在李世乭和柯潔戰敗後，人類在棋類競技場已經難與 AI 爭鋒。很多人會說，身為非職業棋類選手，不在乎下不下的贏棋。想一想，以後會不會連玩遊戲也贏不了 AI……這件事情已經發生了，且還在加速。之前曾有報導，2017 年 8 月，Open AI 的 DotA 2 遊戲人工智慧在 1V1 中擊敗了人類玩家。同年 9 月，全球最大的 3D 遊戲引擎 Unity 宣布發布 Unity Machine Learning Agents（ML-Agents），一款提供給遊戲開發者的開源 AI 工具包。Unity 這一開源工具包是 Unity 將機器學習應用在遊戲的成果，AI 已經附能各行各業，那麼在遊戲行業，會帶來哪些有趣的成果？5 月 11-13 日，Unite Beijing 2018 在中國國家會議中心召開。Unity AI 與機器學習副總裁 Danny Lange 分享了 ML-Agents 的新進展。ML-Agents 助力遊戲開發Lange 介紹到，機器學習對於遊戲開發來說很重要，能夠讓遊戲開發過程更加簡單，讓遊戲變得更有吸引力，開發者可以不用每一個方案都編程，遊戲與玩家的互動變化可以讓系統自己學習。就像人從環境當中感知，並做出反應一樣。ML-Agents 可以以相同的方式來訓練這些系統。Lange 展示了一個 Demo，未來主義的賽車遊戲，Demo 中左邊是人類，右邊是機器學習的 Agent。一開始的時候，Agent 轉彎不好，容易撞車，但是它慢慢學習人類的操作，大概 25 分鐘的訓練之後，你可以看到可能還是有點不穩，但是不會再撞車了。經過不斷的訓練，Agent 能編程非常好的選手。那麼，具體遊戲場景中，可以有以下應用：機器學習可以應用在幾個方面。第一個是創建 NPC，有多種行為的...
4 月，Facebook 執行長馬克祖克柏因為劍橋分析（Cambridge Analytica）濫用 8,700 萬用戶個資事件，在美國聽證會上接受 44 位國會議員連番拷問，因為受影響的用戶中包括 270 萬名歐盟成員國用戶，道歉大會從美國移師到了歐洲。不過這場道歉大會顯得有點多餘、浪費時間，因為會議形式設計的非常奇怪，再加上時間限制，讓祖克柏沒能完整回答歐洲議員們的諸多疑問，正因為如此，祖克柏僅回答自己想回答的問題，也被部分議員批評回答避重就輕、內容空泛。怪異的聽證會設計，讓祖克柏選擇性答題「我問了你 6 個問題，但我一個答案都沒得到。」比利時歐洲議會成員 Philippe Lamberts 會議接近尾聲時這麼說。這場於歐洲登場的會議與 6 週前美國的聽證會很不同，因為迫於外界壓力，從原本的一場閉門會議，最後臨時改為一場公開透明的網路直播。比利時代表這麼抱怨不是沒有道理，許多人都期待相隔了 6 週，祖克柏能不能提出更多讓人耳目一新的說詞，但卻被獨特的會議形式破壞了當初的期待。不同於美國聽證會長達 5 小時的輪番提問，歐洲的這場會議，一開始祖克柏先朗讀事前擬的聲明，接著在場 12 位歐洲議會代表，用超過 1 小時提問大量問題，祖克柏一邊做筆記，所有人提問結束後統一回答，但最後祖克柏回答的時間只剩下 7 分鐘，且議員不能事後追問。除了拷問祖克柏，更像宣傳 GDPR 的舞台「過去幾年，我們沒能阻止自己開發的工具被用來做壞事，不論是假新聞、國外團體干涉總統選舉，還是開發者濫用用戶數據，我們都沒能好好履行自己的職責，這明顯是錯誤的，我在此道歉。」會議一開始，祖克柏再度以道歉拉開序幕。這次聽證會比起得到祖克柏更多說法，也許歐盟更想藉由這個機會好好向世界宣傳，3 天後將上路的「歐盟通用資料保護規則」（GDPR），違反的企業將面臨年營業額 4% 罰款，藉此向外界傳達「數據隱私是目前歐盟最關注的事項」的訊號，而社群巨頭濫用個資就是最完美的例子。▲ 不同於美國聽證會長達 5 小時的輪番提問，一開始祖克柏先朗讀事前擬定的聲明，接著在場 12 位歐洲議會代表，用超過 1 小時提間，祖克柏再統一回答。（Source：European Parliament）毫無意外，這次問題依舊圍繞在隱私，議員想知道 Facebook 可不可以保證劍橋分析事件絕對不會再次發生、要如何遵守 GDPR 的細則、用戶是不是能掌控自己的資料，也有人問到 Facebook 是否會開發一項產品，讓用戶可以選擇不要成為廣告投放的目標，另外還有假帳號、假新聞，以及是否能保證不再受外國勢力操控、WhatsApp 及 Facebook 資料會不會雙向蒐集。祖克柏維持一慣基調，並沒有逐一回答，他表示公司絕對會遵守將上路的 GDPR...
對 Alphabet 或 Google 管理層來說，不得不考慮的嚴重問題是：該如何處理已與美國國防部在 Project Maven 達成的合作關係。Google 食言了？Project Maven 是美國軍方 2017 年 4 月主導建立的專案，也稱為演算法戰跨職能團隊（AWCFT）。Maven 的工作是「加速國防部整合大數據和機器學習技術」。據該中心助理研究員 Greg Allen 介紹，首要工作是幫助軍方有效處理空中無人機每天收集的大量影片。按照美國國防部的計畫，Project Maven 成立 6 個月就可以執行；為了滿足迫切時間要求，國防部依靠自身顯然不夠，於是轉而尋求學界和業界的人工智慧專家合作，以彌補軍方和矽谷之間的技術差距。根據總監 John Shanahan 的說法，Maven 將為整個國防部點燃「人工智慧的火焰前線」。據報導，自 2017 年 12 月以來，Maven 已部署至與伊斯蘭國的對抗。外界普遍認為，身為 TensorFlow 開發者，Google 有參與合作，不僅為國防部提供機器學習應用的 TensorFlow API 介面，還動用工程師資源提供幫助。這合作今年稍早候曝光之後，引起大量爭議，許多 Google 員工表達抗議。2017 年秋天，還擔任 Alphabet 董事長的 Eric Schmidt 在一次談話說起科技圈與軍方合作的擔憂。「技術社群普遍擔心軍事和產業結合，會用做不正當殺人武器。」同樣也是國防創新委員會成員的他補充，「我不會在軍隊提供 Alphabet 的東西」。不過隨著 Eric Schmidt 在 2018 年初卸任 Alphabet 董事長，Google 似乎食言了。不少媒體認為，為了爭取國防部雲計算業務的訂單，Google 參與了國防部 Project Maven；儘管...
人工智慧（AI）與 5G 被譽為未來關鍵性技術，在這浪潮之下，邊緣運算（Edge computing）跟著受到重視！近期微軟的 Build 2018 開發者大會，針對邊緣運算推出一系列產品、服務與開發工具，不僅於此，從雲端服務三巨頭 AWS、微軟、Google，還有伺服器、網路設備、晶片大廠一眾廠商早就紛紛投入，邊緣運算到底在夯什麼？邊緣運算為何物？邊緣運算可說是物聯網時代下的產物，簡而言之，邊緣運算在傳統雲端與裝置端的連接中間，多了一層運算層──Edge 端，Edge 其實指的是靠近數據源的運算單位，包括閘道器、路由器，以及硬體底層相關的各種機器、裝置、設備與系統。（Source：拓墣產業研究院）有了 Edge 端直接針對多裝置、龐大訊息先做擷取、過濾與處理，對裝置端做出回饋與反應，不用讓所有資料都上到雲端，以期在資料量逐漸龐大、重視資訊即時處理傳輸的現代，更能有效率處理資訊，減少事事上雲端所帶來的時間遞延與資料傳輸/儲存成本。邊緣運算將對市場造成架構與實質應用上的改變，許多標準組織積極訂定標準，包括歐洲電信組織 ETSI 的多重接取邊緣運算（Multi-access Edge Computing，MEC）、OpenFog 的開放霧運算（Fog Computing）、中國廠商華為所主導的 Edge Computing Consortium，都積極且持續地釋出參考架構與建立生態系。而邊緣運算會如此受到重視，不僅它是雲端與裝置端的橋梁，更是實現 AI 、5G 等未來關鍵技術的重要催化劑。邊緣運算為何能助攻 AI ？AI 的進步會率先在邊緣運算中實現，過去 AI 仰賴強大的雲端運算能力，來進行數據分析與演算法運作，但隨著晶片能力提升、邊緣運算平台成熟，開始可賦予現場端裝置、閘道器擁有較為初階的 AI 能力，數據資料能在 Edge 端便進行更快的篩選、分類、彙整、分析，並且利用這些數據資料來不斷修正與優化模型。如汽車自動煞車系統、工廠自動化設備即時示警、家庭智慧音箱都是邊緣運算的運用案例。微軟、AWS、Google 三巨頭的「邊緣布局」近期甫落幕的微軟開發者大會 Build 2018，微軟 CEO 納德拉點出了「智慧雲端（Intelligent Cloud）」與 「智慧邊緣（Intelligent Edge）」的未來發展布局，會中微軟也宣布開放 Azure IoT Edge Runtime 資源，讓 Azure API 機器學習、認知服務、影像處理分析等能從雲端下載至 Edge 端運行，意味著不上雲端、在斷網的情況下，裝置還是能做到圖像識別、自然語言處理、語音驗證、將語音轉換成文字、對應複雜資訊和資料做出智慧建議等 AI 工作。得以讓智慧音箱、無人機、無人車、機器人等創新應用，能做到更快速的反應。積極推動無伺服器運算（Serverless）擁抱 Edge 的雲端服務大廠不只微軟，這件事領頭的其實是龍頭...
如今我們談製造業升級，自動化產線已遠遠不夠，邁向智慧工廠才是必然趨勢。所有製造過程的環節都必須進行串連與溝通，而這就得從底層的感測器、物聯網收集數據，邊緣及雲端運算，再透過軟體整合分析與機器學習一氣呵成。資策會產業情報研究所（MIC）預測，全球智慧工廠光在今年產值就將超過 2,500 億美元，未來數年市場規模還將以 10 % 左右的力道快速成長，不容小覷。AI、機器學習高速成長，PCIe 角色吃重想像一間智慧工廠，當中每台工業電腦的主機板都是一座城市，各種數據就如同川流不息的人群與物資，需要設置固定且高效的路線往返輸送。而這些傳輸路線的樞紐，就是電腦匯流排。為了讓設備做到自行相互溝通、即時狀況處理以及預防性維護等工作，具備高速及高效傳輸速率的 PCIe 匯流排技術在工業領域重要性不斷提升。近兩年來 AI 與機器學習的進展，帶來更多數據及運算需求，資料吞吐量大增，讓新一代的 PCIe 4.0 規格終於在去年底正式發布，而 PCIe 5.0 也預計將於 2019 年推出，標誌著 AI、機器學習等應用日增，才帶來了這一波升級浪潮。PCIe 匯流排實體層能提供 x1、x2、x8、x12、x16 和 x32 通道頻寬，PCIe 4.0 編碼規格與 PCIe 3.0 同為 128b/130b，傳輸速率則是翻倍來到 16 GT/s，換算下來單一單向通道頻寬為 1969 MB/s。而具備低延遲與更高頻寬的特點，加上模組化架構以及向下相容 PCI 的特性，讓 PCIe 能滿足工業電腦越來越多元的建置趨勢，以及與其他高速設備串接的要求。若要在工業 4.0 時代掌握決勝關鍵，智慧工廠的生產線上勢必要導入 AI 及機器學習等相關解決方案，PCIe 的重要性自然也是不言而喻。在這些解決方案中，主要就有 DAQ 資料採集、機器視覺及運動控制等技術可以用來說明。DAQ 資料採集DAQ 資料採集，就是透過電腦測得物理或電子現象，整套系統包含感測器、DAQ 介面卡，以及搭配可程式化軟體的電腦。感測器收集產生的訊號能由 DAQ 介面卡讀取，而 DAQ 介面卡就是電腦與外部訊號之間的橋樑，能進行訊號處理、數位/類比轉換，並具有電腦匯流排以銜接電腦。如研華科技（ADVANTECH）的 DAQ 介面卡 PCIE-1802，便是一款高精度的...
最近幾年人工智慧技術大幅成長，許多應用也如雨後春筍冒出，能自動判斷錄影時機的 Google Clips 攝影機，就是在人工智慧與機械學習的協助下，讓演算法辨識鏡頭下的人、微笑、寵物、日落、地標等景色，但演算法如何進一步判斷攝影時機，仍是個艱困的挑戰。透過真人評分Google Clips 是款不需額外操作，就能自動判斷錄影時機的攝影機，設計理念有三大要點，首先開發團隊希望所有運算能在 Clips 完成，並保有長效電池續航力與降低攝影延遲，優點是不需上傳任何資料到伺服器，不但更能保障使用者隱私，也能在沒有網路連線的環境使用。再者開發團隊規劃以拍攝短片為主，而非靜態照片，不但有助於記錄歡樂時光的氛圍，也能透過較長的影片彌補單張照片不易抓到完美時機的缺陷。最後，Clips 只專注透過內容的趣味性判斷錄影的起迄時間，並不考慮構圖、光線、色調等攝影技巧。接下來的問題，就是如何訓練 Clips 演算法，讓它知道怎樣的場景有趣。如同一般機械學習，開發團隊著手建立數千部不同主題影片構成的資料庫，並讓攝影與影片剪輯專家評定影片優劣，讓演算法能以此衡量影片趣味的素材為何。然而這樣又會產生新的問題，那就是我們該如何將影片有系統、平順地 0~100 分中評分。為了解決這個問題，開發團隊準備了第二套資料庫，他們將影片切割為許多片段，隨機挑選 2 片段，詢問受測者（人類）比較喜歡哪段。讓受測者以「2 選 1」評定，比直接為影片定分數容易許多，且受測者給予的答案也相當接近，當分析 1,000 支影片切出的 5,000 萬片段「2 選 1」數據後，就能透過計算方式得到整部影片（而非片段）的分數（對，數字沒錯。靠人類分析 5,000 萬筆片段是相當累人的工作）。▲ Clips 是款輕巧並搭載人工智慧的攝影機。（Source：Google）▲ 開發團隊讓受測者觀看隨機挑選的 2 片段，讓他們判斷哪段比較吸引人。（Source：Google AI Blog，下同） ▲ 收集大量資料後，就可以推算出整部影片的分數。將資料庫交給類神經網路有了評分的資料後，接下來開發團隊要定義「影片有趣的原因」，於是他們假設影片中如人物、動物、樹木等景物可能是吸引人的元素，並從 Google 圖像資料庫超過 27,000 筆不同的標籤挑選數百種重要的標籤，用於辨識影片中的景物。再使用伺服器級的電腦訓練後，開發團隊為運算效能有限的裝置，打造了較小巧的 MobileNet Image Content Model 演算法模型，並挑選更關鍵的標籤，以利將運算能力集中於刀口。訓練的最後一步，就是將 Image Content Model 演算法模型計算出的數據，與人類評定的分數互相比較，如此一來演算法就知道哪些特徵是人類覺得有趣的部分。如此一來操作過程中，即便畫面景物從未出現於訓練資料，但系統仍可以判斷哪些是人類覺得有趣的部分，進而自行判斷最佳拍攝時機。▲ Image Content Model 演算法模型可以計算每張畫格的分數，並經分段式線性回歸（Piecewise Linear Regression）後取平均，就可以統計出影片的「趣味分數」。開發團隊也提到，由於 Clips 並不像自駕車那類裝置有移動能力，需要使用者放於特定位置或配戴在身上，因此「喬角度」就需依賴使用者的人肉智慧。（本文由 T客邦 授權轉載；首圖來源：Google）
AI 浪潮襲來，如何讓自己不被淹沒，立於不敗之地？東方 AI 女王馮雁與西方數位行銷大師費思桐，告訴你如何戰勝 AI！當 AI 大浪迎面襲來，如何不被滅頂？還能借力使力，站上浪潮，打造長尾職涯？《今周刊》獨家專訪中國 AI 女王馮雁與奧美集團人資長費思桐（Brian Fetherstonhaugh），一位是東方科學家、一位是西方數位行銷大師，教你從人工智慧與數位職涯雙管齊下，打造不敗長尾職涯。「這世界變化太快，沒人可以預測市場，甚至你所在的產業會發生什麼變化！」暢銷書《人生的長尾效應（The Long View : Career Strategies to Start Strong, Reach High, and Go Far）》作者費思桐接受《今周刊》獨家專訪，為 AI 浪潮下的未來職涯下了註解：「就像你要去一場長途旅行，面對未知的挑戰，你會在背包裡放什麼工具？」「第一，你必須先建立你的職涯生態系統，包含專業能力，讓你在工作上可以更靈活去面對挑戰，以及可以支持你的人脈資源；最重要的是──持續推進的動力！」建立職涯生態系統 抱持主動積極與開放心態身兼全球奧美數位行銷執行長與奧美集團人資長，費思桐不但常替客戶把脈問診，也常提供年輕人職涯建議。他感嘆，大多數人都低估職涯規畫的重要性，職涯其實是場漫長、持續一輩子的耐力賽，但多數人常耗費過多力氣於階段性的外在價值，像是職稱、升遷、高薪等，「這些都不是終點」。人工智慧崛起，大家熟悉的職場生態圈已被打破，以過去經驗堆疊出的職涯法則將被推翻。面對 AI 時代的未知挑戰，費思桐強調，解方是「主動積極」與「開放」的心態。他分享奧美對未來人才的要求： 要有好奇心，能主動學習、解決問題，而非傳統上對下的應對，被動等待答案。未來變動很快，過去經驗的參考價值將越來越低。 所有人都要具備創意，不管是數據、行銷、客服或行政。 合作協同的能力，未來人才的多樣性，對公司面對跨領域競爭很重要，而在多元環境下，強化人類擅長的溝通力，才不會被人工智慧取代。其中，「合作協同」正是「台灣奧美廣告」搶進數位行銷戰場的成功關鍵。 3 年前，奧美廣告執行創意總監龔大中與創意總監蔣依潔找來廣告素人、網紅等成立「Content Table」。不久前，奧美最神祕的創意作戰中心首度在媒體曝光，只見辦公室內陳列一張張「大桌」。這是 Content Table 激盪廣告創意靈感的新嘗試，關鍵就在於「打破框架與界線」及「跨領域」。龔大中解釋，傳統廣告經創意發想、執行就結案了，直線且單向，但數位行銷打破既有廣告形式與思惟，且更重視「互動」。打破框架＋跨領域 劇本一套不夠 得有十八套龔大中苦笑，以前只要一套劇本，現在要十八套劇本。為了更確實掌控消費者會照著劇本「演」，就必須透過 Content Table 聚集從創意、行銷、素人、網紅等跨領域人才，一層層沙盤推演，擬定作戰計畫與目標。奧美因此催生的「全聯小編」，也宛如「諾曼第登陸」，讓被定位為傳統廣告商的奧美，在數位廣告版圖絕地反攻，打響名號。費思桐表示，AI 是屬於年輕人的新時代，唯有傾聽，才能了解。他積極參加年輕人的聚會，隨時保有好奇心與學習動力。身處科技打破產業框架、跨領域競爭的時代，他說，奧美旗下的廣告、公關、行銷等等子公司，將整合成聯軍作戰，未來，所有奧美人都該具備跨領域的能力，迎接「一個奧美」的新時代。而發明能感應人類情感的機器人「超級少女 Zara」，有「AI 女王」之稱的香港科技大學教授馮雁接受《今周刊》專訪則指出，隨著 AI 技術成熟，在商業與職場應用已是現在進行式，應用範疇也會越來越擴大，「與 AI 共生、共事，已是無可避免的趨勢。」既然避不了，就應該更積極去了解、面對。意即，即使再不喜歡、不熟悉新科技或新技術，也要去接觸，並學習如何應用。馮雁叮嚀，即將進入職場的新鮮人，要積極跨領域學習，好比說，心理系還要學數據科學；醫學、物理系的學生，該了解電機、資工等。對於已身處職場的中生代，則要學會自己專業領域內最新的 AI 職能。善用人機協作，將是未來在職場勝出的關鍵之一。（作者：林鳳琪；全文未完，完整內容請見《今周刊》）
據《華爾街日報》報導，日本電信及科技集團軟銀（SoftBank）執行長、世界最大私人募股基金──願景基金（Vision Fund）創始人孫正義（Masayoshi Son）15 日表示，近期將成立第 2 筆願景基金，而資金將從目前願景基金投資者中籌集，預計最早 2019 年正式啟動。截至 2017 年 5 月，孫正義的願景基金已吸引超過 930 億美元（約新台幣 2.77 兆元）資金，第 2 筆願景基金還可能進一步顛覆全球投資業界。孫正義在日本東京舉行的會議宣布，第 2 筆願景基金一定會成立，不過他並沒有透露基金規模。據《彭博社》報導，第 2 筆願景基金的規模可能突破千億美元，最早可在 2019 年啟動。孫正義指出，第 2 筆願景基金可能透過最初願景基金的投資者進行籌資，對象包括沙烏地阿拉伯和阿布達比的主權財富基金、蘋果公司及鴻海等企業。孫正義表示，現有的合作夥伴對他們獲得的進展都非常滿意，且相關法人投資者也表現興趣，因此現在可以逐步開始第 2 筆願景基金的籌設工作。由於願景基金的資金多半投資創業後期、市值超過 10 億美元以上的新創企業，讓孫正義自稱「獨角獸獵人」。孫正義表示，願景基金成立的目的是投資使用新興技術，例如發展人工智慧（AI）、聯網設備的公司；此外，辦公資源共用公司 WeWork、遛狗應用資源公司 Wag 也都有接受願景基金投資。但軟銀過去平均投資年限為 13.5 年，相較願景基金成立時間來說，還有一段距離。即便願景基金背後有大財團、大企業資助，但最後投資成果是否如預期的亮眼，有待時間考驗。（首圖來源：軟銀）
還記得 Google 和 Levi’s 共同推出的 Jacquard 智慧牛仔外套嗎？經過漫長的等待，去年下半年，這款外套終於正式上市了，價格不算便宜。由於衣服質料本身是觸敏材質（Touch-sensitive fabric），還可以做到藍牙連線，這件看上去和普通牛仔外套沒兩樣的產品實際上有很多智慧功能，比如播音樂、導航等。現在，更多新玩法要來了。根據外媒報導，從下週開始，Google 這件智慧外套將與叫車服務 Uber 和 Lyft 互通，讓用戶可透過衣服達成部分功能。不過遺憾的是，它的功能並不包括叫車，僅是當車到達時及服務進行中提醒。當用戶預約的車到達預約地點附近時，外套腕部的控制按鈕──The Snap Tag 便會亮起並震動，就像在衣服上裝一個餐廳取餐叫號震動裝置；用戶也可在衣服的觸控區域滑動來啟用系統的通知功能，然後用連線耳機聽取行程相關資訊。除了這個跟叫車相關的提醒功能，還增加另外兩個新屬性。其中一個是增加支援 Bose 耳機 Aware 模式。用過 Bose 降噪耳機的用戶都知道，在這模式下，因為耳機設定可接收周圍環境音的麥克風，使用者在充分享受有效的降噪效果前提下，可同時得知周圍的大部分聲音，在室外使用時更安全。增加支援模式後，用戶只要在系統簡單設定，便可透過特定手勢喚醒配對成功的 Bose 耳機 Aware 模式，目前支援的硬體包括 QC30 和 QC35。另一個是允許用戶直接透過外套在地圖標註地理位置，這將透過新的「位置」模式達成。這次更新的 3 個功能沒有什麼大突破，起碼對已有智慧穿戴式裝置的用戶來說，用衣服操控並不比裝置操控方便。不過，這好歹也代表了讓科技更時尚的發展趨勢，要是性價比再高點就好了。（本文由 愛范兒 授權轉載；首圖來源：Jacquard）延伸閱讀： 老是忘帶卡被擋在電子系統外？以後穿「一件衣服」就好 還記得 Google 和 Levi’s 合作的那件智慧夾克嗎，現在終於要開賣了
AI 風潮席捲全球，引起人才戰。阿里巴巴集團董事局主席馬雲 16 日表示，中國在人工智慧（AI）人才上極度缺乏，幾乎沒有人才，所有的專家都是昨天的專家。但他也強調，全世界都缺乏 AI 人才。澎湃新聞報導，第二屆世界智慧大會 16 日在天津舉行，馬雲就 AI 人才短缺問題發表了看法。他表示，先說一個壞消息，中國在 AI 人才極度缺乏，幾乎沒有人才。再說一個好消息是，全世界都缺乏。馬雲進一步說，就 AI 而言，「中國沒有未來的專家，所有的專家都是昨天的專家。」此外，馬雲認為 AI 時代將會對健康產業產生巨大變化。人類追逐的最重要兩樣東西是健康和快樂。這是兩個永恆的目標。人的壽命會越來越長，但活得長不一定活得快樂。他指出，在人工智慧時代，教育必須要改革。不能讓孩子和機器比誰背書背得快，記得快。教育必須要讓孩子有創造力，有擔當，這是機器做不到的事。「國家從教育入手，才有可能贏得未來。」馬雲表示，比技術更重要的是技術背後的理想、夢想、價值體系。人類要有足夠的自信，這是機器永遠不會有的。比起擔心機器是否會導致失業，人類要問自己的問題是，新的技術來臨，是否做好準備。（首圖來源：阿里巴巴）延伸閱讀： 中國科技巨頭大搞性別歧視，還把「女神」當徵才誘餌 貿易戰新熱點？阿里巴巴遭控逼迫國際廠商簽訂專賣合約 中興事件給中國警訊，促阿里巴巴收購矽智財權公司中天微 美國財政部或將禁止阿里巴巴在美提供雲端運算服務