Skip to main content

吃大餐或被吃?3大策略掌握AI淘金術


【撰文:王志仁】《數位時代》於1999年7月的創刊號當中,有一個〈活氧計畫〉(Oxygen Plan)專題,內容是關於美國麻省理工學院(MIT)的電腦科學實驗室(Lab for Computer Science)提出的一項宏偉實驗:投資五年時間和4千萬美元,將電腦科技大幅推進,能看、能聽、能懂使用者的需求並回應,但不需要使用者費力去學會複雜操作,而是讓電腦科技來服務你,「像氧氣一樣,無所不在、不可或缺、但又感覺不到,達到花更少時間做更多事(Doing more by doing less.)的目的。」

把當年〈活氧計畫〉的八大研究領域拆開來看,就是電腦視覺、機器翻譯、語音辨識、自然語言處理和機器學習等技術,和目前熱門的人工智慧(AI)概念如出一轍。活氧計畫就是1999年的人工智慧計畫,雖然對外說明時幾乎不用AI這個詞,或許和先前1960和1990年代的兩次AI產業泡沫有關,避免外界一聽到AI就覺得又是狼來了。

當時的活氧計畫副主持人舒維都是語音辨識專家,主持建立了一套對話系統,使用者可以打電話進來,用英語詢問天氣、交通路況和航班資料,電腦聽完後會到事先建置好的資料庫中尋找合適答案,再用英語回覆。

為了準確回答當天甚至特定時間的即時詢問,資料庫就必須和氣象局以及各大航空公司連線。要讓這套系統具有商業價值,還必須把其他語言如中文、日語、西班牙語和法語也放進來,而且回答範圍不能只限美國當地的天氣和航班,而是世界主要國家甚至每個國家,但在1999年這麼做成本非常高。

從專家系統到機器學習

AI從2014年捲土重來,到2017年累計三年多,全世界已投入400億美元在相關研究上,是活氧計畫的1千倍,而且還在加碼。

AI這頭狼真地來了,關鍵是大數據(Big data)和機器學習(Machine Learning)這兩項技術的大幅提升。在舒維都的對話系統中,最困難的有兩塊:首先是辨別使用者提出的問題(處理不同口音和模糊語意等等,即便口音和語意通過,如果問的是附近哪裡有星巴克,系統也要判別無法回答或轉給其他相關系統),再來是資料庫中的資料量要大、更新要快,才容易找到合適的答案回覆,這也是人工智慧其他領域的共同難題。

2007年由蘋果iPhone帶動的智慧手機上網、結合2010年應用市場吹起的行動網際網路(Mobile Internet)風潮,提供了大數據來源。

行動上網帶來大數據

智慧手機比起電腦更容易操作,促成更多初次用戶上網以及花更多時間在上頭使用多種功能,而每一項在App和網站上的操作,都會在後台留下紀錄,可再被整理分析,對個別使用者可歸納出使用偏好,而集合大量個別使用者的偏好,再進一步分析可得到對應某種使用行為的模式。

這些上千萬、甚至上億或數十億筆的海量數據,以前不容易產生及取得,現在由世界各地的手機上網者每時每刻都在產生,並主動提供給各種新聞、社交、搜尋引擎和電子商務網站,而他們也善加利用,以改善用戶體驗增加黏著度和再回頭的機率。

當這些經過分析而得到的使用偏好和行為模式,被導引到人工智慧相關研究中,不但充實他們的答案庫,也讓問題識別更容易。

假設詢問天氣的方法有100種,傳統研究方法是釐清這100種並將每一種都給予定義,當詢問產生時,電腦去判定屬於哪一種,並將設定好的相應答案找出。但如果是在這100種以外的詢問方法呢?或者是界於第52種和53種之間的呢?這就有賴大量相關數據的提供,將詢問方法擴大為1千種甚至1萬種,並且以機率統計取代事先設定,在某項詢問無法準確辦識的情況下,按機率判定最有可能是那一種。這牽涉龐大的計算量和新的演算法,在能處理更複雜問題以及提供更準確答案的同時,時間不但不能增加還要縮短。

從0到第100種方法,勉強可以靠專家去設定,當擴大到1千、1萬甚至10萬種方法時,就必須教會電腦自行去設定,從持續輸入的數據中,重複分析並和過往資料比對,自行歸納擴充新的方法,這是機器學習的基本概念,也協助AI從實驗室走進市場。

AI是現在進行式

機場的護照查驗,不再是對照片看人,而是以人臉辨識機器完成;到搜尋引擎上查資料,除了關鍵詞,還可輸入整個句子,結果會根據最貼近的答案依次排列;通訊社用自動寫稿系統來處理簡單或突發的新聞,銀行信用卡部門用人工智慧來審核發卡申請,將流程從三天減為幾分鐘,以及律師事務所用人工智慧來幫忙查詢檔案、會計師事務所用人工智慧協助形成財務報表、加快客戶查帳的時間、以及醫院用人工智慧協助判讀X光片和儀器掃瞄結果,這些都是現在進行式。名單往下列,還有幫忙開車的自動駕駛系統、不需要收銀員的無人超商、按設定自動選股下單買賣的智慧投顧。

近三年來,關於AI的報導和討論愈來愈熱。在剛結束的2017年,全球主要媒體幾乎全做過AI專題,密集到如在這個題目不發聲就不是主流媒體;甚至把AI兩個英文縮寫直接放上封面,或者口語表達時直接說,就像IC、PC和WWW這些常用縮寫,在世界多種語言裡都可直接使用而不用翻譯。AI也如前面三個縮寫所各自代表的積體電路(1950年代末萌芽)、個人電腦(1970年代中開始)和網際網路(1990年代中進入商業用途),在每20年一波的科技新浪朝中,被寄望為這一波的領頭者。

目前擔心AI過熱、將進入第三次產業景氣衰退的意見正在增加,但AI的發展已不可逆轉,一如前面三個產業,也各自經歷多次景氣周期而持續成長。對經營者、投資者和工作者來說,從前面三個產業的歷史得到的三項共同策略,可能是接近回應當下AI變化的參考。

策略1 穿越死亡之谷:歸零重新開始

英特爾前董事長安迪.葛洛夫(Andy Grove)曾說,哪一個國家掌握最先進的科技,就能享有那個時代最高的生活水準。這句話同樣適用於企業。

科技進步的目的是提升生產力,也就是「花更少時間做更多事」,但新科技大幅提升生產力的背後邏輯,來自它並非延續舊科技,而是顛覆舊科技,導致舊科技的領先者很難保持優勢,因為新科技往往不在原有的雷達螢幕上。

葛洛夫以「死亡之谷」(Valley of Death)來形容這個現象:當你辛苦打敗眾多競爭對手爬上一個新產業的山頭,並無法久待,技術變革很快會帶來新的山頭。從這個山頭望過去,可以清楚看到,但是從這個山頭要走到下一個山頭,卻是危機四伏。你得下山走到山谷,再從谷底往山爬,而這一路可能是荊棘滿布、有急流橫在前面、或者猛獸隱藏其中,但你只能勇往直前,因為下山穿越谷底是爬上另一個山頂的必經之路。

AI是網際網路產業之后的新的山頭,它讓國家和國家之間、企業和企業之間的科技較量,有了新的競賽項目。

也因此,各國都競相提出自己的AI白皮書和發展計畫,列為國家重點項目。目前美國在AI的基礎研究和應用上遙遙領先,英國緊追其後(設計出AlphaGo打敗世界圍棋冠軍的DeepMind就是英國公司),日本則是在機器人相關研究領先,包含工業用和家用機器人。中國則在特定領域有後來居上之勢,在和機器學習有關的深度學習(Deep Learning)方面,中國所發表和被引用的論文總數,已在2015年追上並超過美國。即使像阿拉伯聯合大公國、新加坡和香港等原本不以科技創新見長的經濟體,也都提出自己的AI政策,避免因缺席而被淘汰。

在企業方面,Google、Facebook和亞馬遜等原本在網際網路時代最有影響力的公司,如今也是投資AI最積極的公司,以捍衛原本的領先地位,一如積體電路巨人德州儀器在進入個人電腦時代後也成立自己的PC事業部,以及PC時代的微軟在進入網路時代後也發展自己的瀏覽器Internet Explorer、即時通訊軟體MSN和收購Hotmail郵件。

策略2 口袋指揮腦袋:創新來自邊陲

2017年10月,阿拉伯聯合大公國連續兩個動作讓人驚嘆。首先,它宣布成立全世界第一個人工智慧部,並任命了一位年僅28歲的部長。其次,它率全球之先頒發公民身分給一個具備人工智慧的機器人索菲亞(Sophia)。

同年12月,深圳推出全世界第一個無人駕駛公車上路。雖然只有一條路線上的兩台公車先試行,而且只行經三站,但已是創舉。

為何是阿拉伯聯合大公國和深圳,而不是以色列、矽谷或紐約這些以創新聞名的地方?答案是前兩者沒有累積的包袱,能夠承受的風險更高,對他們而言,最大的風險不是法規和倫理議題,而是落在別人後面。

科學研究的目的是探索未知,最大風險是停滯不前沒有新發現,但當它轉成技術成果商業化時,最大風險不是技術本身,而是找到合適的商業模式。

Google在1999年推出的PageRank演算法,以關鍵字出現的網頁被查詢次數做加權計算,改變先前以關鍵字出現在頁面頻率做為查詢結果排序依據,大幅提高查詢的準確度。但這並未解決Google的商業模式問題,它一度還想賣給雅虎以求生存,後來是參考Overture(原本叫Goto)這家網路廣告公司販賣關鍵字廣告的模式,推出Google自己的AdWords和AdSense,才有今日7千4百億美元市值霸業。

創新的風險極高,因為要破壞現有規則和秩序,找到新的價值點並對應新的商業模式。但又怎麼樣?即使失敗也學到經驗,有機會就再來一次,反正原本就是從零開始。大公司有自己的軌道和慣性,不可能從頭來過,承擔風險的能力遠不及新創公司。這也是為何新公司永遠有機會,大公司很難保持領先的原因,關鍵不在規模大小,而是承受風險盡力試錯的能力。

Google在2015年將公司分拆,核心的搜尋引擎業務獨立為Alphabet公司,收購進來的Android和DeepMind公司,則是保持獨立運作,而不是併入集團中,至於大力發展的自動駕駛技術,也是以獨立公司運作。這些做法是讓創新能夠在自由的環境中產生,避免受到大公司慣性的制約。

那些技術會取得商業成功,決定權不在技術人員,而在消費者。消費者用他們的口袋,決定技術人員的腦袋該往哪裡想。

策略3 吃大餐或被吃:好運青睞勇者

一如前幾波的新科技,AI除了衝擊市場,也將劇烈衝擊職場。這也是目前對AI取代工作的擔憂。

英國BBC在劍橋大學研究人工智慧的一項數據體系上,分析了各種職業被AI取代的概率,結果發現,最容易被取代的工作,依次為(括號內為概率):電話推銷員(99%)、打字員(98.5%)、會計(97.6%)、保險業務員(97%)、銀行職員(96.8%)和政府職員(96.8%),而最難被取代的職業為:飯店管理者(0.4%)、教師(0.4%)、心理醫生(0.7%)、護士(0.9%)、公關(1.4%)和建築師(1.8%)。

對可能受影響的工作者,實際淘汰他們的並不是AI,而是其他與時俱進、學會使用AI工具達到「花更少時間做更多事」、從而提高生產力的新一代工作者。

對於目前還在學校的未來工作者,準備工作則必須提早。中國政府已在研究,將寫電腦程式列入課程,從小學開始,當成學習英語以外的另一門必修語言。

桑尼維爾(Sunnyvale)是構成矽谷的眾多小城鎮之一,緊臨蘋果總部所在的庫柏提諾(Cupertino)。在《桑尼維爾:一個矽谷家庭的起與落》(Sunnyvale: The Rise and Fall of a Silicon Valley Family)這本書中,作者以自己於1960和1970年代在桑尼維爾成長的過程,來看矽谷的發展對他家庭的影響。

矽谷所在的舊金山灣區,在早期以農業為主,後來開始有史丹福大學的一些校友出來創業,再來是一些國防承包商進駐,之後是半導體業者,接著1970年代中期過後則是個人電腦廠如雨後春筍出現。

桑尼維爾一如整個矽谷,變化速度不斷在加快,每個人都感受到壓力,人際關係趨於緊張,家庭成員之間也如弦般緊繃。作者的父母親的矛盾愈來愈大,終至不可解決而離異,他的弟弟受影響最大,在性格和學業上一落千丈,人生幾乎斷送。而離婚後的父親也一蹶不振。倒是原本當家庭主婦的母親出去進修學電腦,之後到附近的蘋果工作,並隨公司股票上市和業績成長開始新的人生。

桑尼維爾的故事並不勵志,但是真實,它發生在每一波科技業的大浪潮,以及浪潮所席捲的城市裡,可以是新竹、深圳或任何地方。它提醒我們如果變化不可避免無法逆轉,那就必須迎面而上。

也因此,對關心下一步該怎麼走的人來說,AI代表的不只是人工智慧,而是「立刻行動」(Act Immediately)。

 

*更多精彩內容請見《數位時代》284期

https://www.bnext.com.tw/magazines

*尊重智慧財產權,如需轉載請註明資料來源:《數位時代》第284期

http://www.bnext.com.tw/

搶攻行動商機,現在就加入 10,000 家已在網路開店的品牌行列!
分享至:
數位時代

《數位時代》創新議題領航媒體,關注全球新經濟的發展趨勢,與你探索創新的無限可能,佈局下一個新商業模式!

掌握最新電商脈動,加入 91APP 品牌全通路學院!

免費獲得最新市場趨勢、行銷技巧與資源,直接送達您的信箱。

完全免費,可隨時取消。
搶攻行動商機,現在就加入 10,000 家已在網路開店的品牌行列!