擁有人工智慧的機器人愈來愈普及。 圖/彭博資訊 分享 facebook 這幾年產業界一直在談物聯網,其實在今年非常重要的改變,就是已經看到從物聯網把很多東西跟人做一些結合,進入到要透過人工智慧(AI)來加值的時代。很多人認為所謂的「加值」,可能就是在做軟硬整合;但其實聞名全球的競爭力大師麥可.波特曾提醒台灣,不要忘記自由優勢,也不要馬上談「效率驅動」進入到「創新驅動」,而要把效率驅動「加乘」創新驅動。也就是把台灣特別是跟效率有關的硬體製造、甚至其他科技產業能夠整合在一起。因為全世界有太多國家都在做創新、都朝AI發展,所以AI時代來臨,可讓各界重新去思考軟硬整合定義,並不是一定就是軟體加硬體,而是要以「軟實力乘於硬實力」。所謂的「軟實力」,從AI的角度來看,是既有「人」的智慧,未來也有「機器」的智慧。但是什麼是機器智慧?例如Google開發人工智慧軟體AlphaGo,慢慢走出圍棋棋士所不能夠下(或不曾想到)的方法。在未來,機器甚至可能也可教機器人,更可教新進人員。從AI加乘角度,來看AI又是如何影響民眾的生活?曾有一部老電影,描述加州理工學院的上課場景。觀眾先透過鏡頭,從教室外聽到有老師在對學生講課的聲音,然而當鏡頭轉入到教室內,卻發現到講桌上只擺錄音機,但老師人不在教室。原來老師是透過錄音機傳送在對學生講課,有趣的是,每個學生的課桌上也都放置一台錄音機在錄音。當時這部電影已經預示現今線上教學方式及未來情報分析的情境:前端的作業可能是由AI的協助。其實現在也開始有一些AI的機器在寫新聞稿的媒體報導出現,其對於知識的研究者和知識的傳播者都是一項挑戰,也代表人的智慧加上機器的智慧,在AI加值之下將會更為重要。從產業面向來看,AI加值在台灣產業、在製造業及服務業都是很大的面向。從AI的本質來看,基本上是模擬人,所以在服務業上,希望透過AI加值後,在工作效率上有更大價值;在製造業也希望提高生產力。去年世界經濟論壇(有提到幾個重要對於全球經濟的議題,其中一個就是AI,大家比較認同的方向都是在於提升生產力,希望朝兩個方向走:第一、是讓過去可能需要有十個人做的事情,未來可透過AI讓機器做助手以提高生產力;另外一個是要發展很多AI創新應用。人工智慧不是新領域,六、七十年前就有人工智慧的領域在開展,過去也歷經過多次起伏,但現在卻可以進到實際的產業化;從觀察整個產業開展的角度可以發現,有兩個非常不同產業環境。第一個是資料:現在有愈來愈多資料讓機器可以有更多經驗;還有運算,不管是運算能力晶片,或整個運算環境都跟過去大不相同。另外,是經驗整合,去年下半年很多國際業者將平台開放,希望能把Data computation的能力放進去後,讓更多人把資料放上來做一些應用,促使更多實際的經驗來做整合。因此可預料的是,2017年接下來在Data、Computation及Experience三個面向會形成整合戰。在AI產業生態會有三個發展方向:第一、是「產業AI化路徑」,即使有很多產業需要可以來應用,但本身AI是否為一個產業?是否有夠好的晶片及終端設備及相關解決方案來實現?第二、是「AI 產業化路徑」,像醫療、金融業等不同產業面向,都希望能提高生產力,能有創新的價值。另今年有一條路徑是會持續進行,就是在物聯網環境中,預料今年會有很多低成本的聯網及設備將持續出現。 有助提升員工效率、製造業生產力,十趨勢報你知…人機互動密切 語音助理聚焦有人說,2017年CES展最大贏家是沒參展亞馬遜(Amazon),其研發人工智慧語音助理已廣泛運用在許多裝置。亞馬遜採用開放式架構,核心軟體放在雲端,其他廠商可以跟亞馬遜介接其Alexa語音助理服務,讓自己的產品也具有語音助理的功能。最好的人機語音介面並非觸控螢幕或滑鼠,而是以語音、直接講話的方式最為直覺與方便。預期2017年類似亞馬遜的語音助理會更普及運用在許多終端裝置,因此將衍生音訊感測器的需求,預料今年MEMS麥克風市場會加速成長。推AI專用晶片 降低運算成本工研院IEK預測,人工智慧趨勢開始改變最底層的運算晶片技術方向。今年初有個網路帳號在國際網路圍棋連勝60場零敗紀錄,後來揭曉是Google人工智慧程式AlphaGo。因此許多人開始思考,更難問題是否也可透過此方式解決。但AlphaGo最大問題是在現有硬體架構上,下一盤棋需動用數十台伺服器與數百顆處理器,消耗電量需要數千美元,非常昂貴。目前電腦是通用型運算架構,不適合人工智慧運算,預料會有更多針對人工智慧專用運算開發設計晶片。Intel、IBM或NVidia已朝此方向開發,未來運算成本會逐漸降低。發展機器學習 強化預測分析機器學習(Machine Learning)演算法能提供模式辨識、統計模式、資料探勘、知識發現、自我調適、自主組織與預測分析等各種應用。其中,模式辨識是最常見的應用,如影像辨識與語音辨識是去年全球人工智慧主要研發重點。預期今年焦點將轉向至「預測分析」。透過個人資料數據運算,醫學上已可預測未來得到心臟病機率、甚至得心肌梗塞的時機點。預測分析是一種資料分析技術,在機器學習的導入下,預測能力大幅提升。價值鏈再升級 擴展生態體系Garnter預估,至2021年每日每小時將有100萬台IoT裝置被購買,加上AI技術陸續導入,將促使IoT終端裝置升級為各種AIoT智慧機器。能做到軟硬整合、自主決策、互動如人且流暢驅動相關軟硬體的智慧機器人,將成為全球產業與市場的新寵。居家服務機器人將扮演智慧家庭中樞,娛樂休閒型機器人也開始進入商用場域。AIoT技術正重新塑造消費性電子產品之關鍵零組件、系統組裝、軟體介面、服務設計之產業價值鏈。促使全球產業正運用開放架構或軟硬體資源,整合所有成員擴展生態體系,強化價值鏈上所有成員。MEC技術崛起 改善用戶體驗在物聯網趨勢帶動下,今年通訊領域使用者行為會有些變化,
129FAA1F53160883
-
#LIST_START#
- 視訊 #LIST_END#
129FAA1F53160883
文章標籤
全站熱搜
留言列表