在近幾年的科技發(fā)展議題中，除了持續(xù)強調(diào)巨量數(shù)據(jù) (big data)之外，通常也伴隨著人工智能 (AI,Artificial Intelligence)相關應用內(nèi)容發(fā)展。不過，與科幻電影中具備自我思考的人工智能相比的話，目前人類技術所打造的人工智能效能似乎還未能與其相提并論，但似乎每個科技廠商都相當看重此項技術，甚至認為將使人類生活帶來重大改變與成長。
就人工智能發(fā)展來看，最早在1953年間便開始有相關技術投入發(fā)展，而初期是利用電腦運算能力進行資料邏輯比對，在重復驗證之后得出一個最佳合適解答。而在1980年至1990年之后，人工智能的設計才開始導入機率判斷、經(jīng)濟學概念等設計，藉此處理不確定或不完整的資訊，進而從中比對更合乎“正常“的判斷結(jié)果。
不過，由于人腦運作模式仍有不少是采取直觀判斷，而這樣的直觀想法通常源自經(jīng)驗法則、直覺想法或是各類連結(jié)思考所得出結(jié)果，因此在1991年之后便開始發(fā)展所謂的類神經(jīng)網(wǎng)絡系統(tǒng)，目前也多半出現(xiàn)在Google、微軟、Facebook或百度等科技廠商設計人工智能核心框架，或是廣泛應用在用于判斷巨量數(shù)據(jù)的自動車載系統(tǒng)，以及更加復雜的廣告推播機制。
就現(xiàn)階段的人工智能技術，所能仿照人類思考模式的程度大致與4-5歲左右幼兒智商相仿，甚至無法進一步達成所謂“自我思考“能力，依然僅能針對既有數(shù)據(jù)比對、分析決定最終解答，例如近期擊敗韓國九段棋手李世石的Google人工智能系統(tǒng)“AlphaGo“，本身除了藉由類神經(jīng)網(wǎng)絡系統(tǒng)進行策略比對、價值比對等方式判斷下子方式，并不會知曉本身正處于“下棋“過程。
因此，現(xiàn)行的人工智能系統(tǒng)還無法形成科幻電影中的“天網(wǎng)“，若要構(gòu)成全面影響人類生活的情況，其實仍有相當大的差距，暫時還不用擔心是否出現(xiàn)人類遭控制等危險。
無所不在的“人工智能系統(tǒng)“
目前市場上所提及的人工智能系統(tǒng)，絕大部分與科幻電影所構(gòu)思的人工智能有相當大的差異，除了本身并不具備任何自主思考能力，甚至僅針對特定功能強化設計，例如Google在旗下網(wǎng)路服務項目Google Photos、Gmail與Google Search均導入人工智能資源，藉此分析相片內(nèi)容涵蓋物件、拍攝情境，或是透過分析郵件內(nèi)容提示下一般航班時間，甚至可自動協(xié)助回覆簡單的信件內(nèi)容。
另外，蘋果Siri、微軟Cortana與Google所打造的Google Now服務，其實背后除了藉由大量個人資料、網(wǎng)路資訊支撐，其中也包含配合人工智能系統(tǒng)協(xié)助判斷資料重要性、正確性，藉此給予使用者最佳解答，例如常見的線上機器人客服系統(tǒng)也是使用大量人工智能資源。
而在現(xiàn)實生活中，其實已經(jīng)有不少人工智能技術早已被廣泛應用，只是一般生活中根本不會與電影內(nèi)容所提及的人工智能作連結(jié)，但確實帶來許多便利體驗。
科技廠商并未計畫打造“具思考能力的電腦“
就現(xiàn)階段發(fā)展來看，Google、微軟或Facebook等廠商均未計畫打造可自我思考的人工智能系統(tǒng)，多半還是以朝向應用輔助運算定位為主，分別應用在巨量數(shù)據(jù)分析、復雜邏輯推演等內(nèi)容，進而套用在諸如影像識別、語音辨識、物件判斷等領域等服務內(nèi)容，另外諸如搜尋、廣告機制等應用則可能會同時采用復數(shù)以上的判斷系統(tǒng)，藉此對應更龐大的資料比對需求。
特別是近期越來越多廠商投入發(fā)展的物聯(lián)網(wǎng)、車聯(lián)網(wǎng)或自動駕駛系統(tǒng)研發(fā)，同時也有許多整合影像識別、語音分析應用服務陸續(xù)推出，導入人工智能作為運算輔助的設計模式也就越來越多，主要原因其實也在于許多運算必須在短短時間內(nèi)完成，而無法像過往針對所有資料進行逐一比對，導致必須花費更長時間進行演算，例如自動駕駛在判斷前方車況是否需做閃避，或是煞車等待動作情況，幾乎必須在更短時間內(nèi)做出抉擇。
因此在對應具量數(shù)據(jù)分析運算需求越來越高情況，透過處理器包辦所有運算工作的傳統(tǒng)運作模式，很快就被結(jié)合圖像運算元件 (GPU)的平行運算結(jié)構(gòu)所取代，透過GPU更高的效能表現(xiàn)協(xié)助在短時間內(nèi)完成所有運算需求，目前已經(jīng)廣泛應用在深度機器學習系統(tǒng)，藉此讓人工智能能在更短時間內(nèi)學會各項資料分析判斷，同時也能加速一般情況時的即時運算效果。
藉由整合圖像識別、深度學習驅(qū)動的類神經(jīng)網(wǎng)絡系統(tǒng)，除了能讓人工智能透過類似人腦運作方式進行判斷，相比傳統(tǒng)的資料邏輯比對明顯也縮減機器學習所需時間，例如過去需要花費一個多月進行資料比對學習的情況，結(jié)合高效能繪圖元件運算效能約可縮減至一周左右時程，在近期Nvidia所公布的“超級電腦“DGX-1效能加持之下，甚至可在2小時內(nèi)完成資料學習訓練，對于各項人工智能應用發(fā)展將帶來更快成長速度。
根據(jù)Nvidia方面看法，認為GPU推動全新電腦運算方式，而人工智能系統(tǒng)則將成為全新運算平臺，藉此帶動更多元的產(chǎn)業(yè)變化，也因此讓此項技術發(fā)展成為眾多廠商積極布局項目。
為什么要投入人工智能系統(tǒng)發(fā)展？
根據(jù)Facebook、微軟、Nvidia等科技廠商的看法，投入人工智能技術發(fā)展并非只是為了取代傳統(tǒng)產(chǎn)業(yè)，而是希望讓人腦所驅(qū)動思考運算能有更大范圍延伸，透過人工智能系統(tǒng)協(xié)助處理繁瑣、重復性高的作業(yè)項目，讓人腦能有更多于空間發(fā)揮創(chuàng)意、或是進行需要更精細的操作，雖然確實在發(fā)展過程會造成部分產(chǎn)業(yè)、人力面臨轉(zhuǎn)型，藉此驅(qū)動更明顯的科技成長。
講更簡單的話，亦即由電腦系統(tǒng)運算系統(tǒng)協(xié)助完成絕大多數(shù)的繁冗工作，工作人員本身即可將腦力、人力等資源應用在全新內(nèi)容創(chuàng)作，例如目前已經(jīng)開始有部分美國媒體開始藉由人工智能系統(tǒng)協(xié)助處理通用新聞稿內(nèi)容，讓編輯、記者能有更多時間、心力投入深度報導內(nèi)容制作，而不需要將絕大多數(shù)的時間浪費在處理例行事項。
而對于工廠產(chǎn)線而言，雖然導入結(jié)合人工智能的機器人系統(tǒng)確實影響原本人力結(jié)構(gòu)，并且造成一定程度的人員失業(yè)、被迫轉(zhuǎn)型，但事實上亦可協(xié)助工廠產(chǎn)線型態(tài)轉(zhuǎn)型，讓人力資源轉(zhuǎn)換使用效率變得更高，藉此因應瞬息變化的市場發(fā)展。
即便并非為了改變產(chǎn)業(yè)結(jié)構(gòu)、加速市場發(fā)展等因素，各廠投入人工智能技術發(fā)展最主要也是希望能讓生活變得更加簡單，同時也能因此變得更為容易。
