺服器都將內建 AI 晶片）。他指出，NVIDIA 現在已主宰 AI 訓練階段，未來可望成為推論（Inference）階段的領導廠商。Muse 預期 NVIDIA 年度每股盈餘將在 3-5 年內成長至 10 美元，遠高於最近一個會計年度的 2.65 美元。CNBC 5 月報導，Google 等科技大廠所力推的深度學習（deep learning）通常包括兩個階段。首先，研究人員透過給予大量數據的方式訓練內建 GPU 電腦學會辨識照片中的汽車。完成訓練後，研究人員在第二階段（稱為：推論，Inference）要求電腦依據新數據做出預測。Google 去年發表的第...
IBM 的超級電腦「華生」（Watson）是人工智慧（AI）界的明星，被認為潛力無窮。不過華生應用於醫療領域再吃敗仗，似乎無法發揮太大效用。Slate、Barron’s 報導，Stat 的 Casey Ross 和 Ike Swetlitz 調查發現，IBM 大力宣傳華生的腫瘤診斷能力，但是實際上功效不及預期，顯示 IBM 未徹底評估運用於全球醫院的挑戰，就為了提振營收貿然發表新產品。華生與美國紐約的 Memorial Sloan Kettering 醫院合作，學習診療腫瘤病患。華生取得病患醫療紀錄後，會比對醫生建立的資料庫，依照預估的治療成效好壞，提供診斷建議，不過華生無法解釋，為何推薦某種療法勝於另一種。不只如此，Ross 和 Swetlitz 還發現，化療適合於癌症擴散至淋巴結的患者，可是華生卻會建議病症尚未擴散至淋巴結的病患也進行化療。他們認為華生無法提高醫療品質。（本文由 MoneyDJ新聞 授權轉載；首圖來源：IBM）延伸閱讀： IBM Watson 太貴了，AI 大戰將輸給 Amazon、蘋果？
由於競爭對手亞馬遜（Amazon）在人工智慧（AI）上大力投資，使沃爾瑪（Walmart）也不甘示弱，準備在此領域一較高下。據市場研究單位 Global Equities Research 分析師 Trip Chowdry 報告指出，這家零售巨擘計畫在 2017 年剩餘時間內，使用輝達（Nvidia）的人工智慧晶片，打造一個神經網路群集。未來這個群集將讓 Walmart 的 OneOps 內部應用開發和維護團隊，開發一系列神經網路，以便在現有和未來應用裡訓練自家人工智慧。報告指出，人工智慧未來可能成為零售業重大的差異因素，這也是亞馬遜 2017 年斥資 137 億美元（約新台幣 4,115 億元）收購全食超市（Whole Foods Market）的重要原因。全食超市可為亞馬遜在 AWS 雲端運算的人工智慧團隊，提供大量消費者行為資料，用於研究和訓練自家人工智慧系統。此外，AWS 還可以使用全食超市測試與人工智慧有關的服務，最終整合到 AWS 核心產品。Walmart 與亞馬遜彼此為競爭對手，這兩家公司不僅在美國和其他地方爭奪消費者購物市場，還有報導表示，Walmart 甚至要求供應商不能使用 AWS 雲端運算服務。不過，因為只有少數幾家公司能進行人工智慧研究，包括亞馬遜、微軟、Google、中國百度和 Facebook 等公司，Walmart 卻非其中之一。因此 Walmart 決心打造自家人工智慧系統，以結合相關應用。據了解，Walmart 希望把這家 20 世紀的零售業霸主儘快導入數位化世界。事實上，Walmart 過去也逐步涉獵相關領域，包括 2013 年收購 OneOps， 並藉此在 2016 年發表開源版本的平台即服務技術。只是 Global Equities Research 研究指出，Walmart 的人工智慧網路規模可能只有亞馬遜的十分之一，因此必須加緊腳步，才能與競爭對手相抗衡。（首圖來源：Flickr/Walmart CC BY 2.0）
市場情報公司 Tractica 9 月 5 日指出，2017 年消費者人工智慧（AI）市場（包括硬體、軟體、服務）產值預估將達 27 億美元，高於 2016 年的 19 億美元，2025 年規模預估將達到 421 億美元。Tractica 首席分析師 Jessica Groopman 指出，消費者 AI 市場目前是由 Google、亞馬遜、Facebook、百度、蘋果等當代網路巨擘所引領。CNBC 報導，RBC 資本市場 3 月 9 日指出，Echo 智慧音箱內建的 Alexa 雲端數位助理可望成為亞馬遜的金雞母，2020 年預估將為亞馬遜創造出 100 億美元的營收。RBC 預估到 2020 年 Alexa 裝置累計銷售量將達到 1.28 億台，單單在 2020 年就可賣出 6 千萬台，若以 85 美元的平均售價來計算，將可創造出 50 億美元營收。根據 CNET、分析師以及亞馬遜的估計，2017 年德國柏林消費性電子展（IFA）上有多達 30 種支援 Alexa...
在科技發展之下，許多人都擔憂會被人工智慧（AI）搶走工作，但人們要擔心的可能不只這些，未來員工的工作績效評估，很有可能也會掌握在 AI 手中。福斯新聞（FOX News）報導，機器學習公司 Wildebeest 執行合夥人 Ran Craycraft 近日透露，他認為透過收集員工工作品質相關的數據，AI 很快就會用來評估員工的生產力。「作家的產值可輕易根據所寫作品的數量、複雜度和情感來評估；在銷售員方面，則可從電子郵件的寄送數量、得到的正反面評價來衡量業績。」軟體公司 Headliner Labs 的執行長 Dana Gibber 也表示，這些評估工作品質的 AI「專員」被認為非常有價值。「因為它們能給予管理者關於員工的關鍵見解，並鼓勵員工拿出最佳表現、提高效率。」以軟體開發團隊的情況來說，AI 將可從團隊成員每天寫多少代碼、休息多少次、工作的品質評估個人表現，只要有一個成員偷懶，老闆就能馬上察覺。（Source：shutterstock）人資收購和管理公司 ClearCompany 的執行長兼共同創始人 Andre Lavoie 則指出，如果有必要，AI 甚至可以追蹤每個人瀏覽網路或其他相關活動的時間，甚至閒置時間也能追蹤並向雇主報告數據。類似能追蹤員工瀏覽習慣的工具其實並不少見，為了確保員工不違反工作場所規定，美國許多企業都已廣泛使用。那麼運用 AI 又能做什麼特別的呢？產品研發企業 Nintex 發言人 Matt Fleckerstein 認為，AI 的不同之處，是可以幫忙確定使用者的意圖。舉例來說，一個員工持續大量瀏覽網路文章，或許是為了開發正在了解相關研究數據，或是撰寫相關市調報告。Fleckerstein 表示，透過將上網的內容與實際工作的表現互相關聯，AI 就可辨別是否與工作相關。「AI 能辨識上網是促進、減少了銷售表現，或是創造更多銷售管道，或只是與表現毫無關係的舉動。」Fleckerstein 強調，AI 主要是用來提高生產力，而不是監視偷懶的員工。他們希望藉由 AI，讓員工知道如何改善做事效率。這聽起來是很理想的狀況，但只怕事情不會如此順利發展。在 AI 的行為監控之下，誰產出最多工作，誰又花了太多時間瀏覽網路、往返茶水間泡咖啡，員工的一舉一動或許都會納入評估。可想而知，這些 AI 專員將會受到老闆的熱烈歡迎，但 Craycraft 認為，新的問題也會隨之出現，「當員工因為老闆並未親眼所見的事受責怪時，就是我們開始踏入灰色地帶的時候。」「員工不會喜歡更多監視出現，屆時勞工可能會組織起來反對 AI，就像過去歷史上出現的工會與自動化的鬥爭。」 How Artificial Intelligence will tell if you’re slacking off at...
在現在 AI 風潮之下，IBM Watson 計畫算是很早就開始進行，並且早在 AI 吹進大街小巷前就有跟如商業、醫療等領域合作。但 STAT 調查發現 Watson 與醫療機關合作推薦最適合的癌症治療方法 Watson for Oncology，仍卡在最初步──辨識這是哪種癌症，並不如 IBM 宣傳的那麼神。醫療產業的產值有數十億規模，但實際採購 Watson 系統的醫院寥寥可數。STAT 實際造訪用 Watson 系統的醫療機構，到過南韓、斯洛伐克及美國佛羅里達州南部，訪問醫生、人工智慧專家、IBM 高層。STAT 的結論認為 IBM 太急於用 Watson 創造營收，因而大肆吹捧 Watson 的效果，忽略實際部署到醫院後面臨的挑戰。IBM 也並未針對 Watson 成果發表論文，因此當 Watson 經第一線醫事人員實際使用後，Watson 的限制就出現了。IBM 行銷宣傳聲稱的 Watson 好處，其實誇大了。Watson for Oncology 需要有領域經驗的人操作，將高度專精的資料輸入，因此很依賴輸入資料的人。SLAT 文章比喻為類似 Mechanical Turk 的狀況，就像 1700 年出現的玩棋機器人，其實是有人躲在機器裡下棋。Watson for Oncology 仍然大量依靠人工。Watson for Oncology 由紐約 Memorial Sloan...
TrendForce 旗下拓墣產業研究院指出，AI（人工智慧）對半導體產業的影響，已從銷售機會與生產方式升級兩項指標逐步顯現，包括 OS 廠商、EDA、IP 廠商、IC 晶片廠商都在 2017 年針對 AI 應用推出新一代的架構與產品規劃，AI 帶來的影響將在 2018 年持續擴大，預期 2018 年至2022 年半導體年複合成長率將為 3.1%，AI 將扮演半導體主要成長動能。拓墣產業研究院研究經理林建宏指出，AI 正從兩種不同的路徑影響半導體產業，一個是銷售機會，包含新的應用帶來新產品與新技術，像是更多的感測器、數學加速器、儲存單元與通訊能力，落實服務、建設通訊骨幹、並同步升級資料中心與伺服器。另一方面，則帶來半導體產業生產方式的升級。從銷售方面來看，2018 年由 AI 帶來的成長關鍵包含單一產品所搭載的半導體數量上升、主要的半導體產品平均價格提升，以及新的應用終端穩定放量。從應用面來看，車用、電動車或是先進駕駛輔助系統，引入越來越多的傳感器與控制元件；語音助理帶出新的智慧家庭使用情境與產品需求。此外，智慧手機導入多樣性的生物識別方案，對資料運算、存儲與傳輸上的需求越來越高，也推升晶片升級需求，最明顯的是包括前三大的智慧手機品牌廠、五大中高階手機晶片供應商都提供與採用含 AI 加速功能的 IC 與應用套件。另一方面，不論是從 AI 導入或是工業 4.0 的角度來看，新的生產模式，正在重塑各半導體公司對有效產能的定義。預計在 2018 年起，數位化程度的差異與掌控資料量的多寡，帶給各廠商的影響將越來越顯著，不論是台、中、美、韓等半導體廠商都將因各公司對新生產模式掌握度的差異，而有不同程度的壓力與機會。TrendForce 將在 2017 年 9 月 29 日（五），於台大醫院國際會議中心 201 室（台北市中正區徐州路 2 號 2 樓）舉辦「2018 集邦拓墣大預測」研討會。（首圖來源：shutterstock）
IBM、麻省理工學院（MIT）7 日宣布結盟。IBM 將在未來 10 年合計斥資 2.4 億美元於美國麻州成立 MIT-IBM Watson 人工智慧（AI）實驗室，藉此支援雙方科學家所進行的研究。新聞稿指出，這將是有史以來最大規模的產學長期 AI 合作案之一。實驗室將進行基礎 AI 研究，力求推動能夠釋放 AI 潛能的科學突破。這項合作是以推進與深度學習相關的 AI 軟硬體、演算法為目標，進而提升 AI 對健康照護、網路安全等產業的影響力，同時還將探索 AI 在經濟、道德層面對社會的衝擊。網路安全新創公司 Cybereason 6 月 21日宣布，最大股東軟銀（Softbank）已加碼投資 1.0 億美元。自 2012 年成立以來，Cybereason 已自 CRV、Spark Capital、Lockheed Martin 以及軟銀募得 1.89 億美元資金，其產品被企業用來防範類似 WannaCry 勒索病毒的網路攻擊。日經亞洲評論報導，Cybereason 創辦人據悉具有以色列軍方資歷。這家公司號稱可透過 AI 學習企業資訊科技系統在正常狀態下的運作型態並藉此偵測出不尋常活動。日經 6 月報導，日本永旺集團（AEON Co., Ltd.）將藉軟銀 Pepper 機器人、IBM 華生（Watson）AI 系統之力在旗下購物中心與銀行分行開設無人信用卡櫃台，原先的人力將被賦予推廣信用卡的任務。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Flickr/IBM Research CC BY 2.0）延伸閱讀：...