《完全圖解物聯網》:「工作都要被AI搶走了」,關於人工智慧的10個常見誤解

《完全圖解物聯網》:「工作都要被AI搶走了」,關於人工智慧的10個常見誤解
Photo Credit: iStock

我們想讓你知道的是

本書介紹與說明物聯網領域中各種的相關技術,無論是與這些領域相關的工程師還是一般讀者,都能藉由本書了解物聯網的系統、商機和獲利模式。尤其是物聯網系統建置時所需的基本架構和技術、目前進展的方向等都能有一個整體的概念與深入的了解。

文:八子知礼(YAKO Tomonori)、杉山恒司(SUGIYAMA Koji)、竹之下航洋(TAKENOSHITA Koyo)、松浦真弓(MATSUURA Mayumi)、土本寛子(TSUCHIMOTO Hiroko)

5.6 AI人工智慧與數據的應用

AI人工智慧概要與使用

目前市場上和IoT一樣被受關注的還有人工智慧(AI,Artificial Intelligence)了。現在被稱為第三次人工智慧的浪潮,也是AI人工智慧實際上在商業實務上的應用,比以往的任何時候都要多。

只是,現在還有一個問題。現在不管什麼都可以稱為AI,例如應用大量數據的機器學習和機會學習、甚至傳統的統計方法、圖像識別等,好像全都可以稱為AI。其實,隨著以深度學習為代表的進化式演算法和自我學習神經網路的發展,未來的AI勢必是走向一個自動分析的世界,筆者本人也非常期待這個時候的到來。

但是,目前的AI還是以輸入大量的數據和學習為前提。如果沒有蒐集、投入大量的數據,很難提高AI的能力,的確這也是目前存在的瓶頸。

我們也經常誤解「只要導入AI,AI什麼都可以做」,在目前這個時點,AI並不是魔杖。基於這樣的考量,以下,筆者將介紹一些有關IoT和AI人工智慧相結合,所帶來的各種可能性。

AI人工智慧的謬誤

2016年12月,顧能(Gartner)曾經發表關於人工智慧(AI)的10個常見誤解。以下介紹的十種狀況,完全是被誤解或是對AI的過度期待,與現實有非常大的一段距離。

  1. 非常聰明的AI已經存在。
  2. 任何人都可以透過導入諸如IBM華生(Watson)之類的人工智慧程式,進行機器學習和深度學習之後,立即可以從事一切「令人讚嘆的事情」。
  3. 有一種單獨存在的技術稱為AI。
  4. AI導入後,效果可以立竿見影。
  5. 「非監督式學習」優於「監督式學習」,因為無須定義就會了。
  6. 深度學習是最強的。
  7. 可以像選擇電腦語言一樣選擇演算法。
  8. 有一種任何人都可以立即上手的AI。
  9. AI是一種軟體技術。
  10. 結果AI並不能成為可用之物,所以沒有意義。

像這樣當我們談論AI人工智慧時,我們很容易傾向於AI就是一種非常聰明的東西,應該從事任何的事情,但是AI還沒有達到這樣的能力。還有人會說「工作都要被AI搶走了」,其實到目前為止,這些都還不會成為問題。

目前的AI最有可能的就是,有可能替換處理工廠生產線上的一些簡單的工作。AI能夠處理的,也只不過是類似流線式生產線上不斷重複的單作業模式,這樣的工作AI就能夠勝任。例如建築工地等,許多的工作環節,可能都有不同變化的情況,AI應該是還無法應對。

換言之,諸如事物的創新、決策的制定和錯誤的處理等,不屬於既定行事的處理過程,對AI而言都還是沉重的負擔。

AI的學習需要大量的數據

AI與買回來即可使用的家電是不一樣的。為了提高準確度和能力,必須使用大量的數據進行練習。如果在業界有一家公司,領先業界較早開始使用AI進行學習的話,這意味著這家公司,將具有比較領先的優勢。但是,這也僅是意味著,這家公司為了大量數據的學習,比較願意花費較長的時間罷了,沒有比較大資本企業的投資,還是很難得到比較有成效的結果。

而且,在許多情況下,僅就一個企業或一個業界領域的數據,實在是不足以創造新的商機。如果沒有加入其他各種企業所擁有的數據或是公開資料、SNS上的資訊等,應該很難獲得較有意義的結果。

為了解決這個問題,有必要與擁有數據的各種公司合作並共享資料,如第四章和第五章的5.4所述。或者需要一種能讓數據流通的機制。

然而,AI學習的方向與人類控制機器的學習不同,AI會自己判斷,決定自己要學習的內容,所以學習的結果,也有可能是一個意想不到的方向。由此可知,當決定讓AI進行學習時,必須好好思考希望提供AI什麼樣的數據進行學習。

各大超級平台所推出的代表性AI

Google、IBM、Microsoft和Amazon這些超級的雲端平台,近來先後都發表了屬於他們自己的AI。每一個AI的版本,在現實的模式和功能上,都有稍微的不同,以下我們就簡單地列表說明一下每個版本的功能。

【圖表5-23】各大型平台所提供的AI服務概況
Photo Credit 經濟新潮社出版

IBM的AI稱為華生(Watson),也是可以稱之為AI的服務。IBM本身並未將華生認定為AI,但本書從廣義的角度,覺得應該以AI來介紹。華生可以稱為多個認知判斷解決方案Cognitive Services(認知服務)的集合體,這個解決方案提供了大量可用於各種服務的API(Application Programming Interface,應用程式介面)。

Google的AI雖然就是曾經在圍棋比賽,擊敗世界頂級好手而聞名的Alpha GO。但Google在Google 雲端平台還提供了TensorFlow、Speech API、Vision API等多款的API。這些都是經過深度學習的AI資料庫,例如提供經過學習的圖像辨識、語音辨識等API。 

Microsoft的認知服務(Cognitive Service),就如同IBM的華生,主要是語音和圖像辨識的統合環境。在前一章節曾經介紹的Aroba View Colo就是使用了這項經過學習的服務,來進行性別和年齡的判別。

Amazon的AI包括了搭載聲音辨識音箱Echo的語音辨識引擎Amazon lex、聲音合成引擎的Amazon Polly和圖像辨識引擎的Amazon Rekognition。

即使是少量的數據也可以提供AI學習的服務

如果想嘗試將IoT的數據應用於AI時,重要的決策關鍵,就是學習的時間和費用。因此,大約在2016年左右,已經開始出現「AI最少可以縮短多少學習時間?(或是進行AI學習,可以減到最少的數據量?)」,就不斷聽到類似這樣的聲音。


猜你喜歡


一圖看懂微電腦瓦斯表:三大安全遮斷功能,守護居家安全「不漏氣」

一圖看懂微電腦瓦斯表:三大安全遮斷功能,守護居家安全「不漏氣」

我們想讓你知道的是

相較於傳統機械式瓦斯表,微電腦瓦斯表可以主動偵測異常情況,在漏氣、超時使用、五級以上地震發生時,自動遮斷瓦斯,以防瓦斯外漏所造成的氣爆、火災等危害,強化居家安全的守護。

你收過瓦斯公司寄來說明可換裝微電腦瓦斯表的通知單嗎?自從2011年天然氣事業法通過之後,政府便開始推廣微電腦瓦斯表,屆齡換裝微電腦瓦斯表完全免費,每個月也只要多40元的基本費,就可以享受微電腦瓦斯表所帶來的安全保障。和傳統瓦斯表相比,微電腦瓦斯表增加了精密微電腦晶片、感震器、壓力開關、緊急遮斷閥等零組件,在偵測到漏氣、超時使用、大地震時,便會進行自動遮斷功能。這些功能對你我的居家安全有什麼保障?一起來搞懂吧!

微電腦瓦斯表_第一篇_完稿

三大安全遮斷-漏氣遮斷

瓦斯管線會因為風吹雨淋日曬、被老鼠嚙咬等原因,而慢慢老化破裂;再加上台灣地震頻繁,也是導致瓦斯管線鬆脫漏氣的原因之一。一般來說,我們可以透過發現家中瓦斯的使用量異常增加,或者是聞到瓦斯特有的臭味,來注意到瓦斯有漏氣的情況。可是,現代家庭的瓦斯管線往往鋪設在室外,又或者大量漏氣的時候沒人在家、或正在其他房間休息,可能不會發現這個危險警訊。

微電腦瓦斯表可以偵測到瓦斯漏氣的問題,並且自動進行「漏氣遮斷」,在第一時間阻止易燃的瓦斯洩漏,以免在不知情的狀況下浪費瓦斯,甚至造成嚴重災禍,全家人每天都能安心生活。

三大安全遮斷-超時遮斷

想必很多人都有急著出門,然後突然想不起自己到底有沒有把爐火關掉的經驗吧?這種不踏實的心情,在忙得抽不開身的時候,特別讓人覺得難受。大家可能也聽說過,家中長輩開了瓦斯爐燒水泡茶,結果朋友打電話來聊天,講著講著就忘記瓦斯爐的火還開著,如果爐火一直燒下去,可能真的會導致一發不可收拾的憾事。

微電腦瓦斯表可以偵測瓦斯的使用量與時間的關係,開大火的話,用氣的時間會縮短;開小火的時候,時間就會相對拉長。這個功能可以在家人使用瓦斯,但忘了關火時,自動判斷是不是應該要啟動「超時遮斷」的功能。

三大安全遮斷-地震遮斷

發生五級以上的地震時,如果正好在使用瓦斯,微電腦瓦斯表就會馬上停止供氣,這就是「地震遮斷」功能。說到地震,其實和微電腦瓦斯表的發明及推廣有著非常密切的連結。日本早在1987年就開始推廣使用微電腦瓦斯表,因為有這項設備,所以不管是1995年的阪神大地震,或者2011年的311大地震,都因為「地震遮斷」發揮作用,才不至於因為瓦斯而引起更多事故。

同樣位於地震帶上的台灣,我們向來十分在乎房屋的結構和材料是否防震,如果能更進一步裝設微電腦瓦斯表,在地震發生時發揮作用,自動遮斷瓦斯,就能防止因為設備損壞所造成的瓦斯外洩以及氣爆、火災等事故。

微電腦瓦斯表在日本目前已有將近100%之普及率。在台灣,目前的年度裝置率則從2014年的8.43%,提升至2022年第2季的48%。所謂多一份用心,就是多一份保障。在我們小心用氣、用火的同時,再加上微電腦瓦斯表的主動防護,家人的生命安全和財產保障,就更加完整了!

經濟部能源局廣告


猜你喜歡