3種角度 6大領域 18個關鍵

花更少時間做更多事從國家、企業到個人的全新時代，AI帶來的不只是新技術，而是新生產力和新財富。面對IC、PC、WWW之後的每20年ㄧ次科技業變革，經營者、投資者和工作者該如何回應？ 《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。

A I 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❶ 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❷ 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❸ 吃大餐或被吃 好運青睞勇者

一 如前幾波的新科技，A I 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B B C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（9 8 . 5%）、會計（97. 6 %）、保險業務員（97%）、銀行職員（9 6. 8%）和政府職員（9 6 . 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）…閱讀完整內容