當人工智慧無所不在,哪些產業最有AI相?

0
26630
圖片來源:Franck V. on Unsplash

人臉辨識、智慧語音助理、機器翻譯、聊天機器人、商品銷售自動化推薦…..,當人工智慧(AI)開始進入我們的日常生活,勢必也將大幅改變各個行業的面貌,在AI產業化、產業AI化的浪潮中,究竟什麼產業導入AI的腳步較快?影響AI應用落地的關鍵因素又有哪些?

根據市場調查機構IDC公佈的2020年台灣市場十大ICT趨勢預測,前兩名由AI包辦,分別是「融合式AI世代來臨」及「AI運算走向端雲共生」,而台灣企業的AI採用率在2021年將達到4成,其中消費裝置、製造、醫療、汽車、智慧城市等,將是AI端雲共生的重點應用產業。

台灣大學副校長陳銘憲表示,AI帶來的科技典範轉移,已經是擋不住的潮流,尤其隨著硬體愈來愈便宜、儲存愈來愈大、頻寬愈來愈快,在個人化與智慧化的科技浪潮中,AI將扮演關鍵角色,也有機會改變台灣科技產業重視成本與效能的傳統工程思維,創造截然不同的產業價值鏈。

陳銘憲認為,AI的市場機會有兩大方向,一是將 AI 加入既有產業的產業AI化,一是由 AI 技術產生新的服務的AI產業化,未來 AI 可以投入的方向主要有醫療、製造、服務,這三個領域都有一個共通點,就是要從垂直領域的使用情境,倒推回去看 AI 可以如何協助,要做到這一點就需要對產業有很深的了解,做到以使用者為中心(user-centric)且好用,如何將自然語言處理(NLP)、電腦視覺等AI技術,結合各行業的領域知識去發展智慧服務,還有很大空間。

各行各業垂直應用逐漸爆發 

台灣人工智慧學校執行長陳昇瑋分析,AI歷經三個階段發展,第一波在1950~1960年代,科學家試圖把人的思考邏輯放進電腦,第二波在1980~1990年代大力發展專家系統,希望把人的知識放進電腦,結果都失敗,第三波自2010年代至今,掀起機器學習的浪潮,把人的經驗放進電腦,由領域專家提供歷史紀錄,讓電腦自己歸納,最後終於有了突破,同時並以飛快的速度持續演進中。

陳昇瑋認為,我們可以把人工智慧想像成網際網路,它就像電跟火一樣,是所有產業都需要的,而且可以應用於任何產業;現階段以電商、金融、製造、醫療這些產業走得比較快,至於線下零售、服務業就要取決於歷史資料是否足夠與到位。

以醫療業來說,醫療診斷就很適合AI,因為資料很乾淨,人類在生病時都很聽話,且場域設備都是自己的;但以零售業來說就比較難,因為消費者可能有好幾個帳號,甚至不是用自己的帳號買的。整體來說,醫療業是在預測現在,零售業則是預測未來,至於金融業要預測20年內是否破產,難度就更高了。

沛星互動科技(Appier)執行長暨共同創辦人游直翰認為,AI還在非常早期的萌芽階段,未來10~20年可望進入黃金成長期,企業可以透過「資料完整度」與「產業成熟度」兩個關鍵面向著手,目前在服務業、製造業、醫療業的應用較多,但未來各行各業都能用AI創造更多的可能性,還有很多爆發力道。

機器學習不是魔術,找出規則與關聯性

Appier首席機器學習科學家林守德坦言,AI的入門很簡單,但精通很難,現在有很多開放的工具及資源,做預測模型並不難,但要能夠做到易用、成效佳且使用體驗友善就不是一件容易的事;AI要做到60分很容易,但從可以展示概念到深化到客戶可以接受的產品,兩者之間的鴻溝很大,如何從60分到90分,這30分的差距就是AI競爭的決勝點。

陳昇瑋強調,機器學習不是魔術,基本上就是給電腦已知與未知,讓它找出規則來,只要關連性夠強就做得好,多數AI應用說穿了就是讓機器學會一個對應關係。今天的AI還有很遙遠的路要走,大家不要輕忽但也不要高估它,例如現在電商用AI取代人力寫商品文案、做視覺設計,銀行用AI做客服及審核文件,在各行各業邁入自動化與智慧化的過程中,藍領階級與白領階級都會受到衝擊。

他坦言,目前產業AI化面臨不少挑戰,包括缺乏實戰人才、資料基礎建設不足、找對問題不簡單、產學之間有一定程度的鴻溝,其中最關鍵的還是在於缺乏實戰人才。

事實上,現在許多AI公司或各行各業都開始挖掘AI人才,但並沒有意識到需要什麼樣的AI人才。林守德指出,AI 公司需要三種人才,第一是數據科學/AI/機器學習科學家,第二是資料分析師,可協助企業抽絲剝繭、找到問題核心,第三是AI後端工程師,如果能對應這三類人才的職能,進行相應的技能訓練,將學界的知識與技術帶到業界,再把業界的應用場域提供給學界,這樣產學之間的銜接會更好。

發表評論

請輸入您的評論!
請在這裡輸入您的名字