理性看待人工智慧發展階段,決策產業未來走向
發佈日期:2018/4/22 | 類別:資訊電子產業 | 點閱次數:676

目前看似人工智慧發展的光明時刻,但亦處於模糊不清的黑暗時刻,主要是因目前將人工智慧描述過於簡化,以及大廠將人工智慧當做行銷詞彙而過度使用所導致。如熱門的深度學習實,是發展自機器學習的分支技術,而機器學習則是實現人工智慧的方法之一。但各界認知AlphaGo、FaceID或Alexa都僅簡化成導入人工智慧技術,而不是認知其功能僅只是利用Deep Learning或其他人工智慧技術針對圖像、語音作資訊處理,而不是達到人工智慧訴求的願景。

創新工廠創始人李開復今年初曾提及,人工智慧(AI)恐在今年底出現泡沫化,一如2000年時「Dotcom」泡沫景象。其實人工智慧泡沫化的警語不鮮見,但仍未減損各方對人工智慧期待。

除今年美國CES再現自動駕駛、語音助理等熱潮,2月舉辦的MWC除「Applied AI」主題外,亦有大量自動駕駛、物聯網與語音助理等人工智慧應用情境的概念呈現,及如已公開內建NPU神經網路處理器的華為Mate 10或內建Vision AI技術的LG V30等標榜人工智慧技術智慧手機展示。

人工智慧亦在向外拓展,如AIoT即結合物聯網(IoT)而成為「AI+IoT」,是為在物聯網架構的終端或節點等設備中導入人工智慧運算功能,達到即時處理、分散運算和雲端整合等訴求。然而看AIoT發展狀況,其實改稱為「AI on Terminal」亦不為過,尤其貼近目前熱門的「邊緣運算 」概念,重視將部分資訊處理工作放在終端設備,以減輕將全體資訊上傳到雲系統的傳輸和運算等成本負擔,並達到就近處理、及時反應的運算需求。

目前看似人工智慧發展的光明時刻,但亦處於模糊不清的黑暗時刻,主要是因目前將人工智慧描述過於簡化,以及大廠將人工智慧當做行銷詞彙而過度使用所導致。如熱門的深度學習實,是發展自機器學習的分支技術,而機器學習則是實現人工智慧的方法之一。但各界認知AlphaGo、FaceID或Alexa都僅簡化成導入人工智慧技術,而不是認知其功能僅只是利用Deep Learning或其他人工智慧技術針對圖像、語音作資訊處理,而不是達到人工智慧訴求的願景。

目前的人工智慧應用僅是處於特定領域的功能強化,如支援輔助駕駛或協助判讀X光片,或僅用來加強語音辨識或圖像處理。

其實只要把人工智慧的未來發展期間稍作釐清,即可一目了然。誠如李開復所言,人工智慧有所能也有所不能。長期的人工智慧潛力不需質疑,但現在導入卻也非易事,而所能實際應用的領域或功能亦僅限於局部、片面。

台灣系統品牌已朝與Amazon、Microsoft結盟導入語音助理,半導體製造業者亦配合海外大廠發展人工智慧或相關晶片產品,預期台灣晶片設計業者會推出內嵌人工智慧運算功能的元件,然而後端應用人工智慧的系統、服務平台仍掌握在海外大廠手中。因此台灣產業發展方向短期內仍無法深入掌握人工智慧價值鏈。

台灣業者仍處於初步階段,主要是市場價值尚未彰顯,新創團隊無法獲得足夠重視或充裕資源。相對來看,海外新創團隊則普遍以此為發展方向,並從投資市場獲得充裕資源,這也是目前人工智慧看似面臨泡沫化主要問題。台灣產業不應低估風險,應提高風險投資能量以搶奪未來的市場潛在商機,一如「Dotcom」泡沫化所淘汰、篩選剩下的網路業者率皆是目前資訊產業巨擘,目前處於中期發展階段的新創應用才是契機。

(本文刊登於經濟日報 2018/04/22 A12版)

本文作者

潘建光  資深產業分析師兼產品經理
領域:筆記型電腦
簡歷:
專業於半導體技術發展趨勢與廠商競爭策略分析等相關研究。 曾負責伺服器、個人電腦及行動通訊等資通訊產業研究領域。曾參與外商委託之資訊服務市場調查和政府委託之資通訊全球運籌、國際採購、晶片系統計畫及綠能產業發展等研究專案。具十六年以上產業暨研究經驗,先後曾任職於承啟科技任網路行銷專員與軟體公司任系統分析師。APIAA產業顧問認證,大葉大學資訊管理碩士。
熱門點選
  1.   量子電腦發展趨勢前瞻
  2.   IBM研發運用光路的AI晶片 超高速且超省...
  3.   通訊設備大廠「華為」發展分析
  4.   晶片大廠於邊際運算之布局
  5.   2017年GPS/GNSS市場動態觀測
相關研究