2017-03-01

人工智慧應用其實早已進入生活，舉凡智慧型手機的語音助理、搜尋引擎、語音輸入等，隨著雲端技術、電腦運算能力的提升，以及機器學習技術的突破，AI功能變得更強大，將帶來下一波產業革命。
未來三百六十行裡，行行都將有AI的身影，有部分會取代現有人力，其他則扮演協助的功能，影響所及不僅藍領階級，包括醫生、律師、投資分析師…，工作型態都將大幅受到AI的影響。

文／陳昊安
圖片來源：DoNotPay、flickr Charleston’s TheDigital、Forward、Moley Robotics、Google 官網

Google DeepMind研發的人工智慧程式AlpahGo以4：1的戰績打敗韓國圍棋好手李世乭，觀眾皆譁然，「難道機器取代人類的時代到來了嗎？」

就如許多科幻電影中所探討的，機器會不會擁有意識？機器會不會產生情感？甚至，機器人會不會控制世界、傷害人類？事實上，雖然人工智慧技術愈來愈發達，但是離擁有意識的「強人工智慧」還頗有距離，也不是主要發展的目標，而各種特殊專長、具商業價值的「弱人工智慧」則百花齊放。

曾經在客服中心反映問題後，迅速收到企業的回覆郵件？在出入境時，經人臉辨識系統辨認身分而快速通關？是否經常使用Google強大的搜尋引擎來協助解決疑惑？這些生活中的場景，都受惠於AI功能的進步。

AI 影響生活　不是未來就是現在

人工智慧的發展很早，1970年代，專家系統盛行一時，但其能力受限於人類的能力，由專家制定參數，死板無彈性，且維護費高；在數據儲存和計算能力大幅提升下，現今人工智慧能夠透過餵食資料而「學習」，並且人類無從知曉它的推論方式，過程彷彿一個黑盒子，卻演變出各式各樣建立於統計基礎上的結果和應用。

以下介紹幾項影響廣泛，且近年有長足發展的AI技術：

自然語言處理Nature Language Processing

自然語言處理的任務是讓AI「理解」人類的語言，這從來就不是一件簡單的事情，從辭彙對應、語意判讀、上下文的連接等，步驟繁多。

以IBM研發的超級電腦Watson系統為例，在參加「快問快答」比賽時，Watson必須知道主持人「什麼時候是問完問題」、理解問題的意義，然後搜尋答案，當時Watson 是沒有連接網路的，全憑資料庫作答，已能全面得勝。

更泛用的例子如Google 翻譯，從過去逐字對應的翻譯，引進自然語言處理後，可用一句話、一段文章的方式來翻譯，現在輸入「廁所在哪裡」，不再是「Where is therestroom？」中規中矩的翻譯，而是更貼近一般生活用語的「Excuse me,where is the toilet？」在搜尋引擎中也引進自然語言的處理，判斷搜尋者的意圖進而比對資料、排序。

電腦視覺應用Computer Vision

電腦視覺是指從影像資料中提取有意義的抽象資訊，電腦視覺應用的發展從過去的「物件辨識」走向「主題辨識」，比如過去電腦可分辨「兩個跑步的人和一輛火車」，現在可以進一步推論是「趕火車」。

另一個發展趨勢是由單因子判讀走向多因子判讀，比如人臉辨識，過去將整張臉視為單一因子，現在拆分成更小的特徵（feature），比如眼睛、鼻子，再從小特徵的集合中尋找更大的特徵，不僅辨識更加準確，還可以破解影像中的馬賽克，已應用於圖片檢索，在居家保全系統或環境監控也有很大的發展空間。

機器學習Machine Learning

一戰成名的AlphaGo 為了在短時間內達到成效，讓它透過大量的棋譜範例去學習，這種篩選特定資料餵食的機器學習稱為「監督式學習」；而躲在Master帳號背後的AlphaGo 2.0則是透過不停的模擬對弈改進其運算方式，在中國圍棋對弈平台上連奪60勝，引發中國頂尖棋手柯潔感嘆：「人類千年的實戰演練進化，電腦卻告訴我們，人類全都是錯的…我覺得，甚至沒有一個人沾到圍棋真理的邊。」

由此可見，建構於理性運算的領域，電腦已遠遠超越人類，值得一提的是，AlphaGo並非專攻圍棋的特定程式，而是一支「通用型人工智慧」程式，通用型人工智慧被認為是通往擁有意識的強人工智慧的途徑。

Facebook創辦人馬克．佐克柏（Mark Zuckerberg）曾表示，監督式學習的「模式識別」無法讓人工智慧擁有「常識」，簡單來說，它無法舉一反三，針對這點，最好的辦法或許是「非監督式學習」。此外，目前歐洲與日本也在進行「小資料學習」技術的研發，希望透過類似人腦的運作方式，讓AI 學會舉一反三，或者對發生頻率低的事件，如10年1次的金融風暴，進行預測。

其他如移動與控制系統，在工業最佳化應用上也非常重要，生產裝配自動化已很常見，並從單機運作演進成「機器與機器、人與機器」的協同作業，比如Amazon的出貨作業，由機器人搬運貨架交由人類揀貨，機器人彼此之間會協調貨架位置，將熱銷貨品往前擺，減少移動距離；而在德國福斯（Volkswagen）工廠傳出機器手臂撞死人的工安事件後，協同作業的安全性問題更獲重視，避免機器手臂將人誤判為零件、遇到人會避開或暫停動作的機制設計，是自動化的重要課題。

未來10年　9成工作將全部或部分被取代

隨著AI的進步，機器能進行的事情愈來愈多，未來各產業都將結合AI應用，優化服務。創新工場董事長兼CEO李開復表示：「未來10年內，9成工作將全部或部分被取代。」

影響所及不只藍領階級，白領階級也有許多將被取代，比如醫療領域中，初階病理專家或放射科醫生將很高比例被AI取代，「AI取代的是人，因此什麼（工作）都有可能」。

資策會產業情報研究所產業分析師韓揚銘博士表示，溝通流程複雜的工作仍有人的位置，高社交能力或高分析能力的人才是未來所需。也有分析提出，短期內資訊工程人才依然有大量需求，不過，過去認為讀理工科不怕沒工作的思路恐怕要翻轉了，社會科學的人才和能力才是未來需求所在。

2016年10月，美國白宮發表的人工智慧研究報告中便提到，資訊科技市場中「贏家拿多數」的定律，意味著只有少數人有能力主導市場。如果勞動生產力的提高，並未轉換成薪資成長，那麼AI帶來的巨大經濟效益只能被少數人擁有。這意味著生產力提高，可能導致貧富差距更嚴重。

這份報告也指出，經濟刺激和公共政策的制定對科技變遷的方向形成影響，並建議對學生加強科技理工領域的STEM教育（註），未來所需的職業技能訓練經費也應較增加；更重要的是，為確保AI來的利益能被合理分配，政府應提高國家社會福利保障，包含失業和醫療保險，以及提高基本薪資和修改合理稅制等。