TOP
 
 

AI的未來?

人工智慧之紅,令人不明究理!若以Gartner Hype Cycle的線型來剖析AI,應該屬於沒有理性的過熱(Peak of Inflated Expectation),多數人在人云亦云的名詞解釋與論述中迷失。

這些年來,時髦的科技名詞每每攻佔媒體版面或封面,搖旗吶喊者眾、隨之起舞者亦不在少數,但老神在在的廠商往往一笑置之,形成了科技熱、產業冷的導入鴻溝,物聯網、大數據、人工智慧等均屬此列,唯有慎思明辨、冷靜投資者才能成功地順勢而為,成為贏家。

近期接受中國國際電視台(CGTN)的直播採訪中,過去一年接連唱旺AI的科技大腕李開復董事長出現髮夾彎的預測:「到了今年底,我覺得會有很多泡沫破掉。」時髦觀點的生命周期之短可從另一個變動中得到印證,最近一則大陸微信遭到刪除,原因是內容點評李克強推動「大眾創業、萬眾創新」的結果,成了「大眾失業、萬眾斷薪」。這些趨勢上的時尚泡沫不也是這些具前瞻觀點的大腕所吹捧出來的嗎?趨勢專家的社會責任,似乎也在髮夾彎中令人迷惘!

正本清源看待這些趨勢,不隨著熱潮的吹捧而喪失判斷能力,才是正途。平心而論,前述的科技發展與應用趨勢本身是中性的,創新與資本的有效結合一直都是產業的關鍵挑戰,因此能順利跨越「死亡之谷」的廠商才會是創新勝利組。尤其是互聯網所連結起來的機與人,造成的馬太效應使得產業競爭的激化,更是造成經營者深陷決策進退維谷的兩難,有待對於趨勢精準的理解與實踐,才得化解。

還記得工業4.0嗎?可能已經退流行的第四次工業革命,講究的是線上與線下串接所拓展的新領域:Cyber Physical System是共通的語彙,應用亦不僅止於工廠自動化的原始概念;馬雲聲稱的新零售,不也是串接電商與實體通路的O2O模式?個人基於這些年學習智慧製造的心得,發展出一個D2D模式,花了這麼多投資的目的,無非是引用數據做出更好的數據,產生對產業或社會更有效益的影響。挑戰是,從數據(Data)到決策(Decision),要落實經營績效卻大費周章。

想像一個時鐘,12點位置是Cyber、6點位置是Physical、9點位置是Data、3點位置是Decision。目前這些科技Buzzword的排列大致如下:6-9是物聯網、9-12是大數據、日正當中的是AI、3點鐘方位是經過AI後粹煉的智慧決策(在商業活動中統稱為Business Intelligence),而關鍵是3-6點鐘這個區段,這些決策品質在真實世界(Physical)是否能產生價值?零星地高唱這些Buzzword只會造成困擾,如何發展一個觀照全貌的生態體系,並且打動老闆們投資在這些關鍵技術上(而且是極昂貴的投資),還得多加把勁!

順時針的發展會遇到極大的困難,由物聯網的裝設到大數據的累積,是目前多數台灣廠商在邁向工業4.0的努力,但遇到AI時就彷彿跨越不過去的大山,因為AI不只是技術問題,而是結合高速運算、統計模式與專業領域的三合一挑戰。三者缺一不可造成了AI在各個領域中的巔峰型挑戰,誰能首先攻頂就有望排除競爭者的纏鬥,跨過了天險,支援各種應用領域的決策智慧,還得面臨是否具有產業或社會效益的價值評估。完成了順時針的一個循環,才算是發揮了人工智慧的效用,否則AI工具化的效益評估是說服不了投資者的,或許這是李先生預測的泡沫化的立論基礎。

一個市場導向(第四次工業革命不是許我們一個以人為本的社會嗎?)應該改採逆時針的發展策略,從價值、商業(或社會)智慧、人工智慧、大數據倒回來定義物聯網,一環扣合一環地解答這些科技的手段究竟創造了什麼價值、解決了什麼問題。否則,感測器裝了、資料搜集了,目的說不清楚,整個順時針的努力還得要修修補補,增加更多建置成本才能發揮系統整合的效益。越過巔峰的努力有很多已非技術所能回答的命題與問題,因此,跨領域在當代一時之間亦成顯學,不過,說得容易,勝利組仍屬於那些能實踐的廠商。

個人對智慧社會的許諾並不悲觀,但對於一窩蜂的湊熱鬧感到不耐!常識、知識、見識與膽識在這一波數位轉型的浪潮中缺一不可,勿將方法與目的錯置才不會泡沫化!釐清定義、價值與終極關懷的效用,是所有產業與經濟活動中不能規避的課題。對於AI的未來,並不悲觀!

秉持著一路以來關懷與陪伴產業的初衷,期許自己藉由書寫拉近產學研之間的距離,提升台灣產業與社會競爭力,經濟好,台灣才會好!邁向可持續共榮的現代化社會。

佘日新

逢甲大學講座教授、逢甲大學跨領域設計學院院長