在後AI時代,女性對整個社會的影響力會越來越大

在後AI時代,女性對整個社會的影響力會越來越大
Photo Credit: Depositephotos
我們想讓你知道的是

自從2006年開始,人工智慧深度學習的研究大有斬獲,讓語言影像識別、認知辨識,甚至行為預測的準確度都大幅提升。在機器學習上,人工智慧是一種「合成智能」,透過無所不在的感知器、數位足跡、大數據,經由深度機器學習演算法而得,對你的了解可能比你自己還多。

唸給你聽
powered by Cyberon

文:盧希鵬、商業周刊

AI人工智慧的美麗與可怕

在美好的後天,數據是燃料,AI人工智慧的新技術,就是協助整個C2B新商業文明的引擎。從Google人工智慧AlphaGo,在圍棋上徹底打敗中日韓頂尖高手之後,電腦和人腦之爭一直是討論的熱點。我在學生時代讀過一本科幻小說,談到一群外星人在宇宙中尋找可殖民的星球,後來找到地球,因為地球被一群極低等的生物統治,這群低等生物就是人類。

小說中描述人類如何的低等,記憶力差、計算能力也差,從出生到步入社會,要受教育20年;畢業時,又把過去20年所學都忘了。但是,這群低等生物卻發明一種高等的機器,就是電腦,電腦的記憶力、計算力都很強,沒有情緒也不會疲累。於是星際戰爭展開,依照暢銷小說的邏輯,結果當然是人類贏了,因為人類有一種電腦沒有的能力,就是思考學習與創意。

自從2006年開始,人工智慧深度學習(Deep Learning)的研究大有斬獲,讓語言影像識別、認知辨識,甚至行為預測的準確度都大幅提升。人工智慧領域可以分為機器學習以及自動執行兩個方向。在機器學習(Machine Learning)上,人工智慧是一種「合成智能」(Synthetic Intellects),透過無所不在的感知器、數位足跡、大數據,經由深度機器學習演算法而得,對你的了解可能比你自己還多。

過去,程式靠的是工程師的邏輯設計,現在則是靠電腦的大數據學習以及在深度學習中發現這個世界的特徵表達(Feature Representation)。比較可怕的是,人類智慧已無法理解人工智慧發展出的邏輯。所以一個完全不懂下棋的人,可能教出天下無敵的高手機器人;同樣的,一個不懂理財的工程師,也有可能訓練出比自己投資還準的投資機器人,只要餵給電腦夠多的學習數據。

在自動執行(Supervised Autonomy)上,電腦可以在人類無法感知的時間內替人們做決策並採取行動,像是Google可以精準地投放廣告;Amazon Echo更可以接受語音,替你訂餐、購物與控制家電;臉書可以幫你自動辨識人臉與挑選資訊;理財機器人可以在計算大數據的同時,以每秒十萬次的高頻交易幫你低買高賣。當然,智慧工廠、智慧城市、各種機器人、無人自駕車⋯⋯,都是自動執行的代表。

由史丹佛大學團隊成立的Willow Garage公司,已經開始免費提供具有機器學習、視覺、語言等功能模組的機器人作業系統(ROS)給各界使用,未來機器人的開發門檻愈來愈低。

表面上看起來,人工智慧能夠帶來許多利益,但也有可能, 因為彼此競爭或保護自己的主人而不經意地毀滅他人。2010年5月6日,道瓊工業指數莫名其妙跌了9%,一兆美元瞬間蒸發,美國證券交易委員會(SEC)六個月後才搞清楚,原來是一群高頻交易的理財機器人,在試探彼此交易策略的行動上失控了。也因此霍金博士才說,「AI要不是有史以來最棒的發明,就是人類史上最恐怖的悲劇。」並警告人工智慧具有毀滅人類的危險。

台灣發展AI的機會

比爾蓋茲(Bill Gates)曾表示,如果能重回大學,「我會選擇AI、能源或生物科技為專業。」那麼台灣到底有沒有發展AI的機會?31年前(1986年),我在清華大學向貝諾爾教授學AI。1992年,我在美國取得博士學位,回到台灣科技大學教授的第一門課,也是人工智慧。教了幾年,人潮散去、預算刪減,當時大多數人都覺得人工智慧沒有什麼產業價值。

但是,這一波AI的革命,我稱之為「新AI」,跟30年前我學的「舊AI」是截然不同的。這波革命約從2006年的深度學習研究開始。

舊AI的專家往往認為新AI沒什麼,在技術上只不過是把類神經網路多加幾層,同時將輸入等於輸出,以算出特徵量,在功能上就如同「回歸預測」與「因素分析」的差別。

在舊AI的機器學習上,人類有一項重要工作是選取「特徵」,像是在手寫阿拉伯數字辨識上, 人類直接以像素(pixel)作為特徵。在人臉辨識上,舊AI會先人臉特徵(如兩眼瞳孔間的距離等等);或是在預測股票時,舊AI也要先選取股票市場特徵(如基本面、技術面、消息面等變數),再做監督下的機器學習,等於人類是老師,告訴機器學習結果的對與錯。

舊AI機器學習的好壞,取決於人類是否能夠選取出好的特徵,但是新AI深度學習最大的貢獻就是,電腦可以自己找到特徵表達的方式,不需要人類的監督教導,效果卻比人類找到的還要好,麻煩是,人類看不懂!

新AI嶄露頭角是在2012年的全球視覺辨識大賽(Image Net),歷年來世界各地參賽者的圖片辨識率始終在74%左右的水準,但多倫多大學隊伍竟達到85%上下,原來他們用的就是「深度學習」的新演算法。一個準確率七成的技術是沒有商業價值的,但如果達到九成以上,許多應用就產生了。像是語音辨識方面,Amazon Alexa、Apple Siri、Google Now、Pepper都是商業化的例子。然而,新AI的產業化革命,至今不過六年,如何發展還是未知數,但我認為,新AI至少會浮現三個機會。

一、「產生AI服務」的大母體

世界上存在著幾家大母體(如谷歌、臉書、亞馬遜、微軟、百度、阿里巴巴、騰訊),他們都要搶先成為新AI的作業系統, 任何一家成功,都會讓新AI如Android一樣普及。目前台灣沒有機會的應該是這一區塊,根據在過去的歷史,台灣要發展作業系統的機會本來就很小。

二、「使用AI服務」的小前端

在母體上做系統整合,並發展前端應用,像是智慧製造、智慧家庭、智慧醫療等。台灣有許多具世界領導地位的硬體廠商,只要商品占有率的數量如螞蟻一樣多,就有機會勝出。

三、「設計AI服務」的數據化

台灣要善用物聯網感知器,設計自己的數據。與數位化不同的是,這一波AI革命要的是數據化。譬如有人在汽車椅墊下佈滿感知器,以學習駕駛人座椅的習慣特徵,形成防盜與防打瞌睡的智能系統此外,FinTech的大數據徵信、智能電表產生的能源智能管理,都需要螞蟻數量的數據化。

有愛的服務業

台灣有沒有發展AI的機會呢?當然有,因為機會是創造出來的。人類的上一波革命是機械,機械出現之後,很多農夫都說:「完了,有了耕耘機之後,我們就沒工作了。」工人也說:「有了自動化設備之後,我們會沒工作。」大家都很惶恐,但後來以為會沒工作的人都成為知識工作者(Knowledge Workers)。也就是說,如果沒有耕耘機,我們現在大多數人都還在耕田,大多數還在工廠上工。今天你會當工程師,我會來當老師,是因為耕耘機取代了大多數勞力的工作,而我們成為了白領階級的知識工作者。

這一波的革命叫作AI人工智慧,人工智慧取代的就是知識工作者的判斷。於是人們就跟過去農夫擔憂的一樣,說:「寫作機器人、理財機器人要來了,我們要失業了!」但是,從另一個角度來看,每次新科技出現,創造出的職業都比消失的職業多很多。有了機械以後,就開始有電機工程師、機械工程師、程式工程師、網路工程師,這些工作都是農夫時代不存在的。那麼,有了AI之後呢?現有的工作的確會消失,但會出現很多現在還不存在的企業。

現在還不存在的企業,到底是什麼企業?從推理的角度來看,機械取代的是體力,AI取代的是判斷,如果人有靈、魂、體的話,機械取代的是「體」,AI取代的是「魂」,無法被取代的是「靈」;這就是創新工廠董事長李開復說,當AI解決了很多「人」的工作之後,人要開始做一件事就是「有愛的服務業」。

有愛的服務業跟五新有什麼關係?五新要達到的是C2B,這個新文明和新社會是根基於互聯網的龐大社群,未來人類的力量不在於體力,也不在於判斷,而在於誰能夠營運這個龐大的社群。要營運這個龐大的社群就要有愛,要有互動,要有同理心,要有消費者體驗,這些其實都是愛的服務業的範疇,讓人與人之間互信,讓人與人之間更容易合作。人際互動的社會資本會越來越重要,而管理社會資本的,不是靠體、也不是靠魂,而是靠靈。

未來,或許就像科技趨勢思想家KK(Kevin Kelly)所說的,「沒辦法預測,但軌跡非常清楚。」這個軌跡是,未來越來越多的體力跟判斷的事情,但是科技永遠無法取代的是人際之間的互動。未來的商業文明將從社會資本中產生生產力,在個人化大數據使得人們的信用變得更透明的情況下,要維繫社會資本,誠信、愛、同理心都變得非常重要。所謂的資本,就有投入/產出的概念,未來的產出都是根基於你在互聯網上的誠信行為和個人魅力,這也會形成後AI時代很重要的經濟成長數值。

同時,我們也預估C2B時代應該會是女性的天下。因為在狩獵、農耕為主的時代,需要男性的體力,到了工業時代需要男性的體力和邏輯,所以都是男性主導整個社會。到了後天的新商業文明,新能源和新技術取代了體力和邏輯性判斷,至於無法被取代的同理心、溝通能力、忍受痛苦的能力等,卻都是女性的特質。所以我們會預估,在後AI時代,女性對整個社會的影響力會越來越大。

不是生產品,而是生產數據

我們從本書一開始就提到,要學習從後天看明天。如果後天的新能源是數據,台灣產業要養成一個習慣,我們不只是做產品,而是要在所有C2B的新零售、新製造、新金融中,創造出數據。這些數據,才是未來我們可以勝出的競爭力。如果台灣現在還在做大家都知道的事情,別人做新零售O2O,我也來做O2O;別人做工業4.0,我也來做工業4.0;別人做FinTech,我也做FinTech,那台灣產業永遠擺脫不了比價的命運。如果可以從今天、明天開始去創造數據,而且這些數據的數量可以比螞蟻還要多,那麼在美好的後天來臨之前,台灣就有一席之地了。

數據為王,台灣產業在做所有事情之前都要想到數據,要有數據化的考量,李開復認為,在後AI時代台灣沒有機會,所有的網路數據會被包括Google、Facebook等七大黑洞吃掉。配合馬雲說過的話,「能夠扳倒獅子的是一群螞蟻。」那七大黑洞就是獅子,台灣的確沒有機會去成為獅子,但可以做一群螞蟻。我們舉過加裝棋盤式感測器,可感知臀部施力點的汽車座墊的例子。如果把棋盤式感測器放在地板下方呢?老年人在家摔跤了,感測器馬上就知道,也可以由老年人走路的輕重測知他的健康狀況。本來地板是沒有數據的,但是加裝了感測器之後,地板就開始有數據;有了數據就可以進行AI的設計。

數據,就是新能源。Google、Facebook等獅子,等於是全世界幫他們創造能源,而螞蟻則要有自己創造新能源的能力,才有辦法和獅子對抗。馬雲曾比喻,「非洲草原上只有餓死的大象和獅子,沒有餓死的螞蟻。」台灣中小企業必須開始養成一種能力,要在沒有數據的地方創造出數據,當這種創造出的數據多如螞蟻,就有機會在新時代存活下來,甚至打敗獅子。

台灣有沒有發展AI的機會呢?當然有,因為機會是創造出來的,關鍵在螞蟻的數量,以及C2B時代的大戰略。

天下有三種人,第一種人Make things happen(促使事情發生);第二種人Watch things happen(看著事情發生);第三種人等事情發生後,問道「What happened?」(詢問發生什麼事?)。

由衷希望,在美好的後天來臨之前,台灣從政府、企業到個人,我們都不是第三種人。

書籍介紹

本文摘錄自《C2B逆商業時代:一次搞懂新零售、新製造、新金融的33個創新實例》,商業周刊出版

*透過以上連結購書,《關鍵評論網》由此所得將全數捐贈兒福聯盟

作者:盧希鵬、商業周刊

當數據為燃料,AI人工智慧為引擎的未來已到來,繼電商之後的下一個互聯網盛世在哪裡?唯一擔任過阿里巴巴全球十大網商評委的電商名師盧希鵬教授和《商業周刊》聯手,以C2B觀點重新思索台灣產業的新商業價值,洞察可預見的未來商機,找出可執行的決勝策略。深度解析C2B商業模式,帶你從後天看明天,從未來看現在。

不只線上/線下無縫接軌,還要Omni全通路、恆常流動零庫存。從線上到線下、從實體到網商、O2O新創平台3大類型、9個創新實例。多品項小批量個人化定製,逆轉B2C,消費者才是供應鏈最上游。彈性生產、智慧製造、跨產業平台,16個新製造先鋒轉型升級的故事。

為何銀行是哈士奇,FinTech是狼?數據徵信是互聯網金融解方?8類個人化金融和群眾募資成功案例,揭示數位金融化的成功之道。為什麼阿里巴巴不再談電商,亞馬遜到線下開實體店?為什麼過去是零售業被網路顛覆,接下來將會是製造業?逆轉商業模式的C2B浪潮席捲而來,顛覆你對未來的想像。

C2B逆商業
Photo Credit: 商業周刊出版

責任編輯:游家權
核稿編輯:翁世航

或許你會想看
更多『評論』文章 更多『科技』文章 更多『精選書摘』文章
Loader