之前在有些手機的發表會上，就曾經示範讓手機直接對著表演者錄影，然後用AI抽取動作特徵，傳輸給實體機器人同步來做相同的動作。一旦5G人工智慧晶片長在手機上，就能讓每個人隨時受AI加持，如同第一次工業革命讓每個人得到機械動力的好處一樣，不會讓人工智慧成為少數機構的專屬特權。5G手機AI化，可以把每個人和人工智慧綁在一起，讓使用AI像用Excel一樣自然。站在巨人的肩膀上，AI能做甚麼，我就能做甚麼。
AI人工智慧的應用
AI現在可以應用在分群，分類，影像識別，多國語言互譯，語音識別等多種功能上。分群是可以由許多不同的資料中分析特徵，自動分成不同的群組。分類就是可以把輸入的資料，根據特徵自動指派到不同類別上。好比輸入一個形狀，然後去判斷它是三角形，圓形還是正方形。簡單的應用，就是分析消費資料中的客戶特徵後，分出高中低階的消費族群。現在許多企業，就是用這樣子的功能，在客戶資料中淘金，來做產品行銷或自動推薦。很多銀行也利用這樣的分析方法來做房價預測，信用卡詐欺偵測，未來購買時機等分析。這都是利用電腦來判斷每筆資料的是否詐欺與是否購買的類別。
自從幾年前Google的AlphaGo打敗了人類的圍棋冠軍，就開啟了一股人工智慧的熱潮。AlphaGo利用加強式學習，不需要人類的經驗，讓電腦跟電腦對戰，慢慢地從裡面找出致勝的方法。加強式學習原理其實很單純，就是先隨意產生各種步數，然後紀錄每個步數的勝率。之後再找出在什麼局面，走哪一步的勝率最高，那麼就走這步。簡單的說，就是在不同狀態之下，根據最高報酬來選擇最有利行動。這方法的困難就是各種可能性太多了，電腦沒有那麼多的時間和空間來嘗試每一種可行性，所以如何用最有效率的方法來嘗試，就是技術關鍵。由加強式學習的成功案例，證明了人工智慧有能力不需要依賴任何人類經驗，從嘗試中就可以找到可行之路，這也是最令人震驚的地方。因為用同樣的方式，電腦和機器人未來就有可能發展出自己的方法來超越人類。
另一個人工智慧的分支就是類神經網路，它以模擬人類神經網路的運作方式來學習。2010年史丹佛大學發起ImageNet影像識別比賽，從2012年開始，正確率每年都大幅上升。訓練類神經網路的運作方法，就是把很多圖片一張張的餵給類神經網路，同時也要標示出每一張圖片所要的答案是什麼。經過長時間的重複訓練之後，類神經網路就能夠自動地調整參數，讓輸出跟你事先標示的答案相近。之後，便可以將照片餵給這個已經訓練好的網路，讓他來推論答案到底是什麼。
這種類神經網路的訓練，是需要用很多能力強大的機器，花上幾天幾夜後才會有結果。所以就有公司專門賣獨立顯示卡來讓你自行做運算，或像Google和微軟，直接出租現成的機器給你用。用大機器做訓練，然後再用小手機推論找答案，這就是目前人工智慧圈的生態系。
這次的人工智慧工業革命和以往一樣，將會取代許多人的工作，但同樣也能創造出許多運用人工智慧的工作。每個人時刻都在用的有AI功能的5G手機，將成為日後生活不可或缺的關鍵元素。如同第一次工業革命之後，汽車被製造出來，到現在變成每天必備之物一樣，未來生活必定會內化AI，讓它像呼吸喝水一樣自然
＊作者為CubicPower晶智能中心創辦人。曾任大學資訊工程系區塊鏈技術與應用課程兼任副教授及於緯創軟體、英商路透社等金融與科技單位從事金融軟體專案開發工作。
