台灣在AI上的優勢 ── AI醫療
當問到張博士為何會選擇回到台灣做AI醫療這塊領域時，張博士提到去年Google有邀請他參與一個醫療的計畫，然而關鍵的問題是，在美國事實上並沒有辦法蒐集到大量的醫療數據，相較於病例數位化的台灣，美國在大部分地區還是以紙本病例為主。由於台灣健保，雖然無法隨意取得資料，但透過各種不同的合作方式，依照法定程序、用戶許可，取得的機會與數據上還是台灣較具優勢。
早在2012年，美國國家地理頻道紀錄片《亞洲新視野：臺灣醫療奇蹟》介紹台灣醫療，全世界前200大醫院，台灣就佔了14家，可見台灣醫療技術之先進。根據科技新報、康健雜誌、聯合新聞網等，台灣全民健保資料庫自2000年起開辦至今累積大量數據，不但能了解並歸類病患病徵、習性，若將這些數據用在慢性疾病方面，能讓台灣在AI醫療方面有更深廣、領先的發展。
談及醫療檢測儀器的發展，張博士提出三大要點：價錢（Cost）、品質（Quality）、可接近性（Accessibility）。由於醫療本身花費成本高，在某些國家的取得性會降低。而本身質小量輕的DeepQ，兼顧品質及可接近性，打破以往醫療看診模式，並改善偏鄉地區的醫療貧瘠。
完成，不代表完美
於DeepQ團隊待了五年的張智威博士，認為台灣人才與矽谷相較，堅持力是關鍵點。「有的時候你要在技術或者是科學（Science）有突破（Breakthrough），前面也許幾年是非常的寂寞，沒有很快的結果」張博士說。
提到堅持力，張博士以DeepQ團隊研發過程為例。當時團隊為這場四年一次的比賽做研發，他們希望將偵測不同病況的零件容入在一個裝置裡，卻與團內設計師理念不合。體認到完成（Completion）並不等於完美（Perfect），張博士將這份精神帶進了團隊，在無數日子中默默誕生了DeepQ。
英國首相邱吉爾說過，"Continuous effort--not strength or intelligence--is the key to unlocking our potential."（要發揮真正的潛力，關鍵不在於能力或智慧，而是持續付出的努力。）這就是張智威博士與他的團隊在AI醫療上的理念──堅持，直到看見成功。
註1. GPU（Graphics processing unit）：即為圖形處理器(又稱繪圖晶片)，比CPU（中央處理器）擁有多達千個小型高效率核心，能進行多重任務。提升運算、成像和電腦視覺、分析、影像等處理速度。這讓原先廣泛運用在電玩遊戲的GPU，現今被用在AI領域發展深度學習，例如自動駕駛車、打敗世界棋王的AlphaGo。
本文經授權轉載自TEDxTaoyuan，原文標題： AI醫療的未來曙光在臺灣 ── 專訪HTC研發與醫療總裁 張智威
張智威將至TEDxTaoyuan年會分享，更多詳情請至粉絲專頁查詢。
責任編輯／郭丹穎
對職涯或未來出路有些疑問，需要過來人的建議？快來提問，讓學長姐幫助你！
請關注風傳媒特別企劃「學長姐說」，也歡迎加入FB社團進行討論！
請看 FB社團-學長姐說 ！
學長姐說也歡迎讀者分享您的經驗，意者請將基本資料及文章寄至opinion@storm.mg
