人工智慧在台灣：產業轉型的契機與挑戰

《人工智慧在台灣》是一本相當有料的書，在「人工智慧」這個buzz word 氾濫的年代，作者不僅深入淺出的介紹人工智慧，更是從產業面、政府的角度來分析未來趨勢。

人工智慧的強大之處在他幫我們定義「規則」，並且不斷學習強化。例如醫生看病，什麼樣的眼睛症狀才叫做病變？領域專家（也就是醫生）依照醫學教科書和自己的經驗定義（如：若出現N個深色斑塊叫病變）、傳統機器學習由醫生斷定是否病變的資料，讓機器學習出一套規則（如：病變＝N個斑塊＋血管寬度x公分...); 深度學習則是用更大量的資料，讓程式自行動進行病變特徵規則的歸納。

領域專家常常認為人工智慧再強大，也無法比擬人類的領域知識，然而人類的認知是有所侷限的，人腦為了方便記憶，善於簡化各種資訊，因此人腦對於因果關係明顯的強訊號能夠辨識，但對於高維度的資料並不擅長處理，例如人類可以很輕易的以歷史的消費金額來推估未來的消費，卻難以看出客戶使用手機各種習慣跟未來消費的關聯性。

當資料量夠大，且非傳統結構時(如文字、影像、聲音），人工智慧往往表現的更好，所以說「資料」才是人工智慧的根本。資料不是只有蒐集就好，必須是經過加工處理才有價值，包含驗證資料完整性與正確性，有時候資料的價值更是展現在發掘彼此的連結上，當我們看似散落一地的資料串連起來，找到應用場景，資料可以發揮超乎想像的力量。

回想起某次聽到作者陳昇瑋的演講，就覺得他是非常有理想的人，選擇在學界研究，但仍然致力推廣產學合作，書中的最後幾章對產業界與政府的呼籲，更分享出人工智慧實際運用的精隨「沒有資料就沒有人工智慧、不是有資料就能產出人智慧」，數位轉型的未來離我們並不遙遠，唯有需要一步一腳印的紮實才能到達。

上面的紀錄是我2019年看完「人工智慧在台灣」，被作者陳昇瑋的熱血感動到，花了有些時間紀錄這本書的心得。沒想到隔了一陣子作者好像用臉書搜到我的心得，tag了自己的名字，當下覺得滿驚訝的，也期待作者未來會有更多精彩作品可以拜讀。

不過更沒想到的是，幾個月後，正值壯年的作者就因為一場意外去世了。
書中呼籲台灣AI轉型需要一步一腳印的紮實言猶在耳，人已不在，世事無常得令人錯愕，但幸好他的文字跟熱血仍然留存於這本書中，以及他所推廣的人事物中。

*********
《精彩節錄》
1.深度學習的最大貢獻，是自動化特徵工程，不但可以找到比人類定義的更好衍生變數，預測力也更強....深度學習可以同時進行特徵工程及規則學習，準確度比以往更高。雖然沒有專家知識，但靠著龐大的資料量，就能做到比人類更好的特徵工程，而且資料越多做的越好，是沒有極限的。
2.資料分析可分為四個層次：描述、解釋、預測及最佳化，描述型分析解釋「發生了什麼」，診斷型分析告知「為什麼發生」、預測型分析解釋「未來是否發生」、指示型分析說明「如何讓它發生」...傳統型商業智慧屬於前兩者，而預測和指示是人工智慧的範疇。
3.在規劃出版行銷書籍時，有個盲點是「將同一書籍類別的讀者，視為同樣一個客群」，透過資料可以發現存在同一類別存在多重客群，例如商業理財類別，25歲以下年輕人篇偏好買生涯規畫類書籍，30歲以上讀者喜歡買如何致富。（作者言：30歲以上來不及做人生規劃，看致富的書比較快）.....以上關聯不一定是實際的因果，從描述到解釋，最後需要從預測到指示，才能有良好的商業應用。
4.沒有資料就沒有人工智慧，但資料是需要成本的...就算資料順利整理好，也建立出良好的機器學習模型，從小專案成功到導入營運過程中，需要花費多少成本？恐怕沒人能在事前精確計算，若用ROI考核，很可能使專案無疾而終，錯過人工智慧轉型的大好機會。

十年前還是學生時讀科幻小說覺得書中對未來的預測很不切實際，他們預言2025年就會迎來科技奇點，意即電腦比人腦還要聰明的轉捩點。結果現實超乎想像，如果用比較寬鬆的定義來看，現在已經可以把AI當作有靈魂的生命體了，去年Google工程師Blake Lemoine就已經宣稱他們研發的語言模型可能有人類的感知能力，這位工程師其實曾經當過牧師，對於神學並不陌生，當這種人都已經認為演算法有靈魂，我們確實應該花點心思去思考一下什麼是「人的本質」。這位老兄被公司開除後上了很多訪談分享觀點，值得去YT聽一聽。

時隔不到一年，AI擬人化的程度驚艷所有人，連AI教父辛頓都警告人工智慧可能要比人類還優秀了。人工智慧已經進化到超乎想像的程度，所以很多人開始感到恐懼，我也是其中一個對科技進展心生畏懼的人，今年原本預計要閱讀的書單順序只好重新排列，把關於AI的作品擺在第一順位。

這一本陳教授精心撰寫的《人工智慧在台灣》是從台灣視角論述AI的最佳入門讀本，看完真的不禁感慨天嫉英才，真的是國家級的損失，非常令人難過…

今年AI註定會成為年度關鍵字，在這個時間點上，如果仍然對人工智慧感到陌生，請務必閱讀本書，書中的內容是教授一生的智慧結晶，用最淺顯易懂的文字介紹什麼是人工智慧，知識的傳承是作者的使命，若有更多讀者因為本書而受到啟發，相信也是作者最大的心願。

網路上已經有非常詳盡的書中重點整理，推薦可以先去研讀，不過重點整理缺少完整的脈絡，本書原本的目標讀者就是人工智慧初學者，因此內容已經相當精簡，認真閱讀頂多四五個小時就可以看完。雖然是四年前出版的作品，我認為還是有很高的參考價值，本書分成三部分，第一部分介紹AI的背景知識，讀完大概就知道什麼是AI，還有AI的運作模式，例如什麼是深度學習，人工智慧簡史，基礎的學術理論，AI有哪些應用場域…。

第二部分介紹人工智慧在實務上的應用，任何技術研發出來都要落地應用。我們都聽過語音辨識、聊天機器人、自動化駕駛、智慧城市這些實務案例，究竟在台灣的產業界，人工智慧可以帶來哪些變革呢? 教授是一位難得可貴的學術人，殷切的希望能夠將學術與產業相結合，所以他拋磚引玉，實際拜訪國內知名的企業，打破傳統產學合作的框架，在短時間內展示AI在台灣產業界的發展潛能。台灣是製造業大國，AI在業界的應用場域有很高比例是在工廠或生產線上。一般我們直覺上會以為AI應該都用在跟網路或數位相關的場景，例如用AI來精準投放廣告，或者用它協助銀行進行信用評價。不過AI其實對台灣的中小企業來說，最好的使用方式是用它來幫忙提高良率，減少浪費，改善製程這一類型的應用。書中提及製造業的四個挑戰:瑕疵檢測、自動流程控制、預測性維護、原料組合最佳化。

最前緣的AI技術台灣很難跟外國競爭，一來人才短缺，二來環境無法支撐這種產業，所以目前台灣AI的發展比較偏向整合既有的資源，以利提高效率或產值。目前國際上AI軍備競賽由美國和中國兩強競爭，美國原本就是科技強國，中國因為可以取得大量的資料訓練AI，加上中國政府積極扶植，所以最新的技術都來自中美兩國。這些技術接著再輸出到其他國家，台灣就是一個輸入國，我們引進新的AI技術以後，再去尋找可以佈署的地方：新創用AI技術來解決某項市場需求，工廠用它來提升效率和品質，NPO發揮創意用來落實社會正義。

這本書聚焦在產業應用上，台灣四十年前把握時代的契機，發展半導體和ICT產業，締造經濟奇蹟，不過後來21世紀一波又一波新科技的浪潮，例如雲計算、移動裝置、app應用程式、大數據等新技術，我們都錯失良機，沒有從中找到一個傲視全球的利基。因為業界和台灣文化本來就比較保守，例如在代工方面追求到極致，但因為附加效益比較低，只好專注於降低成本，整體而言，缺乏美國那種高價值的獨家技術。另外網路時代追求的是沒有實體的”殺手級應用”，在這方面需要有高端的軟體人才，以及跳脫框架的文化創意人才，我們需要培養更多這方面的人才，也必須想辦法提供合理的待遇，才能避免人才外流，在未來的虛擬世界跟其他國家一較高下。

台灣還沒有找到下一波”兆元產業”的方向，人工智慧是一個不容錯過的好機會。
目前台灣在AI產業中的角色，偏向於硬體的製造商，例如提供晶片、伺服器、電子零件。這些原本就是台灣的強項，在書中有提及人工智慧晶片和公有雲平台是台灣不能錯過的機會。我對這方面的現況不太清楚，總之書中針對台灣產業該如何在AI時代自我定位，有很精闢的剖析，這部分對於業界來說應該很有參考價值。

書的第三部分包含台灣人工智慧學校的創立沿革、給政府的建言、給白領工作者的建議。台灣人工智慧學校是由中研院和知名企業贊助成立的民間教育機構，希望快速培養台灣的AI人才，招生對象除了有程式專長的工作人士，還有面對中高階經理人的培訓班。數位化轉型已經落伍了，現在流行人工智慧轉型~不過很多企業連基礎設施(還記得十幾年前的用語嗎:e化)都尚未建立完備，這將阻礙AI的導入與應用。另外傳統組織僵化，跨部門合作不容易；過往都把IT部門當作成本單位，沒有給予足夠的資源…種種因素導致AI窒礙難行。教授在書中衷心期盼中高階經理人能將AI議程”念茲在茲”，唯有從最高層推動，並投注自身心力，否則大部分AI專案都會功虧一簣。

給政府的建言不外乎希望政府更敏捷，擺脫官僚心態，重視學術人才的資本，改善產學合作的模式，美國科技產業可以蓬勃發展，有一大原因就是鼓勵學者創業或直接到企業端工作，台灣學界希望學者專心寫論文升等，研究、行政、教學讓台灣最聰明的腦袋蠟燭三頭燒，也就無心去經世致用了。書中有提及，當年也是因為政府的領導，才可能創造經濟奇蹟，如今政府確實有很多相關政策進行中，愛之深，責之切，教授的建言亦可供一般讀者參考。

最後一章是講白領工作者該如何面對AI時代的挑戰，這個議題應該很多人都研究過了，那句很無聊的話:[AI不會取代你，但懂得使用AI的人會!] 最近看了一些AI的新應用，超誇張的啦，已經可以寫歌(陳珊妮老師的歌、歌手蔡佩軒的MV)、寫詩、寫小說、繪畫，本書原本說創意性質的工作將不會被取代，但科技的進步果然超乎預期。科幻大師姜峯楠月初在《紐約客》寫了一篇評論〈Will A.I. Become the New McKinsey?〉，科技公司研發AI的目的依然是資本主義的核心精神——「追逐利潤」。就像麥肯錫這種顧問公司被戲稱為大規模裁員的劊子手，讓美國的中產階級消失殆盡，上演真實版游牧人生。管顧公司出具專業的第三方報告，讓資本家可以將大裁員合理化。《When McKinsey Comes to Town》是講述管顧產業的一本新書，期待中文版趕快出版~在這種工作隨時會被機器人取代的時代，根本逼人陷入生存危機啊~AI已經有靈魂了，甚至比人類還要有感情，我們除了要拷問人性的本質，還要不斷想辦法提高生產效率和學習新技術，不然就等著被自動化回家吃自己>_<

有一些職場經驗以後讀這種書才會特別有fu，學生時代傻傻的，喜歡去思考如何學習新技術去改變世界，現在閱讀的動機變成思考如何向上階級流動，以及避免被資本的齒輪輾斃，資本社會真的不好混。最後，私心再推薦一本書，軟體已經吞噬全世界了，軟體工程師是驅動我們這個時代的幕後推手，《Coders: The Making of a New Tribe and the Remaking of the World》這本書專門介紹coders這個改變世界的群體，現在大家都在說要多培養軟體人才，這本書應該值得譯介給台灣讀者，我已經讀完了，五顆星推薦!! 想要瞭解AI就需要認識其造物主，coders才是真正的上帝，這本書是很精彩的人類學田野調查/報導文學，如果想要從人性的視角去認識當今的科技文化，記得去翻閱一下~

對人工智慧、機器學習相關領域與發展趨勢感興趣的人，這本書是相當不錯的入門書。

作者介紹了人工智慧的歷史發展、前幾次泡沫的原因，以及現正進行中的人工智慧應用場域，諸於機台維修預測、瑕疵檢測等都是台灣業界有意願用、也有能力用的技術。

作者也介紹了基本的機器學習概念，網路上相關的資訊不少，但缺乏系統性的統整且觀念或有偏誤，作者以其程式背景、學術及業界經驗提供更完整的解說，可幫助入門者建立清楚知識架構。

書末可感受到作者對於台灣導入AI的執念，行文間透漏著一股恨鐵不成鋼的感慨，本人在業界多年，也深感管理階層的僵化致使許多優秀人才、優秀應用難以大展身手。作者所創之台灣人工智慧學校在推動AI人才庫方面不遺餘力，希望能人志士能為業界注入更多改變能量。

AI專家陳昇瑋：打開觸角，保持好奇

▎看到陳昇瑋教授因為腦出血逝世的消息，感到十分惋惜，最近才在研讀陳昇瑋教授的書...，他是AI時代的產官學界代表人物，更是研究數位轉型、跨領域人才的必讀標竿。

在許多人眼中，他有許多跨界身分，像是他是一名資訊科學學者，也是資料科學家及人工智慧專家，但他不這麼看自己，他說：

「從社會的觀點，我是一位跨界者，但只有自已明白，心中從來不存在學術、產業與社會貢獻的界線；對我來說，只有身為知識份子應不應該，值不值得去做的那條線」他的跨界，是立定決心追求卓越，推動力就是樂在其中的好奇心。

▎陳昇瑋也是小學生的爸爸，女兒今年念小一，問他教育上重視什麼？他毫不遲疑回答：「語文（英語）非常非常非常重要，下一代一定要有走出去的能力。」不只學語文，語文背後的國際觀也是他很在乎的，因此常常帶女兒看地球儀，知道台灣和世界的關係，看卡通時也刻意選各種不同文化的卡通。

我第一次看到跟我一樣喜歡地球儀、重視語文走出去、熱愛跨領域追求知識的人，他也將這份理念，融入教育他的女兒，他也常常被問：未來人才需要什麼能力才不會被取代？「最需要的就是跨領域的能力，也就是π型人才，像擁有兩個專長作為支柱，還有橫向連結的能力，」這是他親身觀察和實踐的經驗結論。

總是用笑容與專業推展使命的陳教授，讓我們看到知識份子的精神與力量，他總是說，科技帶來劇變及顛覆，但只要有他能貢獻己力之處，就是該去的地方。

雖然他來不及看到許多自己播下的種子未來成長茁壯的茂盛，但相信唯有延續他的心血與努力，才是他最想看到、緬懷他的最好方式。

人工智慧來了！AI 可能在十年後取代你的工作？危言聳聽還是警世預言？

近年來由於深度學習的驚人進展，開啟了第三波人工智慧革命，而各界專家開始紛紛對未來做出看法，這些做出未來趨勢樣貌的專家，包括歷史學家、人類學家、經濟學家、社會學家、商界領袖，甚至是未來學家。有趣的是，其中的 AI 專家似乎不是很多。我認為，對於人工智慧如何影響產業，沒有人工智慧相關的硬知識，是很難提出真正的真知灼見，多數「外行專家」只是捕風捉影地提出猜想，而且是很粗糙的猜想，更別說那些基於科幻小說的想像。也因此，對於那些誇張的說法我都抱持的保留態度。不過也因為多數 AI 專才不熟悉巨觀等級的趨勢判斷，也不敢貿然做出預測，所以這些臆測的工作就輪到其他常常做出總體判斷的人。而這本書最有價值之處，就是出自於 AI 專家，作者陳昇瑋從工程師出身，而後進入學術界，最後轉戰產業界，是具有豐富實戰經驗的專家，實在是不可多得。

本書很務實的介紹了什麼是「人工智慧」，從 AI 發展的簡史談起，接著釐清相關概念，例如人工智慧、機器學習、深度學習這些概念之間是什麼關係，也談到了有關於人工智慧常見的迷思。最珍貴的部分就是作者與多家企業合作，將人工智慧相關技術導入企業的「實務經驗」，你不會看到那種類似自駕車的新潮人工智慧，而是結合統計技術，改善企業決策的演算法，如瑕疵檢測、自動流程控制、預測性維護、原料組合控制等等。雖然少了點振奮感，但這才是人工智慧在大多數企業應用的可能面貌。作者對於產業人士、政府單位給了相當多的建議，有感於人工智慧是大勢所趨，但國內的人工智慧發展卻是慢半拍，更有許多困境待突破，因此作者不遺餘力的推廣，從學者身分直接跨足業界，試圖消弭產學之間的鴻溝，甚至開了一所學校來培育 AI 大軍，實在令人敬佩。

比較可惜的是，對於非工程背景人士，本書無法給出太多實用建議，雖然作者看法務實，正確指出人工智慧不會一夜之間就取代你我的工作，但許多職業在十幾年後可能真的會消失，等到快被淘汰再來找出路就為時太晚，例如十年後四五十歲的人，離退休還太早又難以學習新技能，學了也被年齡歧視，被 AI 取代後真的會陷入絕境。當然作者重點不在於人生規劃，而是推廣台灣產業把握人工智慧浪潮，不過對於關心未來 AI 與自身規畫的人而言，還是非常具有參考價值。

這本書的作者陳昇瑋執行長是入世的學者，從主辦的資料科學年會開始，對講者要求就是要能分享做了甚麼？怎麼做？做了之後有甚麼影響？哪裡可能踩到雷？哪些工具好用？可能有哪些意想不到的場景？

從資料科學年會的經驗累積，台灣產業的互動到台灣人工智慧學校(Taiwan AI Academy, AIA)的創立，陳執行長對於人才培育系統的設立想得相當清楚：

經理人與技術人分班受訓，合流互動。
向先頭企業募款，企業也可分派問題給學員。
為企業培養人才，移地解企業的題目
沒有申請政府補助，受訓必須自費

人工智慧的人才永遠不嫌多，就像人人懂 Excel，AI 要變成基本素養，人人都懂人機協作，定義問題解決問題。如果執行順利，AIA 會在生態系統之中生生不息。




適合的讀者

作者分享對台灣產業數位轉型的焦慮，許多有同樣焦慮的讀者也被吸引而來，讀完這本書可以預期有的收穫有五：

了解人工智慧學校，明白自己適合技術領袖培訓班或是經理人研修班。
看白話版人工智慧的主流模型和問題分類
零零星星的傳說聽得太多，看看正統的說法。
了解人工智慧應用場景
在自己的產業中思考人工智慧的應用
思考在人工智慧產業化的價值鏈中，要佔在哪一環節


學習模型

現代人工智慧的學習模型有三：

專家系統：領域專家訂好規則，給機器照規則處理現實狀況
傳統機器學習：領域專家標註大量資料並且做特徵工程
深度學習：自動化的特徵工程，亦即自動發展出衍生變數


深度學習最適合處理非結構化的資料，如人類五官能識別的的文字、聲音、影像。序列資料如：溫度、濕度、亮度。

以人類的五官來看，深度學習最接近人類的學習。


人工智慧的問題分類：

監督式：F(X) = Y，X 為輸入的觀測值，Y 為決策輸出，要找出函數 F(X)。
非監督式：只有觀測值 X，沒有決策輸出 Y，要找出分類規則。
增強式學習：直接和真實環境互動，大量學習試驗。譬如：AlphaGo 和 AlphaZero。

AlphaGo 先透過監督式學習學習歷史棋譜得到早期版本，再由兩個 AlphaGo 在 40 天內對弈 3,000 萬盤棋，歸納出人類從來沒有的棋路。

AlphaZero 則完全不用監督式學習，直接進行增強式學習，在短短三天的輸贏之間成為棋力最強的版本，超越所有人類棋士和其他棋類的人工智慧。

程式已不須人類給的起始知識，直接和環境互動，自行歸納出超過人類的更好決策，沒有情緒，不會因為疲累而判斷失準。


人工智慧的應用場景

和情境低度相關，愈多維度的決策愈適合。譬如，製造業的應用有四：

瑕疵檢測
自動流程控制
預測性維護
原料組合 

讀者可以一邊讀一邊思考自己所在產業的應用。

利用三個條件，問個好問題交給人工智慧來處理：

決策值 Y 的情境和各種條件，能不能被大量記錄成觀測值 X
成對的觀測值 X 和決策值 Y 有數量夠多而且高品質的資料
觀測值 X 和決策值 Y 的關係是穩定的


人工智慧的導入

定義出問題之後，如何落地的議題有三：

資料的收集和清理
跨部門的合作編組
建立人工智慧團隊

#1 需要花上數個月，因為資料分散在各部門，譬如：製造部、品管部、研發部、生產管理部門，各有各的資料，品質也未必佳。需要花上好幾個月的時間重新清理，建立高品質的資料庫。

#2 上述資料清理收集就需要跨部門的合作，互相開放資料，也需要各部門花心力收集重建資料。

#3 內部的人工智慧團隊，才能讓持續根據公司設備或是營運的指標變化，來調整機器學習模型。

由上可見，牽涉到文化的改變，以數據和實驗驅動的決策，組織的協調整合，人工智慧的導入由上而下來進行才有成功的機會。

引入外部顧問，高層不熟悉或是不方便動手的就交給外部顧問來主導，高層只要扮演支持的角色。

人工智慧的落地會造就相關顧問行業的興起。

全文出自：  https://shengyowchen.blogspot.com/2019/06/blog-post_25.html