也就是把台灣特別是跟效率有關的硬體製造、甚至其他科技產業能夠整合在一起。因為全世界有太多國家都在做創新、都朝AI發展，所以AI時代來臨，可讓各界重新去思考軟硬整合定義，並不是一定就是軟體加硬體，而是要以「軟實力乘於硬實力」。
所謂的「軟實力」，從AI的角度來看，是既有「人」的智慧，未來也有「機器」的智慧。但是什麼是機器智慧？例如Google開發人工智慧軟體AlphaGo，慢慢走出圍棋棋士所不能夠下（或不曾想到）的方法。在未來，機器甚至可能也可教機器人，更可教新進人員。
從AI加乘角度，來看AI又是如何影響民眾的生活？曾有一部老電影，描述加州理工學院的上課場景。觀眾先透過鏡頭，從教室外聽到有老師在對學生講課的聲音，然而當鏡頭轉入到教室內，卻發現到講桌上只擺錄音機，但老師人不在教室。原來老師是透過錄音機傳送在對學生講課，有趣的是，每個學生的課桌上也都放置一台錄音機在錄音。
當時這部電影已經預示現今線上教學方式及未來情報分析的情境：前端的作業可能是由AI的協助。
其實現在也開始有一些AI的機器在寫新聞稿的媒體報導出現，其對於知識的研究者和知識的傳播者都是一項挑戰，也代表人的智慧加上機器的智慧，在AI加值之下將會更為重要。從產業面向來看，AI加值在台灣產業、在製造業及服務業都是很大的面向。從AI的本質來看，基本上是模擬人，所以在服務業上，希望透過AI加值後，在工作效率上有更大價值；在製造業也希望提高生產力。
去年世界經濟論壇（有提到幾個重要對於全球經濟的議題，其中一個就是AI，大家比較認同的方向都是在於提升生產力，希望朝兩個方向走：第一、是讓過去可能需要有十個人做的事情，未來可透過AI讓機器做助手以提高生產力；另外一個是要發展很多AI創新應用。
人工智慧不是新領域，六、七十年前就有人工智慧的領域在開展，過去也歷經過多次起伏，但現在卻可以進到實際的產業化；從觀察整個產業開展的角度可以發現，有兩個非常不同產業環境。第一個是資料：現在有愈來愈多資料讓機器可以有更多經驗；還有運算，不管是運算能力晶片，或整個運算環境都跟過去大不相同。
另外，是經驗整合，去年下半年很多國際業者將平台開放，希望能把Data computation的能力放進去後，讓更多人把資料放上來做一些應用，促使更多實際的經驗來做整合。因此可預料的是，2017年接下來在Data、Computation及Experience三個面向會形成整合戰。
在AI產業生態會有三個發展方向：
第一、是「產業AI化路徑」，即使有很多產業需要可以來應用，但本身AI是否為一個產業？是否有夠好的晶片及終端設備及相關解決方案來實現？
第二、是「AI 產業化路徑」，像醫療、金融業等不同產業面向，都希望能提高生產力，能有創新的價值。另今年有一條路徑是會持續進行，就是在物聯網環境中，預料今年會有很多低成本的聯網及設備將持續出現。
有助提升員工效率、製造業生產力，十趨勢報你知…
人機互動密切 語音助理聚焦
有人說，2017年CES展最大贏家是沒參展亞馬遜（Amazon），其研發人工智慧語音助理已廣泛運用在許多裝置。
亞馬遜採用開放式架構，核心軟體放在雲端，其他廠商可以跟亞馬遜介接其Alexa語音助理服務，讓自己的產品也具有語音助理的功能。
最好的人機語音介面並非觸控螢幕或滑鼠，而是以語音、直接講話的方式最為直覺與方便。預期2017年類似亞馬遜的語音助理會更普及運用在許多終端裝置，因此將衍生音訊感測器的需求，預料今年MEMS麥克風市場會加速成長。
推AI專用晶片 降低運算成本
工研院IEK預測，人工智慧趨勢開始改變最底層的運算晶片技術方向。今年初有個網路帳號在國際網路圍棋連勝60場零敗紀錄，後來揭曉是Google人工智慧程式AlphaGo。因此許多人開始思考，更難問題是否也可透過此方式解決。
但AlphaGo最大問題是在現有硬體架構上，下一盤棋需動用數十台伺服器與數百顆處理器，消耗電量需要數千美元，非常昂貴。目前電腦是通用型運算架構，不適合人工智慧運算，預料會有更多針對人工智慧專用運算開發設計晶片。Intel、IBM或NVidia已朝此方向開發，未來運算成本會逐漸降低。
發展機器學習 強化預測分析
機器學習（Machine Learning）演算法能提供模式辨識、統計模式、資料探勘、知識發現、自我調適、自主組織與預測分析等各種應用。
其中，模式辨識是最常見的應用，如影像辨識與語音辨識是去年全球人工智慧主要研發重點。
預期今年焦點將轉向至「預測分析」。
透過個人資料數據運算，醫學上已可預測未來得到心臟病機率、甚至得心肌梗塞的時機點。
預測分析是一種資料分析技術，在機器學習的導入下，預測能力大幅提升。
價值鏈再升級 擴展生態體系
Garnter預估，至2021年每日每小時將有100萬台IoT裝置被購買，加上AI技術陸續導入，將促使IoT終端裝置升級為各種AIoT智慧機器。能做到軟硬整合、自主決策、互動如人且流暢驅動相關軟硬體的智慧機器人，將成為全球產業與市場的新寵。居家服務機器人將扮演智慧家庭中樞，娛樂休閒型機器人也開始進入商用場域。
AIoT技術正重新塑造消費性電子產品之關鍵零組件、系統組裝、軟體介面、服務設計之產業價值鏈。促使全球產業正運用開放架構或軟硬體資源，整合所有成員擴展生態體系，強化價值鏈上所有成員。
MEC技術崛起 改善用戶體驗
在物聯網趨勢帶動下，今年通訊領域使用者行為會有些變化，視訊使用頻率提高，不管是Facebook的多人線上直播或是「網紅經濟」，今年趨勢會朝滿足即時傳遞要求。
另AR/VR應用興起，電信運營商針對基礎建設不只提高頻寬，也需考量並滿足低延遲服務需求，Mobile Edge Computing （MEC）技術因應而生。
MEC技術是指應用鄰近行動用戶的無線通訊網路設備，提供IT與雲端運算資源供使用的一種技術，藉由將部分內容和儲存下移到靠近網路邊緣，可降低頻寬占用及網路延遲性，提高用戶體驗。
低功耗廣域網 將加速商業化
低功耗廣域網路技術發展迅速，產品問世促使服務加速商用化。3GPP NB-IoT去年底開始有相關的硬體平台問世，預計今年有更多產品及電信營運商加入，以提供智慧城市應用，電信營運商主導公網建置競爭，將成下階段LPWAN發展主要驅動力。發展初期面臨低功耗技術網路異質整合議題，中長期可採整合布局，效法歐洲u-blox模組，將Ingenu納入產品組合方式，整合物聯網異質網路整合平台，並整合混合雲環境的平台介接能力，以此切入LPWAN解決方案供應鏈。
5G網路先暖身 帶動設備需求
去年4G基礎建設有些遲滯，預計今年相關需求會浮現。日、韓、俄等國在2018年有重要體育賽事的試驗服務推出。
市場預期，西歐、北美、日本、南韓、中國將為5G終端第一波需求國家，整體5G商業運營時程預估2020年實現。
今年pre-5G準備商用時程更為接近，將帶動終端需求如Pre 5G Router、智慧型手機等產品需求展開，加上pre-5G與5G環境需整合許多頻段，預期在天線或RF等均有相對應更多數採用。
感測融合技術 增加自駕安全
近年來無人車及無人機等載具興起，感測器融合將是後續發展最重要的關鍵。感測器融合的創新概念就是同時間匯集「多顆」、「同類型」或「不同種類」感測器資訊，整合所有高精度的感測數據，以更準確感知車輛週邊環境。相對於現有獨立感測系統，感測器融合技術可以做出更好、更安全的車輛控制的指令。
Intel、Mobileye、BMW今年合作發表Intel Go自駕車平台，可為車輛爭取到2.5秒的關鍵時間，發生交通事故時可提高生存率。
雙R應用爆發 虛擬經濟成形
AR/VR內容應用爆發，虛擬經濟生態漸成形。
去年是硬體裝置發展年，在應用開發平台與開發者努力下，今年將是內容與應用發展的衝刺年。例如HTC開始建構應用生態圈，成立投資新創、開發工具及應用商城，吸引許多開發者開發許多應用與Vive配件。此外，AR/VR與人工智慧的結合，也被看好是新世代的虛擬世界雛型浮現。而AR/VR的發展也逐漸像真人，兩者結合將更模糊真實與虛擬世界的界線，形成全新的「虛擬經濟」體系。
區塊鏈成趨勢 擴大使用範圍
今年區塊鏈的技術，包括在食品安全與產業供應鏈等應用上，預期將有很好的發展。世界經濟論壇調查指出，2027年前區塊鏈將被廣泛應用。美國Walmart已利用區塊鏈技術管理包裝食品及中國大陸的肉品市場等。
至於台灣在區塊鏈技術市場切入點，由於具有製造業強項及食安需求，新進廠商可在應用面進一步發酵。區塊鏈技術若與AI結合應用，AI將快速運算大量資料，區塊鏈也可輔助AI技術，確保每筆資料的真實性，幫助企業做正確的判斷。
沒有留言:
張貼留言