看過電影《關鍵報告》嗎？如今劇情可能即將要在現實生活中上演了。根據英國金融時報報導，中國臉部辨識廠商正在運用人工智慧（AI）技術研發一項系統，希望用來協助警方在犯罪行為發生之前，就能辨識並逮捕嫌犯。 協助開發的雲從科技（Cloud Walk）正在測試一個系統，透過個人移動路線和行為數據，來評估犯罪的可能性。當公民的犯罪風險到達危險的高度時，系統就會通知警方，讓警方介入干預。雲從科技發言人表示，警方將能透過使用大數據系統，根據人們的目的地與行為來評估高度可疑的人群，如果某人經常前往販賣刀具的商店，又總是在交通樞紐停駐，他的犯罪風險自然就會提升。中國科技部副部長李萌表示，只要政府部門妥善運用這項智慧系統設備，就能夠事先辨別出誰可能是恐怖分子，誰又有做壞事的打算。「犯罪預測將成為中國政府在 AI 科技上的重要應用項目」。中國運用臉部辨識技術已經有一段時間，這項技術甚至用來打擊最常見、最輕微的交通違規行為──逕行穿越馬路，搭載辨識技術的相機會拍攝穿越者的照片，並公布在鄰近的牆上。如今隨著 AI 技術不斷更新，相關辨識功能也持續擴大中。根據了解，中國計劃使用的這項預測犯罪系統，主要仰賴的 AI 技術包括臉部辨識及步態分析，能從監視畫面中辨識身分，「群眾分析」功能也能用來檢測人群中可疑的行為模式，像是專門在火車站偷取錢包的扒手。除了跟蹤有犯罪歷史的人之外，這項技術也能用來監控「高風險」的地方，像是五金行。雲從科技發言人表示，人們如果只是買了一把廚房用刀具，並不會引起關注，「但如果他同時買了一把鐵鎚和麻袋，那他就會變得可疑了」。但金融時報認為，這項新技術也導引出新的問題，那就是可能造成的誤判情況，儘管中國法律上不允許判處某人未犯的罪行，但嫌疑犯仍舊可能被指控「意圖犯罪」。北京一間律師事務所的合夥人指出，嫌疑犯確實可能在沒有證據的情況下被起訴，而在中國現行的司法制度下，這些不具證據的誤判結果將難以在上訴過程中扭轉。 China seeks glimpse of citizens’ future with crime-predicting AI （首圖來源：shutterstock）
根據外媒 Venturebeat 報導，Facebook 已收購 AI 助理新創公司 Ozlo，以幫助 Facebook 建立「由人工智慧和機器學習加乘吸引人的 Messenger 使用體驗」。Ozlo 將加入 Messenger 團隊的消息也在 Ozlo 官網得到確認。此次收購，Facebook 將獲得 Ozlo 的技術和 30 人團，Ozlo 將會關閉網站 API。Ozlo 是 Facebook 前員工 Charles Jolley 與 Mike Hanson 於 2014 年創辦，之前 Jolly 是 Facebook 平台負責人。Ozlo 主要關注用對話形式幫助用戶篩選餐廳，2016 年 1 月，Ozlo 發表 iOS 用戶端。Ozlo 後期也逐漸將服務範圍擴大至為有飲食禁忌的用戶服務，提供天氣預報以及建議電影等。Ozlo 利用 Yelp、Doordash（Yelp 是美國線上點評公司，Doordash 是美國外賣送餐服務公司）的 API。今年 3 月，Ozlo 也推出自己的 API。上週，Facebook...
「Facebook 關閉『失控』的人工智慧系統，因其發展出人類無法理解的語言。」看到這句話嚇死了。事情是這樣的：據「外媒報導」，Facebook 開發的聊天機器人創造了自己的語言。雖然語言還是英語，但人類無法理解。關於「人工智慧是否邪惡」的話題，Facebook 創始人馬克‧祖克柏上週還在跟特斯拉 CEO 馬斯克爭吵。馬斯克站正方，認為人工智慧非常值得擔憂，祖克柏站反方，認為人工智慧很有益處，擔憂完全是過慮。所以……祖克柏就這麼快就被打臉了？曾在著名科幻電影《魔鬼終結者》中出現過的「SkyNet」（天網），真的來臨了？抱歉，這完全是在胡扯。我們來看看到底是怎麼一回事。Facebook 的人工智慧研究院（FAIR）想要訓練一個聊天機器人，讓它學會談判，於是他們開發了一個人工智慧系統。為了幫助大家理解，我們一步一步解釋：Facebook 用了一個神經網路結構來開發這個系統。這個結構叫做「生成式對抗網路」（Generative Adversarial Networks），以下簡稱 GAN。你可以把神經網路理解為一種多層次的、模仿人腦神經元之間相互連接的思考方式的「電腦程式」。而 GAN 是一種目前非常先進的神經網路結構，可以理解為兩個神經網路玩《快打旋風》。玩的越多、時間越長，大家的水準都會越來越高。當然，GAN 也有 3 個甚至更多個神經網路的結構。聊天機器人你肯定見過：蘋果 Siri 就是一個，亞馬遜 Alexa 和 Google Assitant 也是。Facebook 的這項研究也是如此。研究人員訓練了這樣一個聊天機器人，讓它帶著「目的」和人類對話。而這個目的也很簡單：一共有兩本書、一頂帽子和 3 個籃球，3 樣東西分別設定了不同的權重，為的是讓機器人明白它到底有多想要這些東西，然後去和其他人談判。Facebook 觀察到的結果是比較正常的，呈現在下圖中：（Source：Facebook）但是人跟機器人聊天已經不稀奇了……兩個機器人能聊成什麼樣？研究人員都很感興趣。今天的對話就發生在聊天機器人 Alice 和聊天機器人 Bob 之間：上圖是什麼鬼？原來，研究人員把這兩個聊天機器人湊到一起，但忘了給神經網路設定「用英語溝通」的指令。剛才說了，神經網路是個程式，裡面有一大堆各種線性的數學公式，有時候線性的公式無法取得想要的結果，有些非線性的需求沒法用線性公式表達出來，這時候就要設定一個激勵函數。激勵函數對於神經網路，簡單來說就是告訴神經網路「這樣做得分更高」。「堅持用英語說話沒有激勵函數，」這個研究小組的成員之一、喬治亞理工學院的訪問學者 Dhruv Batra 這樣解釋 Alice 和 Bob 奇怪的對話。「機器人會脫線發明一些它們之間才能理解的句法」。結果，Alice 和 Bob 就聊成了這樣。等於是研究人員告訴它們：「請用英文」，但忘了告訴它們：「請用英文語法」。研究人員真的是因為「事情失控了」，才「不得不拔掉系統的插頭」嗎？事情真的像聽上去那樣讓人膽顫心驚嗎？並非如此。「我們的目標是讓機器人和人聊天（提高和人聊天的技巧）。」小組的另一名研究員 Mike Lewis 指出，Alice 和 Bob 的對話就是個試驗而已，讓兩個聊天機器人聊天根本沒有意義。（Source：Facebook）而且，Alice 和 Bob 根本就沒有發明新的語言，因為它們還是在用「i」、「balls」、「the」等英文單字溝通，只是創造了一種新的表達方式而已。而且它們「發明」的新語言，人類真的聽不懂嗎？再看一遍它們的對話：Bob: I can ii everything...
圖形晶片大廠輝達（NVIDIA）在 2 日宣布，將首度推出虛擬實境環境 Holodeck 計畫（Project Holodeck）中，利用 Isaac Lab 模擬器訓練的機器人，並同時推出 VRWorks 360 Video SDK 技術，協助全球各地內容創作者以即時串流方式向觀眾播放高畫質 360 度全景影片。輝達指出，藉由 Isaac Lab 模擬器訓練的機器人不僅能在真實生活做出輪流推倒骨牌的動作，在一旁的參與者還能戴上 VR 頭盔，透過 Holodeck 進入模擬世界與機器人進行遊戲，藉此展現 Isaac 機器人能透過現實或虛擬世界的互動學習，並利用人工智慧（AI）不斷自我修正與更新。事實上，輝達的 Isaac AI 機器人，能幫助機器人學習精細的人機互動工作，如倒咖啡、照顧老年人、動手術以及玩骨牌等。而 Project Holodeck 則是能進行精準物理模擬，並同時容納多個使用者的虛擬實境協作平台。讓人類進入模擬世界，並以真實生活的方式在 VR 環境與機器人互動、調校以及測試，藉此研究人員便能以更安全、快速、低成本的方式將它們部署在真實世界。此外，輝達這次還於 Holodeck 平台上，展出瑞典超跑品牌 Koenigsegg 旗下車款 Regera。輝達進一步指出，虛擬車模型由超過 5,000 萬個多邊形建構而成。進入 Holodeck 平台的參與者能變換超跑車色、行動透視環景角度觀看零件，以探索跑車模型的各項細節。同時，還能和虛擬空間中的參與者看見彼此，並相互交談。另外，輝達還先一步推出最新 VRWorks 360 Video SDK 的 360 度全景拼接技術。這種即時製片與現場轉播上的大躍進，不僅能加速全景影片拼接流程，還能維持高品質影像畫素，讓製作公司、相機廠商、app 程式開發者能將 360 度影片拼接 SDK 整合到即時轉播與後製作業。輝達表示，目前 VRWorks...
近年紡織業從中國移到東南亞與南亞國家，在當地創造大量工作機會，擁有大量人口與低薪的南亞國家希望人口紅利可以率領國家走向經濟繁榮，世界銀行估計未來 20 年，南亞地區一個月會新增 120 萬名勞工，20 年後將新增 2.4 億人，但在世界彼端發展的自動化技術將造成巨大衝擊。據金融時報（Financial Times）報導，位於美國亞特蘭大的 SoftWear Automation 正在開發紡織機器人 Sewbot，可以將整個服裝製造過程完全交給自動化，但要達到低價與可靠性以取代人類，還要一段時間。印度一名紡織工人一年賺 1,200 美元，但現在一台 Sewbot 成本要數十萬美元，不過取代人類只是時間問題，屆時將破壞新興國家的經濟發展模式。以人口紅利做為經濟成長基礎的南亞、東南亞、撒哈拉以南非洲地區受到的威脅更大。印度經濟學家認為，機器人與人工智慧的破壞性比過去的蒸氣、電子、組裝廠或電腦革命影響更大，因為人工智慧取代的不只是例行工作，屆時人口紅利即將變成人口惡夢。1980 年後製造業工作成長速度很慢，甚至有些產業還下滑，2003 年到 2009 年，南亞的就業成長只有總體經濟成長水平的三分之一，主要原因是科技進展快速，導致某些產業大量失業。過去 30 年繁榮的印度 IT 服務公司，也開始受到自動化雲端運算系統的影響。Infosys 與 Tata Consultancy Services 今年都開始裁員，在印度清奈的現代汽車工廠引入 400 個機器人取代大量人力。不願具名的印度科技業者也表示，印度科技業的失業情況會更加嚴重，他的公司評估過引入人工智慧可以取代半數員工。紡織業首當其衝，特別是高度依賴服裝業的孟加拉，出口總額的 82% 是衣服，2.5% 的人口從事服裝生產。包含孟加拉、印度、巴基斯坦在內，有 2,700 萬人受僱於紡織業，主要原因是中國工資上漲太快，去年中國工廠勞工時薪漲到 3.6 美元，比 10 年前增加將近 4 倍。現在中國工廠勞工賺的錢比印度勞工多 5 倍，接近葡萄牙與南非的水準。另外一個原因是現在製作一件 T-shirt 幾乎與 19 世紀自動紡織機發明時完全一樣，因為機器人很難拾起柔軟不規則的棉花並精確地移動，手工縫紉是由許多微小的過程和決策組成，因此很難被軟體複製。縫紉的 4 個步驟，拾起物品、對齊、縫製和處理，只有縫紉已經自動化，其他部分仍然由人類完成。但亞特蘭大公司開發縫紉機器人 Sewbot，為了解決精細材料的問題，他們給機器人相機，像眼睛一樣功能，就像工程師開發自動駕駛車一樣。照相機拍攝被縫合的材料加以分析，然後引導機器人手臂的運動，沃爾瑪投資 200 萬美元作為自動生產牛仔褲計畫的一部分。今年 9...
IT 大廠正激烈展開「智慧音響」研發競賽，除亞馬遜（Amazon）、Google 已推出「Echo」（見首圖）、「Google Home」之外，蘋果（Apple）、LINE 也已分別宣布將推出智慧音響產品「HomePod」、「WAVE」。而日前也傳出南韓三星電子將加入智慧音響大戰，計劃推出採用自家人工智慧（AI）語音助理「Bixby」的智慧音響「Vega」，不過根據韓媒指出，三星 Vega 恐將胎死腹中，三星可能已暫時中止，甚或已完全中止 Vega 的研發。日本網站 CoRRiENTE.top 21 日引述韓媒 The Invester 的報導指出，據熟知詳情的消息人士透露，三星可能已經暫時中止，或是可能已完全中止「Vega」研發計畫，主因目前已有亞馬遜 Echo 等產品寡佔智慧音響市場，加上三星大本營南韓市場規模不大，能賺取的獲利恐不多。報導指出，三星當前會採取靜待觀望的態度，而不會匆忙搶進新市場，之後會將心力擺在 Bixby 上，畢竟 Bixby 研發腳步延遲，於今年 3 月發表後，直到最近才推出英文版產品。三星計劃將 Bixby 導入至冰箱等智慧家電上。（本文由 MoneyDJ新聞 授權轉載；首圖來源：Amazon）延伸閱讀： 三星加入「智慧音響」大戰？傳正進行研發並搭載 Bixby LINE 智慧音箱 WAVE 今夏開賣；找上豐田、FamilyMart 攻 AI 傳阿里巴巴正在研發中文智慧音響，迎戰亞馬遜 Echo
英特爾（Intel Corp.）20 日發表全球首款基於 USB 模式的深度學習推理工具暨人工智慧（AI）獨立加速器「Movidius 神經計算棒」（Movidius Neural Compute Stick）。英特爾表示，這款產品是專門為產品開發者、研究人員和創客設計，憑藉輕巧體積以及專用高性能深度神經網絡處理性能的特點來降低開發、微調、部署 AI 應用的障礙。Movidius（英特爾旗下公司）總經理 Remi El-Ouazzane 表示，Movidius 神經計算棒內建的「Movidius Myriad 2 視覺處理單元（VPU）」提供強大且有效率的表現，可以在 1 瓦的功率下提供超過每秒 1,000 億次浮點運算性能，以便直接在設備上執行即時深度神經網路。他說，這使許多 AI 應用都能在離線狀態下部署。機器智慧開發主要分成兩個階段：1. 透過現代機器學習技術、利用大量樣本數據對演算法進行訓練；2. 在需要解讀現實世界數據的終端應用中執行演算法。第二階段也被稱做「推理」，在裝置內執行推理有許多好處，包括降低延遲、功耗和避開隱私問題。Movidius 神經計算棒現已在特定零售商發售，製造商建議零售價為 79 美元，7 月 22~25 日於夏威夷檀香山舉辦的「電腦視覺與模式辨識」（CVPR）大會上也可購得。（本文由 MoneyDJ新聞 授權轉載；圖片來源：Intel）延伸閱讀： Nvidia 皮繃緊！Google TPU 二代來了、恐侵蝕 GPU 訂單 Amazon 榮登 50 家最聰明公司榜首，華為 in 蘋果 out 「電腦視覺」夯，英特爾收購 Movidius
AlphaGo 大勝人類棋手，為 AI 發展寫下新的一頁。而 AI 為人類帶來的衝擊當然不只在棋盤上，這點金融業人員恐怕最能體會。從 2016 年至今，包括貝萊德集團、高盛集團、德意志銀行、瑞士信貸、荷蘭 ING 銀行等全球重量級銀行都展開裁員計畫，而背後的原因無不指向數位化後的終極目標──人工智慧。這股 AI 潮流首先從金融產業吹起並不令人意外，金融業的本質即是由數據所驅動，包括交易決策、投資策略擬定等，皆需倚賴大量數據為基礎，而大量數據也正是人工智慧導入的前提，這也是為什麼金融行業結合人工智慧的前景看好。AI 將在金融量化投資業務上扮演要角，衝擊現有勞動力結構從 AI 在金融行業的應用範疇來看，前端的客戶服務、精準行銷，到核心業務輔助投資與交易，再到後台的風險控管等，皆有其用武之地。其中，金融業導入 AI 應用中，最具發展潛力的應用莫過於輔助量化投資。因傳統的量化投資是指透過建立財務與交易數據模型，分析其中特性以進行交易策略的擬定，這些模型通常較為複雜且相對靜態，隨著時間的推進與市場的變化，模型精準度將不斷下降，若要維持模型精準度，則需即時更新前端數據採集，這也是整個量化投資流程中工作量最大的部分。而人工智慧的導入，正可為這個耗時與耗費大量人力的工作階段帶來效益。透過知識圖譜（Knowledge Graph）的搭建，結合機器學習、自然語言處理進行資訊處理，構建可在短時間完成數據分析與交易決策的量化交易模型。從上述機器學習的應用，就可以發現，人工智慧的導入必然將對金融業的勞動力結構帶來衝擊。事實上，金融業從 2012 年的數位浪潮興起後，華爾街已累計削減高達一萬兩千多個職位，人工智慧發展再度推波助瀾，使得影響的範圍不斷擴大，金融從業人員裁撤的數字持續往上攀升。導入 AI 應用將衝擊的職缺類型從我們的分析來看，投資業務因高度倚賴數據驅動，受到人工智慧技術的發展影響較大，為交易員、金融分析師、基金經理等職位帶來的較大衝擊。除了投資業務將備受衝擊，一般大眾也將在金融業數位轉型趨勢下，更快速感受到 AI 帶來的影響，就以投顧業務來看，網路或行動裝置下單已成為一般投資大眾與券商互動的主要方式，在此基礎上，智慧投顧的發展大幅將降低投顧服務進入門檻降，使得鎖定高淨值族群的投顧服務得以擴張至一般大眾，小額投資人得以較低廉的費用，接受到個人化的理財服務。另外，來看看 AI 應用為保險業者帶來的變革。當保險事故發生時，過去必須等待保險公司的定損人員到事故現場，但未來只需要透過手機拍照結合圖像識別、深度學習等 AI 應用，即可快速核定理賠金額。諸如此類的應用，將逐漸滲透到我們的日常生活中，對於過去仰賴人力從事這些業務的商業銀行、保險公司來說，AI 的發展將改變整體人力結構。AI 真的將取代金融業大部分人力？從金融業導入 AI 應用的發展來看，勞力結構分布勢必將被重塑，然而，AI 真的將消滅金融業大部分的人力需求？若從目前發展來看，AI 能夠處理的僅是初階的數據採擷與處理工作，在決策、演算法生成與交易執行的部分，因存在高度風險與監理門檻，仍需由專業金融從業人員負責。以保險服務為例，前台保險業務員、初階核保人員、勘察員等，仰賴大量人力處理繁雜文書業務的工作，將率先被人工智慧所取代，但後台的理賠分析、精算師等，尚需專業人員負責風險的把控。因此，即使 AI 的發展對於交易員、投資銀行分析師、投資顧問等勞動力的影響相對大，短期內 AI 被率先應用的領域還是風險相對較低與流程簡單的金融業務。長期而言，AI 技術發展成熟後，或將全面滲透高數據驅動的投資領域，各金融機構的 AI 系統也將因長期投入的數據資源不同，各 AI 系統所擬定的投資策略將出現差異化，屆時，不同 AI 系統間的角力戰可能將率先於金融市場引爆。（首圖來源：shutterstock）
就在不久前，AlphaGo 在圍棋上打敗了人類最後的希望，身為創造 AlphaGo 軟體的公司 DeepMind 創辦人，Demis Hassabis 可以稱得上對人工智慧（AI）「略懂一二」。這樣的 Demis Hassabis 近日提出了一個大膽的想法，他認為要讓 AI 展現出真正潛力的唯一方式，就是得從人類智慧中獲得更多靈感。麻省理工科技評論（MIT Technology Review）報導，目前多數 AI 系統都是基於數學層面上設計，只有非常少的細節是由人腦工作方式啟發，但在這樣的情況下，不同類型的機器學習，像是語音或圖像辨識，就得仰賴不同的數學結構進行，得出的演算法也只能用來執行特定的任務。其實打造出能執行一般任務、非面向特定市場的 AI，一直以來都是機器學習領域的願景，但事實上是，要將特定演算法擴展至通用領域，是難以置信的困難。其中部分原因可能是 AI 發展仍處於起步階段，像是好奇、想像力、記憶力這些人類特徵並不存在系統中。Hassabis 認為，要讓 AI 突破現有的界限再往上提升，就必須更了解人類智慧如何運作，並將其應用在 AI 系統。近日發表在神經元（Neuron）期刊的論文中，Hassabis 和 3 位合著者解釋了這個想法。論文指出，了解人類大腦的運作方式，將能幫助研究人員為 AI 系統設計更好的結構及演算法；其次，在建構及測試 AI 系統時，也更能幫助人們定義什麼才是真正的智慧。Hassabis 在論文中透過介紹神經科學與 AI 發展的歷史，來幫助人們了解兩者間的交互作用，像是許多人曾聽過的深度學習（deep learning），就是透過人造神經元了解內容並強化學習，在錯誤中學習經驗，了解這些對神經科學都有很大的幫助。論文指出，近期 AI 的研究方向比較沒有仰賴生物學，但想要進入一般生活領域，AI 需要學習更多人性化特徵，像是對現實世界的直覺理解，以及更有效率的解決方式。Hassabis 認為要達到這個目的，最好的解決方法就是讓「人工智慧」與「神經科學」兩個研究領域互相交流思想，來促進雙方之間良性循環。Hassabis 並非唯一有這種想法的人。紐約大學心理學教授、Uber AI 實驗室前主任 Gary Marcus 認為，通過運用兒童認知發展的研究結果，可以讓機器學習系統更往前一步。但是人工智慧和神經科學已經是兩個非常大的發展領域，即使是成為其中一個領域的專家都很困難，更別說同時專精兩個領域。就像 Hassabis 接受採訪時說，最終還是得由雙方專家互相「翻譯」，才有助於找到兩個領域之間的聯繫。 Google’s AI Guru Says That Great Artificial...
台灣擁有人工智慧（AI）領域人才，也具備軟硬體技術實力，只是缺乏編織夢想的勇氣。PTT「創世神」、台灣 AI 實驗室創辦人杜奕瑾指出，台灣需要加強的是追逐夢想、建立體驗，不必複製別人的成功經驗搶當第二，要勇敢走出自己的路才有意義。成功無法複製，應做創造者而非追隨者杜奕瑾 23 日出席聯合報系願景工程活動時，為台灣發展 AI 提出看法與建言。他表示台灣有很好的硬體廠商、軟體人才和創新想法，但常會因為沒有成功先例而不敢投入，一有成功的例子就紛紛搶進。「如果很明確發現某條路會成功，那一定是紅海，」杜奕瑾說先不管一條路可不可行，只要努力做出成果，整個價值鏈都會屬於你，其他人就是追隨者（follower），一旦創造出價值，即使有其他公司做出一模一樣的東西，也無法將你打敗。「成功通常是不可複製的，」杜奕瑾鼓勵大家勇於在 AI 領域中創新，去做一些別人認為沒有價值的事，「自己一路走來發現，我們做出來最有價值的東西，往往是一開始老闆覺得沒價值的事」。從日常生活中找出別人還沒解決的問題，只要想法夠好、夠創新便值得一試，但如果是大家都在炒的話題，如 AlphaGo，那再去做類似的東西就沒有意義了。杜奕瑾指出，美國與中國的科技大廠多著重軟體而非硬體，台灣在考量軟硬體如何整合之前，應先認清軟、硬體兩者為不同專業範疇。對於偏重硬體研發的台灣來說，有些人認為台灣市場太小，難以發展 AI，他則認為台灣應放眼國際，該擔心的是野心太小而不是市場太小的問題，尤其軟體不分國界，只要能夠證明想法是對的，不管有沒有夠大的市場，都可以將軟體運用在全球各地。掌握三大發展重點，思考該解決什麼問題針對台灣發展 AI 領域，杜奕瑾提出三大重點。首先是資料創新，需要資料訓練模型與 AI 演算法。他提到，目前全球智慧型手機數達 20 億支，帶動資料量快速成長，而過去兩年所蒐集到的資料量，就占了人類史上總資料量逾九成；接下來則將進入物聯網（IoT）時代，以後不只手機、PC 聯網，家中所有裝置都會聯網，預計 2020 年全球 IoT 裝置將達 250 億台，未來資料量可望持續快速成長。雖然擁有資料的人有一定競爭優勢，但不見得所有文字、影音影像日後都能做為 AI 的主要資料，而一些應用如自動駕駛、家用機器人、智慧語音裝置、無人機等等所產生的資料，才較符合未來 AI 時代所需。杜奕瑾認為只要想清楚解決目標，那從現在開始蒐集資料也不遲。台灣其實有很多隱形冠軍，日常生活中所做的每件事都有資料，只要具專業性就有其價值可加以蒐集。杜奕瑾透露當初在架設 PTT、蕃薯藤時，不少人嘲笑他們沒什麼資料，但他認為在資料蒐集上不必好高騖遠，甚至可忽略資料持有者所定義的門檻，因為門檻只是做為進入障礙（entry barrier）讓別人無法打進。「不要擔心資料從哪來，先想想要解決的是什麼問題，」他說。第二是演算法創新，近年來在演算法大幅進步下，AI 應用領域愈來愈廣，包括影像辨識、臉部辨識等，錯誤率甚至比人類來得低；自動駕駛車也是其中一例，肇事率低於人為操控，比人類來得安全可靠。接下來，台灣得積極從日常生活中發掘更多應用。第三是結合專業領域應用，「台灣在資料創新、演算法創新這兩項都很強，但需要加強的是敢去作夢、追逐夢想、建立體驗，」杜奕瑾說，就像 1995 年那時他們架設 PTT 時一樣，當時沒人會跟他們說那是對的，只覺得有興趣就去做，AI 也是一樣。「試著去看身邊的問題，有什麼可用 AI 解決，手上有哪些工具就拿出來，依照每個人的專業領域，將夢想編織出來，」杜奕瑾鼓勵大家大膽想像，並將生活中所發掘出的待解問題，運用現有產業優勢結合專業領域，努力在 AI 領域創造新想法、新話題。（首圖來源：聯合報系願景工程）