人工智能革命方兴 创业者该关注哪个战场？

人工智能（artificial intelligence，简称AI）一词在近期已是当红话题，2016年3月Google开发的AlphaGo与韩国世界顶尖棋手李世石展开的围棋对战，掀起了全球对于人工智能的另一波狂潮，这也是AI技术的重大突破的里程碑，但AlphaGo战役后的释义纷沓而来，让人对该领域仍是一团迷雾。
 
简单来说，人工智能是通过算法与程序科技，让计算机甚至机器能像人类一样行为与思考；因此，大量的拟人化应用是人工智能最基本的产业原型。虽然人工智能寒冬了数十年，但近两年科技生活中，从图像自动辨识到无人车的实现，甚至AlphaGo计算机程序的几场胜利，再次让AI崭露头角，微软更标注今年是人工智能元年，引起各界莫大关注。
 
就更近期的发展来看，根据未来生活研究机构（Future of Life Institute）报告，2015年人工智能的发展进程快速得让人叹为观止，相对大部分研究逐步累积成果而言，AI领域寻求突破是更具难度与费时，故一旦跨越了某关键难题，则成为人工智能极重要且快速发展的阶段；该发展主要在于近50年研究仍多偏于机器学习（machine learning），也就是模仿人类行为，在思考机制上一直难以突破。
 
而2015年，因机器模仿神经网络运算模式的深度学习（deep learning）相关技术终于有所突破，诸多功能陆续被设计开发，主要的重要相关类别包括：环境抽象认知、直觉概念理解、创造抽象的思维、想象等利落且精巧的技能。
 
环境抽象认知 abstracting across environments
 
在学习程序下，同时支配学习与行动；并将所学的技能与知识转化。例如，机器可以从制作饼干过程中，将饼干的经验延伸至做出更好吃的巧克力蛋糕。
 
直觉概念理解 intuitive concept understanding
 
指人工智能的深度学习中，可以针对隐藏在系统中的亚符号知识（subsymbolic knowledge）进行推理。就是让机器可以从单次的经验累积，进而取得人类层次的概念学习。
 
创造抽象的思维 creative abstract thought
 
在深度学习的基础上，进一步将因果结构及思考相关元素以造成事件发生，或以时间主轴来形成故事。就是AI智慧可进一步理解排序、进行推理。其中如优化技术，Kumar和Socher等人改进动态记忆网络，支持机器人专注。而Weston等人最近开发的点至点记忆网络，则扩充建模能力和表达能力。
 
想象 dreaming up visions
 
AI可通过技术产生幻觉，进而能想象；此源于麻省理工学院与微软研究院开发的深度迭积反影像网络（deep convolution inverse graphic network）技术，在2D或3D辨识取得学习，进行角度或光线等想象。
 
上述为近两年人工智能发展的技术核心，也不难发现诸多应用已渗透我们目前的生活使用，最明显的是脸书在图像的人物与地理高度辨识反应，或是亚马逊能够推荐射中消费者心坎的购物清单等。
 
龙头企业与跨时代的AlphaGo
 
一般而言，AI程序设计的概念是参照人类神经网络的运作来撰写，近年来由于大量数据的累积，给予机器更强力的信息参考依据，加上芯片处理数据的能力提升，使得机器程序可以进行多层次的策略处理。数据加上芯片的优化，是计算机近年来可以开始进行“深度思考”的关键。对Google、脸书、百度、亚马逊等这些掌握巨量数据的公司来说，由于特别具有发展AI的优势，也看准了AI所能带来的潜在商业利益，因此展开了一场腥风血雨的人才争夺战。
 
人机对弈一直是AI科学家醉心的课题。在1997年IBM的超级计算机Deep Blue曾经击败世界西洋棋冠军Garry Kasparov，自此之后，AI在西洋棋方面的表现持续进步，目前可以说是稳定超越人类的能力。
 
不过，如果战场转换到围棋，对于AI来说，西洋棋就只是小菜一碟。就围棋的规则而言，每一颗摆上棋盘的棋子、每使用一套棋去包围对方的棋，都会影响自己最后的得分；当一颗棋被对手的棋子包围，就将被移除。如果要以数字来表示，在西洋棋中，对手下一步的策略会有1,047个机率需要去分析，围棋策略则高达10,170个之多，且每一个决定又将引发另外250种可能的移动、攻城方式。在过去完全无法有任何人工智能能够突破这样的运算范畴去计算出最适解。
 
除此之外，在西洋棋中，具有一些赋与权重可能的要素，例如骑士高于士兵，皇后大于骑士与士兵等，这让计算机程序至少有一些原则可以遵循，加快分析出最适策略的速度。但是，围棋每颗棋子的价值取决于它在棋盘上与其他棋子的相对位置，因此自古以来，从来没有一位围棋棋士可以具体描绘出什么是“好的策略”，“高分的策略”，通常棋士仅能以“直觉”解释。如此一来，更让程序设计者对于围棋过程中人脑的策略运作毫无脉络可循。
 
AlphaGo的突破点在于，它设法让计算机也可以发展出自己的“直觉”，也就是能强化机器在围棋方面的深度学习能力，通过持续应用复杂的统计运算，在噪杂的数据中自行归纳出规则。而要让机器具有这样的能力，有两项充分必要条件：众多的数据处理芯片以及巨量可供分析的数据。基本上，AlphaGo有两层深度学习的分析架构，第一层称作“策略网络”（policy network），用来模仿人类的下棋模式，包括归纳与学习特征、原则、和经验法则，在实际比赛时，这层操作系统的职责是分析出目前场上棋局的特征为何，协助后续的分析阶层产出最适策略。
 
硅谷最新AI发展与应用
 
硅谷是美国科技的前哨站，也是各项创新前瞻技术的一级战区，事实上，在硅谷，许多科技领袖纷纷对人工智能表达看好支持或敲打警世钟；最实际地，多数科技巨头企业大力投资，如苹果、Google、微软等，而微软创办人比尔盖兹与身兼电动车大厂Tesla与商用火箭SpaceX创办人的艾隆马斯克，则提醒大众应该关注或忧心AI带来的诸多冲击。但也有更多专家与分析师认为，目前科技的硬件与软件扶摇直上，加上大数据将提供丰沛的数据内涵，人工智能势不可挡，因此，就产业发展角度来看，掌握AI先机，反而是开创新商机的大好机会。
 
硅谷移动终端与计算机设计最具代表的苹果，近期不断收购人工智能相关新创企业；媒体发现其人工智能专家规模快速成长，而行动设备的Siri语音软件越加成熟，包括灵活互动与辅助功能，展现其现阶段重要成果。
 
而超越用语音控制汽车的无人自动驾驶，是Google X近几年推出的关键应用，尤其今年美国消费性电子展中，以“移动的智慧轮式机器人”为焦点。去年度Google已正式上路测试无人车，预计2020年商业化。
 
脸书也并非神来一笔提及管家机器人的任务目标，去年度就透露的在线个人智慧助理「M」，已能够回答问题及简易执行任务。此外，还收购了语音识别系统新创公司Wit.ai，可将演讲转为可操作数据，预计有助脸书加强目标广告之讯息处理能力。
 
上述的科技巨人都为了AI技术发展实施了收购策略，但仍有诸多新创企业，在民间创投等资金下快速成长。2010至2015年，AI新创企业取得创投等资金是15倍地成长，展现硅谷科技对AI的加持关注与重视。
 
未来趋势与挑战
 
人工智能的产业应用事实上已超越一般大众想象，就冲击人类发展而言，备受讨论的课题除了道德外，还有人类工作职能的取代疑虑。
 
短期来看，AI影响社会的可能冲击讨论有利于许多领域的发展，不管是经济层面、技术层面到法律；像是认证、有效性、信息安全与控制等。
 
长期而言，通用人工智能的到来，预期可以解决人类战争、疾病与贫穷的困境，但同时也可能有意或无意地造成灾害，潜在的负面情境与灾害因应也将成为超级人工智能实现后须加速配套的工作。
 
多数的研究报告或硅谷科技人士指出，即使诸多产业应用已初始商业化，但对AI的诸多担忧仍是过早，主因在于机器「思考」的技术并非一蹴而就。目前AI样貌是构筑在近几年人类计算能力提升、互联网发展、大数据快速累积、AI相关原理研究突破的成果基础，但真的能精确掌握知识推理仍有很长的路要行进，尤其很多思考与推理须通过感知，或是语义理解等，都算是高层的智慧。
 
因此，尚不论AI机器人将可能如何招致破坏性的未来，就硅谷科技产业趋势而言，人工智能是我国新创企业值得参与并投入的领域，尤其各大科技龙头早已纷纷插旗布局，并示意以开放、参与、公共多数利益来发展，可预见的是，AI革命浪潮方兴，并将带来更多的新兴技术与商业模式。
 
同时，科技领先者的布局行动，也展现了AI相关新创企业资金之丰沛与竞争；例如，目前智能手机市占表现最好的三星，面对停滞的销售成长，将提供上百亿资源积极寻求并购AI相关软件开发商。或是，搭配物联网与大数据的辅成，人工智能生活应用产品与服务，从交通工具、消费性电子机器商品、娱乐与医疗等，都将是下一波竞逐之地。此外，因应AI控制权的延伸性产业，如法律、教育、安全等，也是既有企业到新创企业都必须及早规划或投入发展的议题。