2016年底，Google旗下DeepMind的AlphaGo開始挑戰(zhàn)全球職業(yè)圍棋棋士，短短半年的時間，連敗全球頂尖高手，更在2017年5月?lián)魯∨琶?的中國棋手柯潔，不久後NVIDIA創(chuàng)辦人暨執(zhí)行長黃仁勳在臺北舉辦的Computex 2017人工智慧論壇(AI Forum)上，一席演說更為這波AI浪潮揭開序幕，不過應(yīng)該多數(shù)人都知道，這次的熱潮並非人類史上第一次，從1940年起，就已有學界開始研究。

1940年類神經(jīng)網(wǎng)路成為當時的科技新焦點，部分學者開始研究並提出多篇論文，1951年有學者建造了全球第一臺神經(jīng)網(wǎng)絡(luò)機，不過囿於當時的技術(shù)並不成熟，這波浪潮並未持續(xù)，1980年AI浪潮再起，這次的演算法再加入多層次感知器與反向傳播演算法，相較於1940年，這次相對成熟，與現(xiàn)在的演算法相當接近，只是硬體運算能力不足，再加上資料難以取得，難以建立出具有意義的數(shù)據(jù)庫，因此這次的發(fā)展也未能商業(yè)化。

AI再次啟動 應(yīng)用逐一落實

2016年開始啟動的AI熱潮，再次強化了1980年的演算法，同時在網(wǎng)路、運算單元等技術(shù)的成熟下，AI有了全新的局面，透過發(fā)展超過20年的網(wǎng)際網(wǎng)路，研發(fā)者蒐集資訊的能力大增，而效能強大的處理器，也足以負荷這些數(shù)據(jù)的運算，更重要的是近年來雲(yún)端運算與物聯(lián)網(wǎng)概念已逐漸成熟，讓AI的應(yīng)用有了可借力之處，因此無論產(chǎn)、官、學、研都看好這次的AI啟動。

就目前來看，AI與物聯(lián)網(wǎng)將會是最佳組合，物聯(lián)網(wǎng)綿密的感測網(wǎng)路建置與通訊傳輸，將可讓有效取得大量數(shù)據(jù)，打造出具意義的資料庫，透過AI的演算後，再經(jīng)由物聯(lián)網(wǎng)的應(yīng)用層讓系統(tǒng)做出智慧反映，目前物聯(lián)網(wǎng)的發(fā)展重點為垂直市場應(yīng)用，因此就近期發(fā)展來看，這波AI發(fā)展也會在非消費端先產(chǎn)生。

智慧交通

相對於其他產(chǎn)業(yè)，交通的智慧化應(yīng)用一直走得較快，智慧交通包括汽車與基礎(chǔ)建設(shè)兩部分，在汽車方面，今年1月的CES展會中，整合AI的智慧車輛，例如Qualcomm以具備通訊聯(lián)網(wǎng)、演算優(yōu)勢的驍龍晶片打造智慧車載平臺，而透過電子儀表和數(shù)位面板輔助，車子會看或聽，在CES展上更演示兩地聯(lián)網(wǎng)控制的全自動駕駛模擬，NVIDIA則以超級電腦運算的優(yōu)勢打造自動駕駛藍圖，繼與奧迪合作後，也宣布和福斯攜手把AI導入未來車款，主攻自動駕駛和車用輔助系統(tǒng)。

圖1 : NVIDIA以超級電腦運算的優(yōu)勢打造自動駕駛藍圖，把AI導入未來車款，主攻自動駕駛和車用輔助系。(Source: motor1)

基礎(chǔ)建設(shè)也是透過物聯(lián)網(wǎng)為基礎(chǔ)，以AI處理底層感測網(wǎng)路所傳回的各類資訊，例如日本現(xiàn)在已開始嘗試將AI的深度學習模式導入交通系統(tǒng)，透過路上監(jiān)視錄影機的影像訊號，推算出該路段未來1～2小時的車流量，再將交通訊息提供給駕駛，藉此舒緩交通狀況，在商用車的車隊管理部分，則是以行車電腦做成駕駛紀錄，由AI判斷司機的駕駛行為，確保行車安全。

智慧製造

自從德國在2012年提出工業(yè)4.0政策後，智慧化就席捲了全球製造業(yè)，智慧化必須根基於自動化，而自動化系統(tǒng)在製造領(lǐng)域根基已久，目前多數(shù)製造業(yè)者都已有一定的自動化基礎(chǔ)，也因此智慧化在製造業(yè)的啟動速度會快於其他產(chǎn)業(yè)。

製造業(yè)應(yīng)用AI可分為前後兩端，前端指的是製造現(xiàn)場，後端則是雲(yún)端分析，這兩大部分透過通訊技術(shù)鏈接，形成工業(yè)物聯(lián)網(wǎng)架構(gòu)，AI在製造現(xiàn)場前端主要是用於製程的即時反應(yīng)與控制，由於製造系統(tǒng)的運作快速，所有的動作因應(yīng)也必須跟上系統(tǒng)腳步，AI在這方面可透過過去龐大的數(shù)據(jù)紀錄，即時分析出製造狀況，以主動控制或被動提醒方式協(xié)助設(shè)備操作者處理相關(guān)事宜。

後臺的雲(yún)端分析系統(tǒng)，則可以強大的AI運算能力分析前端設(shè)備傳回的資訊，再加上產(chǎn)業(yè)鏈中生態(tài)系統(tǒng)的資訊，制定出最佳生產(chǎn)策略，提供給決策者與管理者參考。

智慧醫(yī)療

智慧醫(yī)療近年來已多有案例，包括醫(yī)院本體與行動醫(yī)療、長照等，都有醫(yī)療機構(gòu)建置相關(guān)系統(tǒng)，AI在醫(yī)療的應(yīng)用主要分為診斷與照護兩部分，診斷方面是透過高速的運算單元，快速且精準的分析醫(yī)療資訊，提供醫(yī)師判斷病因，例如X光片、電腦斷層…等影像資料，一直以來都必須由專業(yè)醫(yī)師查看判斷，不過由於大型醫(yī)院每天的相關(guān)資料過於龐大，已造成醫(yī)師的沉重工作負擔，現(xiàn)在的深度學習的AI演算法，可以快速提升資料判讀的正確率，再將可能結(jié)果提供給醫(yī)師，由醫(yī)師做最後決定。

圖2 : 深度學習的AI演算法可以快速提升資料判讀的正確率，再將可能結(jié)果提供給醫(yī)師。(Source: wired)

照護部分也是透過資料的感測、累積與判讀，讓照護動作更精確周全、護理人員的工作更有效率，例如AI可分析醫(yī)院安全監(jiān)視系統(tǒng)畫面中病患的動作意義，例如在公共區(qū)域跌倒，AI既可即時分辨，並通知護理人員前往協(xié)助，長照方面，則可在長照機構(gòu)或家中的設(shè)備中設(shè)置AI功能，綜合受照護者所有被監(jiān)測的生理狀況，並將分析結(jié)果傳回醫(yī)療機構(gòu)，降低護理人員的工作負擔。

智慧家庭

智慧家庭概念問世已超過10年之久，不過由於過去都是IT廠商主導，產(chǎn)業(yè)生態(tài)系中其它環(huán)節(jié)—如家電業(yè)者的意願不高，因此市場未有起色，不過自從Amazon開始強化該公司的語音聲控助理Alexa軟體平臺後，智慧家庭的聲勢再起，Amazon去年推出的Echo Plus已有更強大的智慧型家電控制功能，可以自動搜索附近的智慧型家電進行控制，官方稱目前已經(jīng)有100多個設(shè)備，支援通過 Echo Plus 進行控制，中間無需任何的媒介。

由於Alexa目前仍沒有中文版本，因次臺灣建商所使用的智慧家庭AI語音聲控系統(tǒng)，均採用臺商自行研發(fā)的產(chǎn)品，遠雄建設(shè)近期發(fā)表的二代智慧宅，就與中華電信合作，住戶在家中對電器的指令，會傳送到位於中華電信機房的雲(yún)端系統(tǒng)分析語音意義，再將結(jié)果傳送回家中系統(tǒng)，這些訊號來回看似迂迴，不過傳送的速度相當快，使用者並不需要等待，由於家庭應(yīng)用注重隱私，因此目前AI在智慧家庭應(yīng)用仍以語音識別的控制為主，其它應(yīng)用必須等待語音控制技術(shù)成熟、市場飽和後才會浮現(xiàn)。

**刊頭圖：(Source: future of life)