2018-09-07 01:23經濟日報 陳昇瑋
  •  

人工智慧雖是台灣普遍關注的熱門議題,不僅企業想擁抱人工智慧,人才也想往人工智慧領域移動,大家也都聽過,人工智慧將帶領新一波科技革命,但究竟產業如何導入人工智慧,仍然是不太清楚。在認知不清的狀況下,台灣企業目前的資料運用程度,通常與人工智慧應用仍有一段距離。

人工智慧發展可分為三個面向。第一個面向指的是技術發展,這個面向通常由學術界或業界實驗室來進行,鑽研機器學習演算法的改善。它的目的是讓以前做不到的事變成可以做到,讓演算法可以基於同樣的資料在同樣的條件下,讓電腦表現出來更聰明。

第二個面向是AI產業化,像大家都知道的AI晶片、無人車、無人機、無人商店或服務型機器人,這些以人工智慧技術為主體,所發展出來的新產業或新商業模式,稱為AI產業化。

第三個面向叫做產業AI化。產業AI化指的是將人工智慧導入現有的各式產業中。不論是製造業、金融業、零售業、服務業、農林漁牧業等,都可以藉由人工智慧的協助,提升產品或服務的品質,同時降低管理、人事及生產成本等,維持及提升產業競爭力,甚至成為升級及轉型的契機。

不同產業對於產業AI化的需求與方向不太一樣。金融業與電信業因為監理法規的要求,通常已累積大量交易及使用者行為資料;製造業方面,因為工業4.0與物聯網的觀念推行,尤其是電子製造業,許多大型、中型廠商都積極蒐集從備料、排程、生產、出貨到實際運行的所有資料。另外,電商平台掌握所有使用者的交易資料。大型零售業也在POS系統的幫忙之下,有限度地瞭解使用者喜好及行為。

這些產業基本上資料充足,且資料架構相對成熟,其中許多已經投資商業智慧平台,可透過資源儀表板或關鍵績效指標的呈現,來做情勢評估,並據此進行管理。不過,應用數據報表來做情勢評估,仍仰賴人力來做解讀及決策,只是資料的淺層應用,與人工智慧距離很遠。若企業自己覺得,我已經收集很多資料,每天也都有報表可以看,就是人工智慧,那就誤會大了。

產業AI化可說是在企業收集資料後,能讓「資料為企業產生價值」的終極手段。Gartner有篇報告將資料分析按深度分為四個階段:描述型分析、診斷型分析、預測型分析與指示型分析,分別回答「發生了什麼?」「為什麼發生?」「未來是否發生?」「如何讓它發生?」

以我過去數年的觀察,比對上面所提到的描述、診斷、預測與指示四種資料分析階段,也可以說是資料運用的深度,目前台灣企業多數還停留在前兩個階段,甚至是第一個階段,也就是拿著數據產出報表,以人來解讀,號稱是洞察報告的階段。

困難的是,許多企業主管誤以為這就是資料的正確運用方式,因為只有人類可以理解瞬息萬變的市場,才有足夠的領域知識及經驗來進行企業裡各式大大小小的決策。這個理解在某些情境是正確的,畢竟今天的人工智慧還沒有真正的智慧;但在許多情境是錯誤的,有許多實例可以證明,在許多商業情境中,人工智慧來進行決策,可以比有經驗的從業人員做決策來得準確且快速,我們可以在醫療診斷的諸多案例中,看到人工智慧遠比訓練有素的醫師更準確解讀病理切片、X光片,就是一例。

因此,在人工智慧的年代裡,企業若要維持現有的競爭力,甚至彎道超車競爭對手,產業AI化非做不可。大家必須破除「人類才能做複雜決策」的迷思,將資料運用提升到「預測」與「指示」的層次,讓人工智慧以合適的形式進入企業流程中,讓人與人工智慧協同合作,讓人工智慧在各方面為企業加分,無論是開源、節流或是提升企業效率。

(作者是中央研究院資訊科學研究所研究員、台灣資料科學協會理事長及台灣人工智慧學校執行長)

原文網址:https://udn.com/news/story/7240/3353431

顏明輝_美商ERA 發表在 痞客邦 留言(0) 人氣()