隨縁居

伴隨著功能強大且日漸便宜的感知元件與物聯網的發展下，許多目標資料的採集可以達到即時、有效，再利用圖像識別、語音辨識，轉換為對系統有意義的資訊；同時人工智慧（Artificial Intelligence, AI）已能深度學習，應用於統計和分析，在不斷對神經元網路進行深度學習訓練下，促使AI診斷／預測能力日新月異。新世代的「人工智慧」就是基於「深度神經網路（Deep Neural Networks，簡稱DNN）」演算法的機器學習，一種模仿生物神經系統的數學模型，讓研發的程式具有自我學習的功能。

它對任何有關大數據領域的改造是顛覆性的，人工智慧的應用給了大數據所需的靈魂，而2017年正是人工智慧發展的起飛點。去年與今年谷歌旗下DeepMind開發的「AlphaGo」人工智慧系統分別打敗了南韓與中國的圍棋王，向世界展示了人工智慧系統的強大威力，也向世人宣告了人工智慧時代的來臨。

事實上，人工智慧也悄然登陸在政治領域上，許多競選上開始使用人工智慧於大數據上，例如庫西納（Jared Kushner ，川普女婿、白宮高級顧問）7月24日在國會反駁對通俄門的指控時，就透露了川普如何贏得美國總統大選的秘密。

川普贏得大選的秘密武器
在2016年美國大選時，川普競選團隊僱用劍橋分析公司（Cambridge Analytica），在它擁有超過2.2億美國選民中，收集了5,000個數據點，並使用超過100個數據變量，最後為川普競選團隊構建了大約20類投票人的地理位置密度圖。對特定地區和特定的選民進行目標分析，之後有針對性地動作。競選活動中的所有活動幾乎都由數據分析後來決定：廣告訴求、特定選民、籌款、集會的地點，甚至是演講的主題都是經過數據分析後的慎重決定。

所以川普在競選的最後4個月決定籌款後，共籌集了超過2.5億美元的資金，而這些錢主要來自眾多大多為10塊、20塊的小額捐助者，與希拉蕊的大金主有著天壤之別。這些幾百萬到上千萬的選民捐了錢後，是有效的人財兩得，他們不但會投川普的票，許多人還成了川普競選拉票的志願者 （這段情節與柯文哲競選台北市長非常相似）。

當最後密西根州和賓西法尼亞州成為大選的決戰點時，川普團隊依據最新數據庫反映出這兩州選民最有可能轉向，川普便推出了訂製電視廣告，並在這些地方舉行最後一擊的選前集會，有效地讓成千上萬的志願者敲門和打電話給選民。這些動作在競選的最後幾天內密集發生，正確而有效，不但扭轉許多關鍵州的選舉結果，也改變了所有主流媒體的預測。

習慣了做主流媒體廣告的人士尚不理解大數據的能力，至今還對大選逆轉感到不解。谷歌前CEO施密特分析後表示「還記得所有關於他們沒有錢、沒有人、沒有組織的報導嗎？」川普團隊以傳統媒體人還沒有理解的方式，成功地使用大數據，彌補了沒有錢、沒有人、沒有組織的總統競選活動，並最後獲勝。

未來人工智慧應用，將進入每一個產業
事實上，能使用大數據的人，就像在黑暗無光的夜裡，裝備著紅外線望遠鏡，可以輕易地鎖定遠距離大小目標。今天結合互聯網而成的即時大數據系統，隨著高運算速度的微晶片普及，任何系統只要創建一個跨平台、標準統一的開放分享型數據的通訊協定與界面，再加上運用人工智慧的深度學習技術，將加速各項產業的發展，最終必能廣泛運用到選舉、保險、醫療、製造、零售、家庭、農業、金融等，而全面改造我們未來的生活。又如亞馬遜（Amazon）在採用倉儲機器人之後，原來需要1,500名員工的倉庫，大幅減少為不到10名的員工進行管理。

過去科技業曾認為人工智慧（AI）在商用上並不可行，因為當時人工智慧在資源的限制下，處理資料的速度遠低於資料本身變化的速度，所以只算是學堂裡的理論，或僅適用在機器學習（Machine Learning）、大數據資料挖掘（Data Mining）等特殊領域。但現在大環境的改變下，GPU、Cloud computing 的普及，加上深度學習（Deep Learning ）的革新，讓許多原本做不到的工作，現在都輕易做得到了。

今日AI有了取代傳統的演算法，它不需等待人類給予明確的指令，便能自行從資料當中推演出演算法。只要給幾百張某個物體的圖像，人工智慧就能透過自我學習找出最有效率的方法，偵測出該物體。這其實是一種新的運算方式，不再需要人工寫程式碼，而是讓AI自己推演出程式碼。AI受惠於相關領域的快速發展，近年來已日趨成熟，特別在產業機器人、自動駕駛和語音助理平台，其他的應用範圍亦日漸廣泛。

像IBM Watson腫瘤解決方案（Watson for Oncology）在癌症治療運用人工智慧系統，已能使建議結果與醫生判斷的一致性高達96%。並將臨床篩查時間從近2個小時縮短到24分鐘，在2017年底前該技術將可用於支持至少12種癌症。

工業4.0也是建構在大數據與人工智慧上，以往統計學早已提供各種的分析原理與工具，而大數據是在現場架設各種數據的「連結器」，建立各項KPI系統，與預測未來的發展曲線，當取得數據速度愈快，就愈能修正而逼近到實際狀況，則決策速度就愈快，成效也愈提高。能匯集各種不同來源的資料，人工智慧的系統就能夠分析、達到更精準的判斷。運用大數據就像剝洋蔥，一層一層地剝開，直到發現問題為止，最後將KPI做視覺化工具，和預測模型，系統將視變化由處理進化為預防，將效率由後段逐一強化到前段。

除了在各自目標商品做開發外，谷歌、微軟以及臉書等大廠企圖主導人工智慧的「規格」與掌握「開放式發展平台」的方向，谷歌首先在2015年推出的TensorFlow開放原始碼給全球的開發者，而去年微軟推出Cognitive Toolkit（CNTK）、臉書也釋出Torchnet和Caffe2來加入戰局。中國大陸的百度、阿里巴巴、騰訊等科技巨擘，也紛紛想在這剛開始蓬勃發展的領域分一杯羹，為建構未來的新王國投入了巨額資源。所有硬體都有大量的 AI軟體應用需求，而台灣業界則開始偏重在其中尋找關鍵軟體元件的商機。

如同微軟共同創辦人比爾蓋茲7月在推特向2017年大學畢業生分享心得說，如果他今天才要展開生涯，會選擇人工智慧、能源或生物科技，我們也做好準備擁抱人工智慧的新世代吧！

)