從5G、物聯網、自駕車,到近期正夯的元宇宙,AI人工智慧已滲入全面人類生活。未來10年AI將進入市場擴增期,成為智慧化的主旋律,也是產業轉型升級的關鍵。工研院舉辦「以人為本x跨域創新」AI人工智慧產業論壇,挖掘AI在環境、製造、晶片、生醫與服務領域的應用,以及臺灣AI紀元的挑戰與優勢。

撰文/陳怡如


工研院預估,未來10年AI將進入市場擴增期,成為智慧化的主旋律,也是產業轉型升級的關鍵。

從5G、物聯網、自駕車,到近期正夯的元宇宙,AI人工智慧已滲入全面人類生活。未來10年AI將進入市場擴增期,成為智慧化的主旋律,也是產業轉型升級的關鍵。工研院舉辦「以人為本x跨域創新」AI人工智慧產業論壇,挖掘AI在環境、製造、晶片、生醫與服務領域的應用,以及臺灣AI紀元的挑戰與優勢。

1956年,人類史上首度出現AI這個名詞;60年後,AlphaGo擊敗世界棋王冠軍,AI一戰成名,從實驗室大步走向市場。根據麥肯錫全球研究院(McKinsey Global Institute)預估,2030年AI人工智慧產值將高達13兆美元,每年能為全球GDP成長率貢獻1.2%,其中又以AI結合大數據、邊緣運算晶片、智慧醫療和無人載具等領域,最被外界關注。

工研院總營運長余孝先在為論壇引言時指出,AI應用有四大重點,一是協助各行各業創新轉型的「產業AI化」;另一是在產業AI化過程中,因累積或挖掘到共通性需求或痛點後,衍生出更大的AI需求與商機,進而創造出AI產業,也就是「AI產業化」。

第三是「AI平民化」,不只是大企業,也要讓中小企業能導入AI,或是讓一般民眾受惠於AI。比如工研院研發的AI眼底鏡,讓許多偏鄉、缺少眼科醫療資源的糖尿病患者,能透過AI判別眼部病變,讓糖尿病患者的眼睛檢查率從30%提升到50%。

「現在還有第四點,就是『政府AI化』,」余孝先指出,AI不僅能提升企業競爭力,也能協助政府提升競爭力,包括可讓人力密集的工作效率提升,例如英國利用AI提高福利系統資源運用效率;也可讓政府更精準、更及時地提供服務,例如美國運用AI進行道路鋪面損壞評估等等。

工研院人工智慧應用策略辦公室主任蘇孟宗表示,工研院「2030技術策略與藍圖」中,AI的應用歸屬在「智慧化致能技術」,正是「智慧生活」、「健康樂活」與「永續環境」三大應用領域的重要後盾。

蘇孟宗以「以人為本.跨域創新」的角度來論述AI。在以人為本上,儘管有些工作會被AI取代,「但重要的是如何讓AI協助人,甚至是讓人的價值提升。」而跨域創新,則是要善用各個產業的優勢,結合AI創新,形成臺灣產業生態鏈的特殊綜效,「AI貫穿其中,是跨界的靈魂之一。」

Appier與iKala科技董事簡立峰指出,近年來臺灣年輕世代對於人工智慧科技非常投入,也開始有新創獨角獸出現。此外,AI人工智慧技術也可以協助提升半導體製程的良率、降低成本,甚至可能加速晶片設計自動化,尤其臺灣應該是全世界少數最適合發展半導體與晶片產業AI化的地方,在電動車產業也有類似的機會。


運用AI智慧 建立韌性科技

台灣人工智慧實驗室(Taiwan AI Labs)創辦人杜奕瑾指出,這次疫情讓大家意識到,經濟發展絕不能只重視GDP成長,還要兼顧能源、氣候和永續發展議題。2021世界經濟論壇(WEF)風險報告提到,企業要永續發展,「韌性維度R」(Resilience)是重要關鍵字之一,而AI則是建立韌性的解方。比如將AI應用在精準醫療、氣候變遷、零接觸技術中,或是發展符合資安隱私的元宇宙;在淨零碳排趨勢下,AI也能協助建構再生能源所需要的智慧電網。

為了構築產業與國家所依賴的韌性科技,臺灣也在2021年初成立「臺灣聯合學習產業大聯盟」(TAIFA),特別採用「聯邦式學習」(Federated Learning)的去中心化模式,把資料留在原本的個人或組織,讓AI模組到每個組織去做AI的訓練,兼顧了數位經濟與個人隱私問題;也因此在疫情期間,Taiwan AI Labs能很快推出以AI做胸部X光影像判讀、社交距離APP等服務,「臺灣可說是全世界第一個在AI醫療應用,倡議用聯邦式學習的國家。」

杜奕瑾認為,比起大國戰略,臺灣應當善用「小國優勢」發展「可信任」技術,「在以人為本的跨域創新上,相信以我們的數位平台、軟硬整合的實力,加上對人權隱私的保障,發展出國際可以信賴的AI聯合學習機制與技術,跨國結盟,率先建立疫後數位新韌性。」

「聯邦式學習」的去中心化模式,把資料留在原本的個人或組織,讓AI模組到每個組織去做AI的訓練,兼顧了數位經濟與個人隱私問題。


串聯IC產業鏈 壯大臺灣AI實力

工研院電子與光電系統研究所所長吳志毅則提出「AI x IC」的概念。他認為,臺灣AI若要在國際上更有競爭力,還是要回到半導體強項。以雲端的AI晶片解決方案來說,雖然運算力強大,但相當耗電、非即時性又有安全顧慮,「就臺灣而言,可以發展的是新興的邊緣運算AI晶片。」

隨著下世代AI應用產品如智慧駕駛車、消費性與企業用機器人、智慧無人機,甚至是近來熱門的元宇宙硬體裝置等發展,AI晶片如何解決「少量多樣」和「低功耗」是兩大重點。

為此工研院在經濟部支持下,在2019年成立「臺灣人工智慧晶片聯盟」(AITA),串聯臺灣IC設計、封測、軟體、系統整合應用等128家廠商,共組四大技術委員會,包含AI系統應用、異質AI晶片整合、新興運算架構AI晶片、AI系統軟體,提供IC設計工具、矽智財IP、驗證平台等資源,「希望協助更多國內中小型的IC新創公司,壯大臺灣AI實力。」


軟硬整合 發揮臺灣製造強項

除了結合臺灣IC產業的強項,製造業也能受惠AI技術發展。工研院人工智慧應用策略辦公室副主任馮文生舉例,過去瑕疵檢測都需要大量人工複檢,為此工研院開發PCB/PCBA的瑕疵檢測技術,在檢測設備上結合AI影像判讀,可自動過濾一半假瑕疵數量,不僅檢測產能提升25%,機台硬體加上AI後,價值更增10倍。但是目前企業導入AI的過程中,仍然面臨諸多挑戰,比如人才短缺、資料收集與標註耗時、缺乏產業應用工具等因素,造成AI應用落地並不如預期普及,根據統計,企業平均導入AI的時間需長達8個月。

馮文生表示,為了解決這一問題,目前業界提出「AI工程化」(AI Engineering)的概念,希望讓AI的應用從資料整備標註、模型開發、應用部署,到後續調校維護等步驟都可以更自動化,「不只是做模型演算法或資料標記,而是所有流程的自動化,才能加速AI應用落地。」


AI自主決策標準是挑戰

工研院機械與機電系統研究所所長胡竹生認為,導入AI的最大挑戰,「最重要的就是『自主決策』。」過去應用在自動化流程中的諸多決策,現已無法用事前簡單的邏輯或規則,去定義AI複雜的自主決策模式。以自駕車來說,當人類駕駛看到路上有顆球滾出來,便會自動判斷附近可能還有小孩,因而放慢車速,「但要如何讓自駕車也學習這樣的推理過程?」也因此,以資料與數字為主的計算網路,以及經由迴授資訊,不斷自我修正的方法,雖然在實際應用上已經有驚人的進展,但技術上要能強化和制定這些自主決策系統的標準,仍是目前業界面臨最大的挑戰。

AI落地不只是強化既有應用,還能帶來新的經濟模式。早在2015年,AlphaGo還沒跟戰勝圍棋棋王之前,人工智能公司董事長張榮貴就已率先布局AI服務機器人(Chatbot)。今年因為疫情,百貨公司封閉,他順勢發展「線上櫃姐」的服務模式,讓櫃姐利用社群媒體推播商品、聊天互動、進行導購,「所以服務機器人不是只有做服務,而是一種智慧商務,我們把機器人變成未來商務的新形態,我稱為『對話式商務』。」


至少要知道「什麼是AI可以做的」

未來AI應用百花齊放,年輕一代該如何精進自己面對AI挑戰?Appier首席科學家林守德認為,若未來想鑽研AI技術者,一定要思考實用性,「AI現在不只是研究,而是要能落地,馬上進入業界、造福人群,」若未來不走AI研究,也要學著了解AI,「未來AI就像網路、電腦一樣普及,你不能不懂,至少要知道什麼是AI可以做的,能如何幫助自己。」

本身是癌症生物學博士,同時也是第一位在臺灣大學電機系任教、卻非工程背景的中國醫藥大學醫學工程學院院長莊曜宇,他以自己的「斜槓人生」鼓勵年輕人,「跨域學習現在已經是趨勢,在未來競爭的社會裡,只有單一專業會比較辛苦,所以年輕人絕對不要懼怕挑戰!」

陽明交通大學資訊工程系暨數據科學所講座教授曾新穆,則歸納了自身20多年的研究生涯,提出4F概念,也就是「Focus」(專注)、「Fool-Like」(愚公移山的精神)、「Fulfillment」(真實應用的實現)以及「Fun」(做自己有興趣的事),「很多現在的AI跟創新應用,以前講的時候都像天方夜譚,所以不要害怕設定高目標。」AI紀元已經到來,期待更多新血加入,為臺灣在下一世代打造出更多的跨域創新。


工研院產科國際所所長蘇孟宗。


台灣人工智慧實驗室創辦人杜奕瑾。


工研院電光系統所所長吳志毅。


工研院人工智慧應用策略辦公室副主任馮文生。


工研院機械所所長胡竹生。


人工智能公司董事長張榮貴。


Appier首席科學家林守德。


中國醫大醫學工程學院院長莊曜宇。


陽交大資訊工程系暨數據科學所講座教授曾新穆。