喜歡套用熱門關鍵字的台灣文化,有辦法跟上AI浪潮嗎?

喜歡套用熱門關鍵字的台灣文化,有辦法跟上AI浪潮嗎?
Photo Credit:David Revoy / Blender Foundation@Wiki CC BY 3.0
我們想讓你知道的是

龐雜的企業運轉猶如海上的鐵達尼號,航錯方向雖不會造成立即的傷害,但等看見迎面而來的冰山時再轉向,也來不及了。

文:洪輝舜(威斯康辛州大學麥迪遜分校計算機科學研究所)

人工智慧 ( Artificial Intelligence, AI ) 的研究工作在第二次世界大戰結束後迅速展開,知名英國計算機科學家艾倫・圖靈(Allen Turing)也在西元1950年提出了「圖靈測試」(Turing Test),為人工智慧提供了一個操作型定義:如果人類詢問者透過非實體介面向電腦提出一些問題之後,無法判斷答案是否由人寫出,那麼電腦就可以被稱作具有人工智慧。這樣的定義在後來引發了許多延伸的討論與研究。

而延續這個脈絡,人工智慧到底能不能貼近真人的智慧也一直都是各種科幻文本中的一個熱門探討話題。然而這樣的探討並沒有繼續在人工智慧的研究中成為主流,因為就如同人類試圖學習鳥類飛行,最後的目的是擁有在空中移動的能力,而非真的要製作出如同鳥類一般的機械。比起研究人工智慧是否能夠通過圖靈測試,探討人工智慧能夠幫助人類到什麼程度更加具有實用性質而在今日成為顯學。

如果就分類上來探討人工智慧會如何幫助人類,則人工智慧可以粗淺分為兩個象限、四種類型。分別為「思考/行動」象限、「類人/理性」象限,以及相對應的「類人思考」、「類人行動」、「理性思考」、「理性行動」這四個類型。其中又以設計「理性行動」的「理性代理人」在這一領域中有最多的發展。

對於現代的計算機科學來說,設計一個建構在數學計算與邏輯上的「理性代理人」,比較容易驗證該理性代理人是否能夠計算出理性上最佳的選擇或是行動,而且在給定環境或框架下也容易定義所有的選擇與行動。因此我們現在所看到的人工智慧應用,也多半不出這個框架中。例如電腦棋士、電玩遊戲AI、垃圾郵件自動阻擋、自動語音辨識等生活中常見的應用,都能夠利用計算而得到指定範圍中的最佳行動選項。

台灣沒有機會發展AI產業?

而隨著生活中能夠應用人工智慧的場景越來越多,社會大眾慢慢能夠感受到人工智慧其顛覆世界的潛力。無論是從在圍棋棋壇稱霸的 AlphaGo、日趨成熟的自動駕駛技術等等,都讓台灣各界期待人工智慧產業會是繼半導體產業之後,成為台灣的另外一個救世主。但對此期望,創新工場董事長李開復則評論說:「台灣沒有機會發展AI產業。」這話一出,在當時引起一番討論。

李開復的論點主要在於台灣在PC時代之後,並沒有跟上軟體、網路、社交、行動、大數據等資通訊產業的潮流。而奠基在這些技術、產業基礎之上的人工智慧應用,要能夠在台灣生根發芽實在過於困難。

除了少數已經在國際資通訊供應鏈佔有一席之地的台灣企業,在人工智慧當道的時代還是有機會在新的人工智慧產業供應鏈中,搶得一席之地外,要台灣按照過去計劃經濟的脈絡,要在政府的主導下導引人工智慧產業出現,即便在台灣經濟奇蹟中被過度神話後的孫運璿再世,面對要在台灣培植人工智慧產業的難題,恐怕也是一個燙手山芋。

喜愛套用熱門關鍵字的台灣文化

更進一步說,對照前幾年大家一樣喊得震耳欲聾的雲端、大數據等熱門關鍵字,難道現在台灣的雲端產業與大數據產業就建立起來了嗎?如果過去我們沒辦法做到,那面對今日的人工智慧浪潮,我們與過去的自己又有什麼不同呢?從物聯網、雲端運算、大數據、人工智慧、機器學習、工業4.0或區塊鏈等熱門關鍵詞誕生以來,台灣屢見不鮮的情形就是在不明究理之下,只要能夠沾上一點邊,就急於將各面向的產品與服務都套上最新的關鍵字,來爭取政府補助、吸引消費者目光以及廣發新聞稿。

如果褪去外在華而不實的行銷詞彙,到底該產品的技術內容與外在包裝是否相符,行銷話術是否誇大其詞,都不是台灣產業會去斤斤計較的部分。但這樣套用熱門關鍵字的台灣文化,真的是我們要的嗎?

細究盈利商業模式的本質,不外乎就是企業提供市場所需的產品,販賣得利。無論是什麼樣的技術,都是為了要能夠加強產品的競爭力。回歸本質:到底要如何做出更有競爭力的產品?在商場中做出更正確的決定?人工智慧的技術應該只是達成目的的一種手段,而不是最終的結果。否則每次新技術來襲,我們都會陷入要如何「套用」新技術的窠臼中,無法真正的解決台灣的困境。

無論是採用何種方法來改善、最佳化產品流程、協助改善決策品質,培養基於數據、重視事實、追求真理的「數據決策思維」成為企業文化的核心價值,才是未來台灣產業轉型升級的真正解方。

business, people, statistics and team work concept - close up of creative team with charts on paper, smartphones and tablet pc computers sitting at table in office
Photo Credit: Depositphotos
「數據決策思維」是未來台灣產業轉型升級的真正解方

數據決策思維對台灣企業帶來的第一個挑戰,是企業數位化程度是否足夠。而要有數據做為依據,則必須要先有資料的搜集能力。光是能不能在企業既有的內外部流程之中,數位化地蒐集各項資料,就已經是企業的一個很大的挑戰。而要將企業內部資料儲存起來的時候,面對大量資料的結構化與倉儲問題,也會是一個需要克服的議題。

講到這邊,很多台灣的企業可能連最基本的「數位轉型」都還沒開始起步,也沒有「數據」能夠作為資料探勘與深度分析的基礎,有了數據之後面對「巨量資料存儲」的維運成本也不願負擔,更遑論要導入「人工智慧」了!

數據決策思維對台灣企業帶來的第二個挑戰,則是企業是否有理性決策的文化。當我們手上有了資料與數據,能夠幫助我們改善產品生產流程、產品品質、服務流程、協助做出更好的決策的時候,企業是否能夠真正地使用數據來理性決策與行動?如果有經驗的資深管理層能夠依據其專業與經驗,先建立一套類人工智慧的專家系統協助決策,並利用現有數據作為過往決策思維的佐證;而初出茅廬的產業新兵則從數據中挖掘新的事實,改進既有的產品流程或專家系統,企業才有機會長期朝向正確的方向邁進,而非只倚靠某少數高層的經驗與直覺。

龐雜的企業運轉猶如海上的鐵達尼號,航錯方向雖不會造成立即的傷害,但等看見迎面而來的冰山時再轉向,也來不及了。

當數據決策思維成功在企業內部落地生根之後,也許就是人工智慧演算法能夠最大化效益的時候了。此時企業內部累積的大量數據可能已經超越了一般人類能夠處理的範疇,更進階的人工智慧演算法與資料探勘技術才有更好地發揮空間。尤其是常被人提到的各種深度學習演算法,如何利用巨量的資料讓演算法本身「學習」,是最後成果的關鍵。

這也就是為何谷歌、臉書、亞馬遜、微軟等科技巨擘莫不汲汲於搜集使用者資料,並視其為公司的重要資產不隨意與外界分享,成為現代社會的「資料黑洞」。因為這些有關使用者行為的各種資訊,都是這些網路公司改進產品、最佳化服務品質與尋找下一個金礦的重要資產。

一起指出政府身上國王的新衣

雖然前文提到的是都是在施行人工智慧技術的基本功,但現階段各政府單位與行政首長可能還是會想要在短期間內將台灣產業與人工智慧做連結與升級。根據台灣過去的發展脈絡,拿出的牛肉不外乎是:成立幾個以人工智慧為名的產業園區、施行以人工智慧為主軸的產業補貼優惠措施、做出以人工智慧包裝的各種政府計劃、請來人工智慧領域的大師演講、舉行各式各樣的人工智慧演討會、甚至是使用市面上現有的人工智慧演算法函式庫拼湊出立即可展示的人工智慧應用等等。

身為有良心的技術人才,我們應該要有勇氣指出政府身上國王的新衣,讓社會了解到這些傳統招數已經不符所需、資源需要重新審視與分配、執行的方法也許需要調整。若非如此,當人工智慧的議題在兩三年退燒之後、下一個熱門關鍵字再度襲來,技術落後的焦慮又會席捲台灣了吧?

台灣人才依舊擁有國際競爭力

2018年微軟、谷歌、IBM都不約而同的宣布在台灣擴張辦公室,主攻人工智慧領域。可見台灣雖然面臨產業創新升級動能不足、科技人才的外流危機,但是對高科技外商來說,台灣人才的高素質、完整的科技產業聚落與自由民主的政治環境,依舊是發展人工智慧人才的沃土。而且綜觀台灣科技新創圈,也不乏試圖要用人工智慧技術翻轉產業的人才。

在台灣人工智慧年會與資料科學年會上,也可以發現在許多產業與領域都有優秀的人工智慧人才展露頭角、再加上2017創辦的人工智慧學校開始為台灣創造更多的人工智慧專才。雖然台灣的確有許多地方令人灰心,但如果仔細盤點我們手上所擁有的資源,會發現台灣在未來依舊仍有可為。

回歸到基本面,台灣企業長期習慣壓榨人力資源,降低運營成本來賺取利潤的手法無法建立足夠的進入門檻,面對其他廠商挾著更低的成本優勢,很容易就被取代。但要能夠對優質人力資源進行長期投資,使用先進技術來提高產品價值與進入門檻,則需要仔細的精算與長遠的眼光。

呼應《最低的水果摘完之後》一書作者顏擇雅所提到的:「台灣問題就是最低的水果摘完了,如今應該趕緊打造工具去摘更高的水果。」歷來台灣人所接觸到的各種科技熱門關鍵字,可以說都是其他國家開發出的工具,但這些外來的工具可能過於昂貴讓人捨不得購買,自己也沒有能力做不出這樣的工具,只好繼續掂著腳尖辛苦地用手繼續摘水果。期待台灣產業能夠真正擁有數據決策思維,從數位化基礎建設扎實做起,投資內部專業人才,慢慢開發出屬於自己的工具來摘水果。

屆時無論是人工智慧、機器學習或其他的新穎技術,才能夠真正且扎實的在企業中應用,增強在國際產業中的競爭力。

責任編輯:羅元祺
核稿編輯:翁世航