「過去念數學、統計的，講出來好像都沒什麼，可是現在都可以說自己在鑽研人工智慧（Artificial Intelligence, AI），聽起來就很不一樣了，」談到當紅的人工智慧，資策會產業情報研究所（MIC）所長詹文男笑說，許多研究領域，現在都因為能跟人工智慧沾上邊，一夕之間又翻紅了。

讓人聽起來「很不一樣」的人工智慧，其實早已存在我們周圍。「簡單來說，AI就是眼、耳、鼻、身、意這些人類的感知跟反應，」詹文男舉例，蘋果公司於2011年推出，內建在電腦、手機當中的語音助理Siri，就是應用AI的概念。「我們每天都在跟Siri對話，讓他幫我們做一些事情，就是因為Siri有語音辨識技術，可以抓到我們的需求。」

嚴格來說，人工智慧的概念並不新。早在1950年代，學術界就曾經對人工智慧下過完整定義，不過歷經數十年起落，人工智慧卻始終無法從概念化為現實。詹文男分析，在1960年代，業界對AI前景非常樂觀，投入許多研發資源，卻在1974年迎來第一次低谷；1980年代，又發展出專家系統，認為可以將專家累積多年的經驗轉換到系統中供人使用，也因為費用太過高昂功敗垂成。

人工智慧發展，也曾歷經大起大落

圖1：蘋果公司的Siri就是人工智慧的典型例證

不過到2010年後，AI的發展開始顯著加速。詹文男分析，因為電腦運算和儲存技術提升、演算法突破、以及各種物聯裝置日趨普及，突破了發展瓶頸，讓人們看到AI應用落地的曙光。「資料量愈多、AI神經網絡的運作就愈有效率，運算結果更不易出錯，」除了資料量大量累積，詹文男補充，GPU（圖形處理器）的平行運算架構大幅降低了採用成本，也使AI提早進入商品化階段。

以農業為例，人工智慧已經顯露出應用價值。美國一家農業新創公司Blue River，使用圖形辨識以及機器學習技術，發展出名為「See & Spray」的新技術。對所有農夫來說，雜草叢生都會稀釋農作物的養分，絕對不是好消息；然而，若是一味噴灑除草劑也不是辦法，一來支出龐大，而且還會養成雜草的抗藥性，使施藥的效益衰退。

Blue River的See & Spray就在解決這個問題。他們的圖形辨識技術，可以在植物初生長的階段，就找出作物和雜草的區別。當機器確定雜草的位置後，再對其施放除草劑。施放後，Blue的機器再經過同一位置時，會持續記錄施藥後雜草的狀況，來確認施藥的效果。

圖2：Blue River的See & Spray技術

資料來源：http://www.bluerivertechnology.com/

人工智慧技術，讓Blue River改進除草劑使用效率

簡單來說，See & Spray所做的，只是把過去農夫的除草、噴藥，交給人工智慧的機器來執行罷了。但採用人工智慧後，可以一次照看大規模的種植地面，相當適合粗放式農業的美國；再者，隨著感測器精密度的精進，以及學習數據的積累，機器在辨認雜草上的精準度也會持續提升，甚至能夠超越人類；而且，機器對施過藥的雜草進行定點、定時的追蹤，除了能減少除草劑的使用量，還能持續觀察雜草的抗藥性狀況，有利於後續的除草劑研發。2017年，Blue River已經被美國的農機大廠迪爾（John & Deere）以三億美元併購。

這樣的例子可能發生在台灣嗎？詹文男坦言，從市場、法規、人才等面向來看，台灣要發展人工智慧應用都有瓶頸。首先，台灣的內需市場狹小，國際化的量也不足，尤其為數眾多的中小企業，與全球化的連結程度也不高。在法規上，人工智慧相關的法制建構也不成熟，例如自動駕駛車輛的場域試驗規範就尚待強化，更不用說進入商業應用後的配套辦法。最後，任何技術都需要頂尖人才研發，不過這些人才很容易被國際大廠用高薪挖角。留不住關鍵人才，技術當然也無法發展。

為了突破這些瓶頸，詹文男建議，台灣可以先發展技術共通的平台模組，例如開放資料平台、運算資源平台、演算法及模型平台，減少中小企業進入人工智慧研發的門檻。台灣企業也應該向以色列看齊，把全世界都當作市場，而不是只困在台灣內部。政府也應該持續檢討人才延攬、引進的法規，吸引國際級的高階白領人才，同時加強台灣高教研發機構的育才能力，完善人才布局，才能讓台灣在人工智慧產業佔有一席之地。

資料來源：「AI與台灣產業轉型升級」論壇，2019/04/16

Facebook 在北美智權報粉絲團上追踪我們