人工智能(AI)是今年臺北國際計算機展的重頭戲之一，除了展示AI相關(guān)應用，也舉辦論壇強調(diào)AI對于未來生活或企業(yè)的幫助。究竟這個存在已久的技術(shù)增添了何種新“魅力”?不只吸引大廠投入，蕓蕓眾生也為其賦予新意…

　　今年臺北國際計算機展(Computex 2017)的重頭戲之一為人工智能(AI)，除了展示人工智能的相關(guān)應用外，也舉辦了論壇強調(diào)人工智能對于人們未來生活或是企業(yè)有何幫助。這個不算新的技術(shù)為何在近期能夠獲得大廠的重視，可不是因為AlphaGo“痛宰”了許多赫赫有名的高段棋手，而是在物聯(lián)網(wǎng)(IoT)的時代下，沒有人工智能的“一臂之力”，收集到的龐大數(shù)據(jù)量，就很可能變成一堆沒有用的“垃圾”。

　　人工智能成熱門

　　根據(jù)維基百科的數(shù)據(jù)，“人工智能亦稱機器智能，是指由人工制造的系統(tǒng)所表現(xiàn)出來的智能。”事實上，人工智能若是要作為一個“實體”，其實可以視為一臺有強大運算能力的計算機，英特爾(Intel)全球數(shù)據(jù)中心銷售部產(chǎn)品與技術(shù)總經(jīng)理Pao-Li Chen表示，人工智能可以稱得上是第三代的數(shù)據(jù)中心(Data Center)，因為，人工智能是仰賴運算能力而生，沒有強大的運算能力去模仿人類的思維，就很難用人工智能這個詞來定義。且這個所謂的第三代數(shù)據(jù)中心，未來將會需要處理物聯(lián)網(wǎng)時代衍生而出的巨量甚至海量數(shù)據(jù)，這也是為什么人工智能會變得那么受矚目，相關(guān)產(chǎn)業(yè)也相當重視人工智能的發(fā)展。

　　因此，雖然人工智能目前規(guī)模仍小，但英特爾預測，在2020年時，人工智能的市場規(guī)模將成長12倍。Nvidia執(zhí)行官黃仁勛在今年的Computex發(fā)表專題演說時也指出，在這一場人工智能革命開始之際，對于人工智能新創(chuàng)公司的投資在最近的4～5年內(nèi)增加了近10倍，投資金額高達50億美元。他認為，這一成長動力來自于由人工智能推動的深度學習(deep learning)技術(shù)與應用。

　　另外，IDC預估，2017年全球認知和人工智能系統(tǒng)的營收將達到125億美元，比起2016年還要成長59.3%。預估到2020年，企業(yè)支出與投資在認知與人工智能系統(tǒng)的費用將會超過460億美元，年平均復合成長率將達54.4%。

　　2017年全球認知和人工智能系統(tǒng)市場營收將達到125億美元 (來源：IDC)

　　根據(jù)IDC報告指出，基于認知運算，人工智能和深度學習的智能應用是下一波技術(shù)核心，將會改變消費者和企業(yè)如何工作、學習和玩耍。未來這些應用將能透過使用認知系統(tǒng)、機器學習和人工智能，提供預測，以及建議與幫助。

　　早在1997年，IBM就打造了超級計算機深藍(Deep Blue)，并打敗了西洋棋世界冠軍卡斯巴洛夫(Garry Kasparov)，深藍也被視為人工智能發(fā)展的開端;即使2011年IBM QA系統(tǒng)(Question Answering System)華生(Watson)戰(zhàn)勝二位益智冠軍Ken Jennings及Brad Rutter，證實人工智能系統(tǒng)能解讀人類自然語言并進行精確回答，人工智能這個技術(shù)也還是停留在「高運算能力的展現(xiàn)」，以及高成本、投資報成率低，并非一般企業(yè)或一般民眾能夠“觸及”的階段，因此消費者與企業(yè)對于人工智能的興趣，一直沒有非常熱烈，人工智能也持續(xù)存在于科幻電影或是高階運算中心里。

　　何以人工智能轉(zhuǎn)變成眾所矚目的焦點?Chen認為，數(shù)據(jù)洪水(data deluge)、算法運算能力的突破和再提升，以及激增的創(chuàng)新應用，都是使得人工智能變得更為可能，甚至唾手可得的原因。Appier創(chuàng)辦人暨執(zhí)行官游直翰則認為，因特網(wǎng)、行動網(wǎng)絡的精進，讓更多數(shù)據(jù)變得更容易取得，人們的“溝通心態(tài)”也從對象只能是人變成機器或裝置，以及大廠的投入，在在都是促使人工智能近期受到極大關(guān)注的因素。

　　產(chǎn)業(yè)與科技不斷的進展巧扮推手，人類逐步進入過去科幻電影才看得到的人工智能的世界。黃仁勛在今年的Computex一開始就強調(diào)，人工智能世代已經(jīng)來臨。他認為科技產(chǎn)業(yè)正歷經(jīng)一股結(jié)合深度學習、巨量數(shù)據(jù)與繪圖處理器(GPU)的強大動力，點燃著一場無處不在的人工智能革命。

　　未來，人們生活會越來越智慧化，舉凡食衣住行育樂都會融入“智慧”這關(guān)鍵技術(shù)，將促使人工智能的發(fā)展更加蓬勃。

　　CPU vs. GPU硬件戰(zhàn)開打

　　人工智能仰賴超強的運算能力。例如，微軟(Microsoft)的深度網(wǎng)絡ResNet在2015年就達到超越人類影像辨識的等級;它支持6,000萬個參數(shù)，需要7ExaFLOPS的運算能力;而在2016年，Baidu Deep Speech 2的3億個參數(shù)需耗用20ExaFLOPS的運算能力;最近，Google的神經(jīng)機器翻譯(Neural Machine Translation，NMT)擁有高達87億個參數(shù)，需要105ExaFLOPS的運算能力，極致的高效能運算每年都在突破。

　　因此，處理器的處理能力開始被檢視，也掀起一場處理器的爭戰(zhàn)。Chen認為，為因應人工智能時代的來臨與強大的運算需求，新一代中央處理器(CPU)應運而生，其中，XEON PHI系列更具備很強的深度學習能力。不過，人工智能不是僅以深度學習技術(shù)即可涵蓋，還需要許多技術(shù)的輔助，并與更多相關(guān)業(yè)者進一步合作，才能打造端對端的人工智能架構(gòu)與完整的生態(tài)體系。

　　除了CPU外，具備強大運算力的GPU，自然也加入了人工智能芯片大戰(zhàn)。Nvidia解決方案架構(gòu)工程部門副總裁Marc Hamilton表示，的確，跟隨摩爾定律(Moore’s Law)，CPU運算能力持續(xù)的再提升，但是摩爾定律卻也逐漸走到盡頭，不過GPU卻不會受到限制，因此在人工智能的世界，GPU將扮演重要角色。

　　不僅如此，人工智能的應用并不會單單局限于消費性市場，各行各業(yè)都可運用人工智能，再加上持續(xù)會有新的技術(shù)注入人工智能，未來人工智能將變得越來越復雜，如此就需要更多的處理器來支撐所需的運算能力。Hamilton指出，市場已開始驗證GPU的運算能力，隨著新一代Tesla V100 GPU的推出，產(chǎn)業(yè)將有更強大的GPU可因應日益復雜的人工智能。

　　值得注意的是，F(xiàn)PGA似乎也受到CPU與GPU大戰(zhàn)的波及。Chen解釋，F(xiàn)PGA在人工智能的發(fā)展中有其“定位”，是不可或缺的一個組件，但無法擔任處理器這樣的重責大任。

　　AI就從“深度學習”開始

　　無論CPU或是GPU，處理器的確不可或缺，但要能將龐大的數(shù)據(jù)轉(zhuǎn)化為可用的信息，則需要許多軟件算法的輔助，特別是以深度學習為基礎(chǔ)的算法。

　　在當今的人工智能世代，深度學習是指神經(jīng)網(wǎng)絡與隨機梯度下降(Stochastic Gradient，SGD)算法，結(jié)合所有可取得的數(shù)據(jù)量，以及GPU的能力而實現(xiàn)的結(jié)果。深度學習是機器學習領(lǐng)域的一個分支，而機器學習更隸屬于人工智能的范圍。

　　人工智能有趣之處在于我們幾乎可以教它去做任何事，至今也已經(jīng)看到了各種突破。IBM大中華區(qū)總經(jīng)理Jeffrey A. Rhoda表示，20年前Deep Blue誕生，并在完成“任務”之后退役，而6年前問世的Watson，已經(jīng)不再專任「棋手」?，F(xiàn)在的Watson，也跟著人工智能算法、云端等科技的進展而能做到下棋以外的事，靠的就是收集更多的信息，并轉(zhuǎn)為對人類或人工智能自身更有用的訊息。

　　“機器在第一波工業(yè)革命時實現(xiàn)了人力自動化;而今，人工智能也在使人類的智慧自動化，為所有的產(chǎn)業(yè)帶來革新。”黃仁勛指出，其中最強大的動力與技術(shù)就是近來由深度學習實現(xiàn)的突破，例如自動駕駛車、OK Google與AlphaGo等應用。

　　黃仁勛以Nvidia BB8 AI自動駕駛車為例表示，自動駕駛車采用的是卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network，CNN)，透過數(shù)據(jù)自行學習辨識周圍的車輛、車距、車道以及如何安全地行駛。自動駕駛車得以實現(xiàn)，“完全是以AI網(wǎng)絡學習辨識這個世界、了解目標與原因而駕駛。你只需為其提供一個通用算法以及大量的訓練，車輛就能自行探索。”黃仁勛預計在未來十年，業(yè)界將經(jīng)歷一場前所未見的交通運輸革命。

　　此外，OK Google透過循環(huán)神經(jīng)網(wǎng)絡(Recurrent Neural Network，RNN)技術(shù)提供的數(shù)據(jù)以及短期記憶(STM)與長期記憶(LTM)，從聲音中學會了語音指令，在人類提問許多類似的問題后學會了問題的意思。最近，第二代的AlphaGo以三戰(zhàn)三勝打敗了世界第一的人類棋王——柯潔，其驚人之處就在于采用了與自駕車系統(tǒng)一樣的CNN，再加上強化學習(Rreinforce learning，RL)?；旧?，AlphaGo也不斷地在與自己對弈中學習，從數(shù)百萬場棋戰(zhàn)中累積經(jīng)驗，直到最終成為強勁的棋手。

　　透過CNN、RNN以及強化學習技術(shù)，這每一種架構(gòu)都是基于相同的深度學習算法，實現(xiàn)了以往人們一直認為在科幻中才可能出現(xiàn)的夢想。

　　人工智能已經(jīng)發(fā)生在我們的日常生活中 (來源：NVIDIA)

　　此外，Rhoda補充，人工智能與云端及數(shù)據(jù)是密不可分的元素，現(xiàn)階段只有20%的資料量被搜集到，有80%還在各處等待被尋獲。透過人工智能將能“看到”并真正讀取到這些信息，而這些信息透過算法、云端的傳遞，也會回饋成為人工智能學習與判斷的“依據(jù)”。

　　就如同Watson所擁有的應用程序編程接口(API)，可以讓使用者根據(jù)這些數(shù)量眾多的API開發(fā)想要的應用與功能。這些API的基礎(chǔ)，除了硬件處理器與軟件算法，還有龐大的數(shù)據(jù)量作為后盾。“Computex可以說是個人計算機算法的大秀，不會只有硬件成為焦點，軟件更是重要，而人工智能也是如此。”Hamilton強調(diào)。

　　機器人——終極的AI?

　　黃仁勛說，“機器人就是終極的人工智能”。機器人必須智慧化地與世界互動，透過視覺、聽覺、嗅覺和觸覺來感知世界，學習并理解所采取的行動，而且能以不至于造成傷害的方式做出肢體復雜的動作。

　　機器人極其復雜，它必須能透過視覺、聽覺和觸覺來感知環(huán)境 (來源：NVIDIA)

　　但關(guān)鍵在于如何教會機器人?“人類很容易透過直覺知識和運動技巧所做的事情，對于機器人而言卻是極其復雜而不可能的程序運作，這也就是為什么至今在我們之間尚未出現(xiàn)直接與我們互動的機器人。”黃仁勛表示。

　　而今，經(jīng)由深度學習，或許就是讓機器人學習和自我編程的關(guān)鍵。例如，透過CNN，機器人能感知環(huán)境，RNN與模仿學習則讓機器人學會我們的行為，并透過強化學習掌握其他差異化的方式。

　　另一方面，隨著復雜度的增加，這些基于深度學習算法的神經(jīng)網(wǎng)絡透過人腦啟發(fā)，需要越來越大量的處理程序，黃仁勛強調(diào)，透過基于Nvidia CUDA的GPU可望讓一切成為可能。

　　“目前人工智能就在身邊，并可開始協(xié)助我們解決許多問題。”游直翰總結(jié)。現(xiàn)在，人工智能已經(jīng)開始改變企業(yè)各方面;未來將是人工智能加上數(shù)據(jù)驅(qū)動智能化的時代，且人們的生活也將隨之發(fā)生變化。

　　最后，從2018年人工智能的三大發(fā)展趨勢觀察——人工智能將如同用戶接口、人工智能將躍升產(chǎn)業(yè)核心技術(shù)，以及人工智能將搖身變?yōu)樯虡I(yè)顧問。我們業(yè)者在這一波人工智能的風潮下，能扮演何種關(guān)鍵地位?游直翰認為，除了硬件開發(fā)的實力，軟件研發(fā)的能力也不能忽視，更重要的是，要與更多“有志之士”共同合作，并能深入了解人工智能能為用戶或應用帶來何種幫助，才能真正具備市場競爭力。