作者: 郭家蓉 / 資策會產業情報研究所 (MIC) 資深產業分析師兼副主任

從人類發明電腦以來，運用數學、統計和邏輯技術發展人工智慧，為科學家一直以來的夢想。AlphaGo為Google旗下Google DeepMind所開發的人工智慧程式，繼2015年10月以5:0擊敗歐洲圍棋職業二段棋手樊麾後，於2016年3月再戰南韓圍棋九段棋手李世乭五場，並以4:1的佳績擊敗李世乭，引起各界一片譁然。

雖然圍棋規則簡單，但標準棋盤有多達361個交叉點（19*19），每步棋的走法約有200種，棋局組合高達10的171次方。基於圍棋講究的是布局，且棋子的擺放位置並無固定，其複雜程度不難想像，AlphaGo已必須像人類倚賴直覺般進行決策，取得獲勝優勢。意味此次AlphaGo的人工智慧發展，相較於當年IBM「深藍」擊敗西洋棋冠軍，儼然已進入了另一個里程碑。

人工智慧發展至今，已累積60年的演算法知識，機器學習、電腦視覺、語音文字的辨識技術達到可商品化應用的階段，且網際網路中已累積大量文字、圖片、影像資料庫，不論是個人使用者、私人企業或是政府單位，已接受資料開放的觀念，形成共享共利的模式。可見演算法技術逐步成熟、網路數據開放、運算與儲存技術提昇以及物聯網技術的興起，帶動人工智慧有突破性的成長。

主要科技大廠如Google、Apple、IBM、Microsoft、百度、小米等，都積極投入人工智慧技術的發展，並將其視之為技術競爭重點領域，包含視覺、聽覺、嗅覺等感知能力的培養、自然語言處理法、機器學習等。未來這些主要業者，也會結合各種智慧生活應用，將人工智慧技術滲透到食衣住行各個場域中。

未來人工智慧技術，可能會在三個領域中協同人力運作。

其一是協同專業，透過建置專家知識系統，輔助決策與判斷，例如Google DeepMind近期計畫DeepMind Health，便跨足到醫療領域，其長期目標是向臨床醫生提供解決大量資訊挑戰的處理工具，並期許讓人工智慧成為醫生的幫手，而不是取代醫生現有的角色。

其二是協同移動，透過自動駕駛車、無人載具等裝置研發，協助個人或企業進行更有效率的移動，長期發展可幫助倉儲、物流、國防等領域進行貨物運送流程的改造。近期Tesla、Google、Audi以及許多車廠，都進行自動駕駛車之研發，協助人們未來能更安全、快速的進行移動，解決交通壅塞的困擾。

其三是協同勞動力，透過協作型機器人的發展，幫助機器人跟人在同一個空間內安全的運作，提升製造業與服務業的個人生產力。包含工廠場域、老齡照護場域等，都可以導入協作型機器人，解決未來10年已開發國家勞動力降低的問題。

由此可知，未來人工智慧技術結合硬體或專家系統的發展，將成為下一波產業競爭的要素。然而，人工智慧技術需要長時間累積，一個人工智慧科學家的養成，除了需要教育體系的支持，尚需政府、法人及產業大力支持研發，才有機會留住人才。此外，鎖定特定應用領域累積研究資源，接軌國際開源系統，可加速系統的發展，讓台灣業者有機會追趕世界的潮流。

(本文內容為作者個人觀點，不代表本部立場)