人工智能飞入寻常百姓家

　　人工智能(AI)是今年台北国际计算机展的重头戏之一，除了展示AI相关应用，也举办论坛强调AI对于未来生活或企业的帮助。究竟这个存在已久的技术增添了何种新“魅力”?不只吸引大厂投入，芸芸众生也为其赋予新意…

　　今年台北国际计算机展(Computex 2017)的重头戏之一为人工智能(AI)，除了展示人工智能的相关应用外，也举办了论坛强调人工智能对于人们未来生活或是企业有何帮助。这个不算新的技术为何在近期能够获得大厂的重视，可不是因为AlphaGo“痛宰”了许多赫赫有名的高段棋手，而是在物联网(IoT)的时代下，没有人工智能的“一臂之力”，收集到的庞大数据量，就很可能变成一堆没有用的“垃圾”。

　　人工智能成热门

　　根据维基百科的数据，“人工智能亦称机器智能，是指由人工制造的系统所表现出来的智能。”事实上，人工智能若是要作为一个“实体”，其实可以视为一台有强大运算能力的计算机，英特尔(Intel)全球数据中心销售部产品与技术总经理Pao-Li Chen表示，人工智能可以称得上是第三代的数据中心(Data Center)，因为，人工智能是仰赖运算能力而生，没有强大的运算能力去模仿人类的思维，就很难用人工智能这个词来定义。且这个所谓的第三代数据中心，未来将会需要处理物联网时代衍生而出的巨量甚至海量数据，这也是为什么人工智能会变得那么受瞩目，相关产业也相当重视人工智能的发展。

　　因此，虽然人工智能目前规模仍小，但英特尔预测，在2020年时，人工智能的市场规模将成长12倍。Nvidia执行官黄仁勋在今年的Computex发表专题演说时也指出，在这一场人工智能革命开始之际，对于人工智能新创公司的投资在最近的4～5年内增加了近10倍，投资金额高达50亿美元。他认为，这一成长动力来自于由人工智能推动的深度学习(deep learning)技术与应用。

　　另外，IDC预估，2017年全球认知和人工智能系统的营收将达到125亿美元，比起2016年还要成长59.3%。预估到2020年，企业支出与投资在认知与人工智能系统的费用将会超过460亿美元，年平均复合成长率将达54.4%。

　　2017年全球认知和人工智能系统市场营收将达到125亿美元 (来源：IDC)

　　根据IDC报告指出，基于认知运算，人工智能和深度学习的智能应用是下一波技术核心，将会改变消费者和企业如何工作、学习和玩耍。未来这些应用将能透过使用认知系统、机器学习和人工智能，提供预测，以及建议与帮助。

　　早在1997年，IBM就打造了超级计算机深蓝(Deep Blue)，并打败了西洋棋世界冠军卡斯巴洛夫(Garry Kasparov)，深蓝也被视为人工智能发展的开端;即使2011年IBM QA系统(Question Answering System)华生(Watson)战胜二位益智冠军Ken Jennings及Brad Rutter，证实人工智能系统能解读人类自然语言并进行精确回答，人工智能这个技术也还是停留在「高运算能力的展现」，以及高成本、投资报成率低，并非一般企业或一般民众能够“触及”的阶段，因此消费者与企业对于人工智能的兴趣，一直没有非常热烈，人工智能也持续存在于科幻电影或是高阶运算中心里。

　　何以人工智能转变成众所瞩目的焦点?Chen认为，数据洪水(data deluge)、算法运算能力的突破和再提升，以及激增的创新应用，都是使得人工智能变得更为可能，甚至唾手可得的原因。Appier创办人暨执行官游直翰则认为，因特网、行动网络的精进，让更多数据变得更容易取得，人们的“沟通心态”也从对象只能是人变成机器或装置，以及大厂的投入，在在都是促使人工智能近期受到极大关注的因素。

　　产业与科技不断的进展巧扮推手，人类逐步进入过去科幻电影才看得到的人工智能的世界。黄仁勋在今年的Computex一开始就强调，人工智能世代已经来临。他认为科技产业正历经一股结合深度学习、巨量数据与绘图处理器(GPU)的强大动力，点燃着一场无处不在的人工智能革命。

　　未来，人们生活会越来越智慧化，举凡食衣住行育乐都会融入“智慧”这关键技术，将促使人工智能的发展更加蓬勃。

　　CPU vs. GPU硬件战开打

　　人工智能仰赖超强的运算能力。例如，微软(Microsoft)的深度网络ResNet在2015年就达到超越人类影像辨识的等级;它支持6,000万个参数，需要7ExaFLOPS的运算能力;而在2016年，Baidu Deep Speech 2的3亿个参数需耗用20ExaFLOPS的运算能力;最近，Google的神经机器翻译(Neural Machine Translation，NMT)拥有高达87亿个参数，需要105ExaFLOPS的运算能力，极致的高效能运算每年都在突破。

　　因此，处理器的处理能力开始被检视，也掀起一场处理器的争战。Chen认为，为因应人工智能时代的来临与强大的运算需求，新一代中央处理器(CPU)应运而生，其中，XEON PHI系列更具备很强的深度学习能力。不过，人工智能不是仅以深度学习技术即可涵盖，还需要许多技术的辅助，并与更多相关业者进一步合作，才能打造端对端的人工智能架构与完整的生态体系。

　　除了CPU外，具备强大运算力的GPU，自然也加入了人工智能芯片大战。Nvidia解决方案架构工程部门副总裁Marc Hamilton表示，的确，跟随摩尔定律(Moore’s Law)，CPU运算能力持续的再提升，但是摩尔定律却也逐渐走到尽头，不过GPU却不会受到限制，因此在人工智能的世界，GPU将扮演重要角色。

　　不仅如此，人工智能的应用并不会单单局限于消费性市场，各行各业都可运用人工智能，再加上持续会有新的技术注入人工智能，未来人工智能将变得越来越复杂，如此就需要更多的处理器来支撑所需的运算能力。Hamilton指出，市场已开始验证GPU的运算能力，随着新一代Tesla V100 GPU的推出，产业将有更强大的GPU可因应日益复杂的人工智能。

　　值得注意的是，FPGA似乎也受到CPU与GPU大战的波及。Chen解释，FPGA在人工智能的发展中有其“定位”，是不可或缺的一个组件，但无法担任处理器这样的重责大任。

　　AI就从“深度学习”开始

　　无论CPU或是GPU，处理器的确不可或缺，但要能将庞大的数据转化为可用的信息，则需要许多软件算法的辅助，特别是以深度学习为基础的算法。

　　在当今的人工智能世代，深度学习是指神经网络与随机梯度下降(Stochastic Gradient，SGD)算法，结合所有可取得的数据量，以及GPU的能力而实现的结果。深度学习是机器学习领域的一个分支，而机器学习更隶属于人工智能的范围。

　　人工智能有趣之处在于我们几乎可以教它去做任何事，至今也已经看到了各种突破。IBM大中华区总经理Jeffrey A. Rhoda表示，20年前Deep Blue诞生，并在完成“任务”之后退役，而6年前问世的Watson，已经不再专任「棋手」。现在的Watson，也跟着人工智能算法、云端等科技的进展而能做到下棋以外的事，靠的就是收集更多的信息，并转为对人类或人工智能自身更有用的讯息。

　　“机器在第一波工业革命时实现了人力自动化;而今，人工智能也在使人类的智慧自动化，为所有的产业带来革新。”黄仁勋指出，其中最强大的动力与技术就是近来由深度学习实现的突破，例如自动驾驶车、OK Google与AlphaGo等应用。

　　黄仁勋以Nvidia BB8 AI自动驾驶车为例表示，自动驾驶车采用的是卷积神经网络(Convolutional Neural Network，CNN)，透过数据自行学习辨识周围的车辆、车距、车道以及如何安全地行驶。自动驾驶车得以实现，“完全是以AI网络学习辨识这个世界、了解目标与原因而驾驶。你只需为其提供一个通用算法以及大量的训练，车辆就能自行探索。”黄仁勋预计在未来十年，业界将经历一场前所未见的交通运输革命。

　　此外，OK Google透过循环神经网络(Recurrent Neural Network，RNN)技术提供的数据以及短期记忆(STM)与长期记忆(LTM)，从声音中学会了语音指令，在人类提问许多类似的问题后学会了问题的意思。最近，第二代的AlphaGo以三战三胜打败了世界第一的人类棋王——柯洁，其惊人之处就在于采用了与自驾车系统一样的CNN，再加上强化学习(Rreinforce learning，RL)。基本上，AlphaGo也不断地在与自己对弈中学习，从数百万场棋战中累积经验，直到最终成为强劲的棋手。

　　透过CNN、RNN以及强化学习技术，这每一种架构都是基于相同的深度学习算法，实现了以往人们一直认为在科幻中才可能出现的梦想。

　　人工智能已经发生在我们的日常生活中 (来源：NVIDIA)

　　此外，Rhoda补充，人工智能与云端及数据是密不可分的元素，现阶段只有20%的资料量被搜集到，有80%还在各处等待被寻获。透过人工智能将能“看到”并真正读取到这些信息，而这些信息透过算法、云端的传递，也会回馈成为人工智能学习与判断的“依据”。

　　就如同Watson所拥有的应用程序编程接口(API)，可以让使用者根据这些数量众多的API开发想要的应用与功能。这些API的基础，除了硬件处理器与软件算法，还有庞大的数据量作为后盾。“Computex可以说是个人计算机算法的大秀，不会只有硬件成为焦点，软件更是重要，而人工智能也是如此。”Hamilton强调。

　　机器人——终极的AI?

　　黄仁勋说，“机器人就是终极的人工智能”。机器人必须智慧化地与世界互动，透过视觉、听觉、嗅觉和触觉来感知世界，学习并理解所采取的行动，而且能以不至于造成伤害的方式做出肢体复杂的动作。

　　机器人极其复杂，它必须能透过视觉、听觉和触觉来感知环境 (来源：NVIDIA)

　　但关键在于如何教会机器人?“人类很容易透过直觉知识和运动技巧所做的事情，对于机器人而言却是极其复杂而不可能的程序运作，这也就是为什么至今在我们之间尚未出现直接与我们互动的机器人。”黄仁勋表示。

　　而今，经由深度学习，或许就是让机器人学习和自我编程的关键。例如，透过CNN，机器人能感知环境，RNN与模仿学习则让机器人学会我们的行为，并透过强化学习掌握其他差异化的方式。

　　另一方面，随着复杂度的增加，这些基于深度学习算法的神经网络透过人脑启发，需要越来越大量的处理程序，黄仁勋强调，透过基于Nvidia CUDA的GPU可望让一切成为可能。

　　“目前人工智能就在身边，并可开始协助我们解决许多问题。”游直翰总结。现在，人工智能已经开始改变企业各方面;未来将是人工智能加上数据驱动智能化的时代，且人们的生活也将随之发生变化。

　　最后，从2018年人工智能的三大发展趋势观察——人工智能将如同用户接口、人工智能将跃升产业核心技术，以及人工智能将摇身变为商业顾问。我们业者在这一波人工智能的风潮下，能扮演何种关键地位?游直翰认为，除了硬件开发的实力，软件研发的能力也不能忽视，更重要的是，要与更多“有志之士”共同合作，并能深入了解人工智能能为用户或应用带来何种帮助，才能真正具备市场竞争力。