「人們看見機器人走在路上殺人之前,他們都不會知道如何應對,因為這個場景聽起來太不真實。」特斯拉公司執行長,鋼鐵人馬斯克不只一次公開發表他對AI發展的擔憂,其強烈立場在AI高漲的聲勢下一度激起許多不安和辯論。
對部分人來說,「人工智慧」或許會激起科幻電影中具有豐富情感意識的機器人聯想,並擔憂起 AI 心智發展對人類社會可能的衝擊。但即使 AI聽來充滿科技及未來感,在決定是否要恐慌之前,我們或許應該要先了解,AI 究竟是什麼?
人工智慧、機器學習、深度學習?
深度學習其實是從機器學習領域衍伸而來,而機器學習也只是人工智慧底下的一個支脈。人工智慧最初的發展是透過工程師撰寫程式和指令交由機器執行,讓機器解決問題。然而程序都是由人所撰寫,只要是工程師無法解決的問題,機器也無法找出解方。
機器學習的出現讓人們透過餵養電腦大量經過整理、篩選的資料,使其自行分析、優化路徑,進而達成諸如影像辨識、策略分析等目的,在自我學習中改善決策網路,突破過去侷限於人類編程的限制。
接著,機器學習又延伸出深度學習。同樣是大量投放資料進行自我學習,但模擬人類神經元連結的模式發展出類神經網絡,使機器執行特定功能任務時擁有比人類更加優秀的判斷能力,如 Alpha Go 背後所使用的就是這項技術。
人工智慧的實際應用
具體來說,企業究竟會如何使用這些技術呢?
拿目前發展AI最積極的Amazon為例,有別於過去單純分析大數據得出使用者偏好、做出動態定價,Amazon開發和圖像識別、語音助理相關服務,並且推出Amazon Rekognition、Amazon Polly、Amazon Lex等三項雲端AI服務。
三項服務各有其特色,其中專門做圖像分析的 Amazon Rekognition以深度學習為基礎,進行影像辨識,建立視覺搜尋和影像分類,他的其中一項應用就是臉部情緒偵測。
假設今天有一名消費者進入商家中審視商品或參與活動,傳統上無法如同網路般計算跳出率、停留時間等量化數據,只能依靠店員或銷售額來推測好惡。Amazon Rekognition卻得以透過實體店面內安裝的錄像機蒐集顧客面部表情,偵測其臉上表情究竟是愉快或不滿,並將這筆情緒資料會傳至Amazon S3物件存儲,接著匯入REDSHIFT資料倉儲中存放,定期生產出一份行銷數據報告供店家參考。
如此應用圖像分析辨認面孔的方式解決了傳統零售店面蒐集顧客資料的難題,讓店家將客戶和適當的內容、活動進行配對,根據越多人給予正向情緒的產品或活動類型加強,吸引顧客參與。Amazon在Amazon Go 和Wholefoods收購時都顯示拓展線下的決心,而這項服務除了可以做為外包服務租給其他企業使用外,也為其線下發展鋪路。