人工智慧 (Artificial intelligence， AI)不是新的科技，早在1943年已經開始萌芽，並於1956年在美國達特茅斯學院舉行的一次會議中，正式確立了人工智慧的研究領域。然而，由於人工智慧一直無法在商用以及商品化的部分取得較具體的成就，因此投資人對人工智慧的投資也是忽冷忽熱，唯有各國政府在國防及軍事應用上的研發一直沒有鬆懈。

近年來拜工業4.0、照護機器人的熱潮所賜，人工智慧的發展又再度引起注目。然而，雖然蘊含人工智慧的機器人或是機械手臂於工廠生產線的應用在目前最為普及，而且屬最大宗，但資策會產業情報研究所資深產業分析師陳賜賢卻最看好商業智慧的市場潛力及發展。在應用領域方面，涵蓋管理、商務 、金融、支付、健康照護、客戶服務、物流、運輸……等等。

在剛結束的第29屆MIC Forum（大智移雲翻轉時代）中，資深產業分析師陳賜賢針對人工智慧中的「機器學習專利趨勢與大廠布局」作了深入的分析。他開宗明義的簡單定義了人工智慧：「人類的智慧主要是以文字、聲音加上影像來呈現；而人工智慧則主要是針對文字、聲音、以及影像加以辨識及處理，希望可以達到人類與機器的對談互動與人類跟人類的對話互動一樣自然。」

以IPC分類為基礎，陳賜賢從美國專利商標局（USPTO）的專利資料庫中找出2萬多件人工智慧相關美國專利， 經處理後分出8個類型，其中每一類型的特色詳列於表1。圖1則是8大核心技術類型的分配比例，可以明顯看出「自然語言處理」技術占的比例最高，達78.4%，遠遠領先排名第2、只占5.4%的「專家系統」；而「機器學習」則排名第3，占4.2%。

圖1. 　8大類型人工智慧相關美國專利占比

資料來源：MIC，陳賜賢簡報資料，2016年9月

表1.  人工智慧8大核心技術類型及特點

資料來源：MIC，陳賜賢簡報資料，2016年9月

「機器學習」發展潛力大

雖然「機器學習」的專利數量不是很多，但陳賜賢卻非常看好「機器學習」的應用及市場潛力，他指出：「機器人未來會在智慧製造中扮演很重要的角色，而『機器學習』則是近年來很重要的研發議題，特別是在大數據的時代尤其重要。『機器學習』不但具有學習能力，還能從巨量資料中找出歸類，作出預測，協助人類解決很多複雜的問題。」

陳賜賢表示他在進行人工智慧專利分析時發現，巨量資料在大數據時代扮演的角色越來越重要；在進專利交叉分析時，發現「機器學習」如果跟其他運算法搭配（如專家系統），即可發揮更大的效率，如作圖型判斷、知識呈現、文字間關聯性對比等等。

陳賜賢舉了一個很簡單的例子：以前要命令機器人或是機械手臂去進行指定動作，必須要由工程師來寫程式執行，但透過「機器學習」演算法，便可以藉由聲音及手勢指示，教導機器人進行動作。像學習式機器手臂Eli (Extensible Language Interface)，便是透人類語音與手勢教導，進行學習並完成人類交付之任務。

學習式機器手臂Eli學習示範影片

影片來源：IBM T.J. Watson；2012年1月

「機器學習」專利美國最強　遙遙領先

從20,000多件的人工智慧美國專利中，陳賜賢以分類方式篩選出3,844件「機器學習」的專利技術，再進行深入分析。

圖2顯示3,844件「機器學習」的美國專利大部分集中在美國專利權人，達2,350件，高達6成的比例；緊接著為日本及德國。值得注意的是台灣在此領域中有43件美國專利，占比1.1%；而中國大陸雖然只有16件，占比0.4%，但陳賜賢指出中國大陸的專利技術領域比台灣來得廣，不會像台灣只集中在特定領域。

圖2.  「機器學習」相關美國專利以國家別分析

資料來源：MIC，陳賜賢簡報資料，2016年9月

圖3是「機器學習」專利應用別分析。針對3,844件機器學習美國專利，透過資料比對，陳賜賢篩選出30項可歸類為特定應用的關聯技術進行分析，發現主要集中在資料辨識(Recognition of Data)， 占22.4%、控制系統 (Control System General)，占18.2%、監測或預測目的之資料處理系統 (Data Recognition System for Supervisory or Forecasting Purposes)，占15.6%。陳賜賢指出，從技術領域別的「監督或是預測」，可以找出來一個熱門議題「商業智慧」(Business Intelligence)：包括第3方支付、辦公室自動化、包括金融科技、客戶服務及醫療照顧等等應用。

圖3.  「機器學習」專利應用別分析 － 國際專利權人

資料來源：MIC，陳賜賢簡報資料，2016年9月

除了分析國際專利權人的「機器學習」專利應用別外，陳賜賢也分析了台灣專利權人43件「機器學習」美國專利的專利應用別。他發現台灣專利權人在控制系統的比例較高，占33.3%；而在資料辨識與資訊科技管理方法的比重則相對較低，只分別占12.5%及8.3%。

台廠：產學合作好機會

陳賜賢也分析了「機器學習」專利權人的研發能力。表2之資料顯示，國際專利權人相對研發能力前20名者，全數為廠商；反觀表3台灣專利權人的部分，廠商屬性僅占4成，學研單位比例則高達6成，顯示「機器學習」這一塊在台灣，研發能量比較集中在學研單位，廠商部分較為不足。因此，產學合作在未來會是很好的發展方向。

表2. 「機器學習」專利國際專利權人相對研發能力分析

資料來源：MIC，陳賜賢簡報資料，2016年9月

表4.「機器學習」專利台灣專利權人相對研發能力分析

前文提到「商業智慧」是「機器學習」領域中一個熱門的方向， 表5呈現了國際專利權人之商業智慧專利分布狀況。在國際專利權人223件商業智慧專利中，顯示在管理類專利最多、其餘依順序為商務、金融、支付、服務業、客戶服務、物流、運輸或通訊。

表5. 國際專利權人之商業智慧專利分布

註：採用「機器學習」相關技術之.商業智慧專利共有223件
資料來源：MIC，陳賜賢簡報資料，2016年9月

反觀台灣專利權人在商業智慧的專利只有2件 (表6)，且只集中在管理相關技術，其他熱門的領域如商務、金融、支付、健康照護、客戶服務、物流、運輸或通訊等項目，尚未發現有台灣專利權人拿到機器學習相關技術專利。  

表6. 國際專利權人與台灣專利權人之商業智慧專利分布比較

資料來源：MIC，陳賜賢簡報資料，2016年9月

機會與挑戰

陳賜賢指出，隨著大數據時代的來臨，商業環境製造了大量數據資料，機器學習演算法能從巨量資料中找出規律作出預測，協助人們更有效率的作出選擇，像是庫存管理、廣告行銷、消費者分析、客戶管理、投資交易、電子購物、健康照護、物流及客戶服務等等；因此機器學習在人工智慧領域中相當重要。

在商業智慧專利的部分，台灣專利權人目前只拿到2件機器學習的美國專利，與國際專利權人相比可以說是實力懸殊，短期內難以抗衡。

Facebook 在北美智權報粉絲團上追踪我們