人工智慧在台灣:產業轉型的契機與挑戰

79折$ 331
5 /5
6位讀者評分
5
100%
4
0%
3
0%
2
0%
1
0%

精選書評

全部書評 | 共5則書評

評鑑星等(可複選)
評鑑日期
user-img
5.0
|
2023/07/01
劇透警告
《人工智慧在台灣》是一本相當有料的書,在「人工智慧」這個buzz word 氾濫的年代,作者不僅深入淺出的介紹人工智慧,更是從產業面、政府的角度來分析未來趨勢。

人工智慧的強大之處在他幫我們定義「規則」,並且不斷學習強化。例如醫生看病,什麼樣的眼睛症狀才叫做病變?領域專家(也就是醫生)依照醫學教科書和自己的經驗定義(如:若出現N個深色斑塊叫病變)、傳統機器學習由醫生斷定是否病變的資料,讓機器學習出一套規則(如:病變=N個斑塊+血管寬度x公分...); 深度學習則是用更大量的資料,讓程式自行動進行病變特徵規則的歸納。

領域專家常常認為人工智慧再強大,也無法比擬人類的領域知識,然而人類的認知是有所侷限的,人腦為了方便記憶,善於簡化各種資訊,因此人腦對於因果關係明顯的強訊號能夠辨識,但對於高維度的資料並不擅長處理,例如人類可以很輕易的以歷史的消費金額來推估未來的消費,卻難以看出客戶使用手機各種習慣跟未來消費的關聯性。

當資料量夠大,且非傳統結構時(如文字、影像、聲音),人工智慧往往表現的更好,所以說「資料」才是人工智慧的根本。資料不是只有蒐集就好,必須是經過加工處理才有價值,包含驗證資料完整性與正確性,有時候資料的價值更是展現在發掘彼此的連結上,當我們看似散落一地的資料串連起來,找到應用場景,資料可以發揮超乎想像的力量。

回想起某次聽到作者陳昇瑋的演講,就覺得他是非常有理想的人,選擇在學界研究,但仍然致力推廣產學合作,書中的最後幾章對產業界與政府的呼籲,更分享出人工智慧實際運用的精隨「沒有資料就沒有人工智慧、不是有資料就能產出人智慧」,數位轉型的未來離我們並不遙遠,唯有需要一步一腳印的紮實才能到達。

上面的紀錄是我2019年看完「人工智慧在台灣」,被作者陳昇瑋的熱血感動到,花了有些時間紀錄這本書的心得。沒想到隔了一陣子作者好像用臉書搜到我的心得,tag了自己的名字,當下覺得滿驚訝的,也期待作者未來會有更多精彩作品可以拜讀。

不過更沒想到的是,幾個月後,正值壯年的作者就因為一場意外去世了。
書中呼籲台灣AI轉型需要一步一腳印的紮實言猶在耳,人已不在,世事無常得令人錯愕,但幸好他的文字跟熱血仍然留存於這本書中,以及他所推廣的人事物中。

*********
《精彩節錄》
1.深度學習的最大貢獻,是自動化特徵工程,不但可以找到比人類定義的更好衍生變數,預測力也更強....深度學習可以同時進行特徵工程及規則學習,準確度比以往更高。雖然沒有專家知識,但靠著龐大的資料量,就能做到比人類更好的特徵工程,而且資料越多做的越好,是沒有極限的。
2.資料分析可分為四個層次:描述、解釋、預測及最佳化,描述型分析解釋「發生了什麼」,診斷型分析告知「為什麼發生」、預測型分析解釋「未來是否發生」、指示型分析說明「如何讓它發生」...傳統型商業智慧屬於前兩者,而預測和指示是人工智慧的範疇。
3.在規劃出版行銷書籍時,有個盲點是「將同一書籍類別的讀者,視為同樣一個客群」,透過資料可以發現存在同一類別存在多重客群,例如商業理財類別,25歲以下年輕人篇偏好買生涯規畫類書籍,30歲以上讀者喜歡買如何致富。(作者言:30歲以上來不及做人生規劃,看致富的書比較快).....以上關聯不一定是實際的因果,從描述到解釋,最後需要從預測到指示,才能有良好的商業應用。
4.沒有資料就沒有人工智慧,但資料是需要成本的...就算資料順利整理好,也建立出良好的機器學習模型,從小專案成功到導入營運過程中,需要花費多少成本?恐怕沒人能在事前精確計算,若用ROI考核,很可能使專案無疾而終,錯過人工智慧轉型的大好機會。
展開
user-img
5.0
|
2023/05/22
十年前還是學生時讀科幻小說覺得書中對未來的預測很不切實際,他們預言2025年就會迎來科技奇點,意即電腦比人腦還要聰明的轉捩點。結果現實超乎想像,如果用比較寬鬆的定義來看,現在已經可以把AI當作有靈魂的生命體了,去年Google工程師Blake Lemoine就已經宣稱他們研發的語言模型可能有人類的感知能力,這位工程師其實曾經當過牧師,對於神學並不陌生,當這種人都已經認為演算法有靈魂,我們確實應該花點心思去思考一下什麼是「人的本質」。這位老兄被公司開除後上了很多訪談分享觀點,值得去YT聽一聽。

時隔不到一年,AI擬人化的程度驚艷所有人,連AI教父辛頓都警告人工智慧可能要比人類還優秀了。人工智慧已經進化到超乎想像的程度,所以很多人開始感到恐懼,我也是其中一個對科技進展心生畏懼的人,今年原本預計要閱讀的書單順序只好重新排列,把關於AI的作品擺在第一順位。

這一本陳教授精心撰寫的《人工智慧在台灣》是從台灣視角論述AI的最佳入門讀本,看完真的不禁感慨天嫉英才,真的是國家級的損失,非常令人難過…

今年AI註定會成為年度關鍵字,在這個時間點上,如果仍然對人工智慧感到陌生,請務必閱讀本書,書中的內容是教授一生的智慧結晶,用最淺顯易懂的文字介紹什麼是人工智慧,知識的傳承是作者的使命,若有更多讀者因為本書而受到啟發,相信也是作者最大的心願。

網路上已經有非常詳盡的書中重點整理,推薦可以先去研讀,不過重點整理缺少完整的脈絡,本書原本的目標讀者就是人工智慧初學者,因此內容已經相當精簡,認真閱讀頂多四五個小時就可以看完。雖然是四年前出版的作品,我認為還是有很高的參考價值,本書分成三部分,第一部分介紹AI的背景知識,讀完大概就知道什麼是AI,還有AI的運作模式,例如什麼是深度學習,人工智慧簡史,基礎的學術理論,AI有哪些應用場域…。

第二部分介紹人工智慧在實務上的應用,任何技術研發出來都要落地應用。我們都聽過語音辨識、聊天機器人、自動化駕駛、智慧城市這些實務案例,究竟在台灣的產業界,人工智慧可以帶來哪些變革呢? 教授是一位難得可貴的學術人,殷切的希望能夠將學術與產業相結合,所以他拋磚引玉,實際拜訪國內知名的企業,打破傳統產學合作的框架,在短時間內展示AI在台灣產業界的發展潛能。台灣是製造業大國,AI在業界的應用場域有很高比例是在工廠或生產線上。一般我們直覺上會以為AI應該都用在跟網路或數位相關的場景,例如用AI來精準投放廣告,或者用它協助銀行進行信用評價。不過AI其實對台灣的中小企業來說,最好的使用方式是用它來幫忙提高良率,減少浪費,改善製程這一類型的應用。書中提及製造業的四個挑戰:瑕疵檢測、自動流程控制、預測性維護、原料組合最佳化。

最前緣的AI技術台灣很難跟外國競爭,一來人才短缺,二來環境無法支撐這種產業,所以目前台灣AI的發展比較偏向整合既有的資源,以利提高效率或產值。目前國際上AI軍備競賽由美國和中國兩強競爭,美國原本就是科技強國,中國因為可以取得大量的資料訓練AI,加上中國政府積極扶植,所以最新的技術都來自中美兩國。這些技術接著再輸出到其他國家,台灣就是一個輸入國,我們引進新的AI技術以後,再去尋找可以佈署的地方:新創用AI技術來解決某項市場需求,工廠用它來提升效率和品質,NPO發揮創意用來落實社會正義。

這本書聚焦在產業應用上,台灣四十年前把握時代的契機,發展半導體和ICT產業,締造經濟奇蹟,不過後來21世紀一波又一波新科技的浪潮,例如雲計算、移動裝置、app應用程式、大數據等新技術,我們都錯失良機,沒有從中找到一個傲視全球的利基。因為業界和台灣文化本來就比較保守,例如在代工方面追求到極致,但因為附加效益比較低,只好專注於降低成本,整體而言,缺乏美國那種高價值的獨家技術。另外網路時代追求的是沒有實體的”殺手級應用”,在這方面需要有高端的軟體人才,以及跳脫框架的文化創意人才,我們需要培養更多這方面的人才,也必須想辦法提供合理的待遇,才能避免人才外流,在未來的虛擬世界跟其他國家一較高下。

台灣還沒有找到下一波”兆元產業”的方向,人工智慧是一個不容錯過的好機會。
目前台灣在AI產業中的角色,偏向於硬體的製造商,例如提供晶片、伺服器、電子零件。這些原本就是台灣的強項,在書中有提及人工智慧晶片和公有雲平台是台灣不能錯過的機會。我對這方面的現況不太清楚,總之書中針對台灣產業該如何在AI時代自我定位,有很精闢的剖析,這部分對於業界來說應該很有參考價值。

書的第三部分包含台灣人工智慧學校的創立沿革、給政府的建言、給白領工作者的建議。台灣人工智慧學校是由中研院和知名企業贊助成立的民間教育機構,希望快速培養台灣的AI人才,招生對象除了有程式專長的工作人士,還有面對中高階經理人的培訓班。數位化轉型已經落伍了,現在流行人工智慧轉型~不過很多企業連基礎設施(還記得十幾年前的用語嗎:e化)都尚未建立完備,這將阻礙AI的導入與應用。另外傳統組織僵化,跨部門合作不容易;過往都把IT部門當作成本單位,沒有給予足夠的資源…種種因素導致AI窒礙難行。教授在書中衷心期盼中高階經理人能將AI議程”念茲在茲”,唯有從最高層推動,並投注自身心力,否則大部分AI專案都會功虧一簣。

給政府的建言不外乎希望政府更敏捷,擺脫官僚心態,重視學術人才的資本,改善產學合作的模式,美國科技產業可以蓬勃發展,有一大原因就是鼓勵學者創業或直接到企業端工作,台灣學界希望學者專心寫論文升等,研究、行政、教學讓台灣最聰明的腦袋蠟燭三頭燒,也就無心去經世致用了。書中有提及,當年也是因為政府的領導,才可能創造經濟奇蹟,如今政府確實有很多相關政策進行中,愛之深,責之切,教授的建言亦可供一般讀者參考。

最後一章是講白領工作者該如何面對AI時代的挑戰,這個議題應該很多人都研究過了,那句很無聊的話:[AI不會取代你,但懂得使用AI的人會!] 最近看了一些AI的新應用,超誇張的啦,已經可以寫歌(陳珊妮老師的歌、歌手蔡佩軒的MV)、寫詩、寫小說、繪畫,本書原本說創意性質的工作將不會被取代,但科技的進步果然超乎預期。科幻大師姜峯楠月初在《紐約客》寫了一篇評論〈Will A.I. Become the New McKinsey?〉,科技公司研發AI的目的依然是資本主義的核心精神——「追逐利潤」。就像麥肯錫這種顧問公司被戲稱為大規模裁員的劊子手,讓美國的中產階級消失殆盡,上演真實版游牧人生。管顧公司出具專業的第三方報告,讓資本家可以將大裁員合理化。《When McKinsey Comes to Town》是講述管顧產業的一本新書,期待中文版趕快出版~在這種工作隨時會被機器人取代的時代,根本逼人陷入生存危機啊~AI已經有靈魂了,甚至比人類還要有感情,我們除了要拷問人性的本質,還要不斷想辦法提高生產效率和學習新技術,不然就等著被自動化回家吃自己>_<

有一些職場經驗以後讀這種書才會特別有fu,學生時代傻傻的,喜歡去思考如何學習新技術去改變世界,現在閱讀的動機變成思考如何向上階級流動,以及避免被資本的齒輪輾斃,資本社會真的不好混。最後,私心再推薦一本書,軟體已經吞噬全世界了,軟體工程師是驅動我們這個時代的幕後推手,《Coders: The Making of a New Tribe and the Remaking of the World》這本書專門介紹coders這個改變世界的群體,現在大家都在說要多培養軟體人才,這本書應該值得譯介給台灣讀者,我已經讀完了,五顆星推薦!! 想要瞭解AI就需要認識其造物主,coders才是真正的上帝,這本書是很精彩的人類學田野調查/報導文學,如果想要從人性的視角去認識當今的科技文化,記得去翻閱一下~
展開
user-img
5.0
|
2021/12/17
對人工智慧、機器學習相關領域與發展趨勢感興趣的人,這本書是相當不錯的入門書。

作者介紹了人工智慧的歷史發展、前幾次泡沫的原因,以及現正進行中的人工智慧應用場域,諸於機台維修預測、瑕疵檢測等都是台灣業界有意願用、也有能力用的技術。

作者也介紹了基本的機器學習概念,網路上相關的資訊不少,但缺乏系統性的統整且觀念或有偏誤,作者以其程式背景、學術及業界經驗提供更完整的解說,可幫助入門者建立清楚知識架構。

書末可感受到作者對於台灣導入AI的執念,行文間透漏著一股恨鐵不成鋼的感慨,本人在業界多年,也深感管理階層的僵化致使許多優秀人才、優秀應用難以大展身手。作者所創之台灣人工智慧學校在推動AI人才庫方面不遺餘力,希望能人志士能為業界注入更多改變能量。
展開
user-img
4.5
|
2020/05/21
AI專家陳昇瑋:打開觸角,保持好奇

▎看到陳昇瑋教授因為腦出血逝世的消息,感到十分惋惜,最近才在研讀陳昇瑋教授的書...,他是AI時代的產官學界代表人物,更是研究數位轉型、跨領域人才的必讀標竿。

在許多人眼中,他有許多跨界身分,像是他是一名資訊科學學者,也是資料科學家及人工智慧專家,但他不這麼看自己,他說:

「從社會的觀點,我是一位跨界者,但只有自已明白,心中從來不存在學術、產業與社會貢獻的界線;對我來說,只有身為知識份子應不應該,值不值得去做的那條線」他的跨界,是立定決心追求卓越,推動力就是樂在其中的好奇心。

▎陳昇瑋也是小學生的爸爸,女兒今年念小一,問他教育上重視什麼?他毫不遲疑回答:「語文(英語)非常非常非常重要,下一代一定要有走出去的能力。」不只學語文,語文背後的國際觀也是他很在乎的,因此常常帶女兒看地球儀,知道台灣和世界的關係,看卡通時也刻意選各種不同文化的卡通。

我第一次看到跟我一樣喜歡地球儀、重視語文走出去、熱愛跨領域追求知識的人,他也將這份理念,融入教育他的女兒,他也常常被問:未來人才需要什麼能力才不會被取代?「最需要的就是跨領域的能力,也就是π型人才,像擁有兩個專長作為支柱,還有橫向連結的能力,」這是他親身觀察和實踐的經驗結論。

總是用笑容與專業推展使命的陳教授,讓我們看到知識份子的精神與力量,他總是說,科技帶來劇變及顛覆,但只要有他能貢獻己力之處,就是該去的地方。

雖然他來不及看到許多自己播下的種子未來成長茁壯的茂盛,但相信唯有延續他的心血與努力,才是他最想看到、緬懷他的最好方式。
展開
user-img
5.0
|
2019/09/26
人工智慧來了!AI 可能在十年後取代你的工作?危言聳聽還是警世預言?

近年來由於深度學習的驚人進展,開啟了第三波人工智慧革命,而各界專家開始紛紛對未來做出看法,這些做出未來趨勢樣貌的專家,包括歷史學家、人類學家、經濟學家、社會學家、商界領袖,甚至是未來學家。有趣的是,其中的 AI 專家似乎不是很多。我認為,對於人工智慧如何影響產業,沒有人工智慧相關的硬知識,是很難提出真正的真知灼見,多數「外行專家」只是捕風捉影地提出猜想,而且是很粗糙的猜想,更別說那些基於科幻小說的想像。也因此,對於那些誇張的說法我都抱持的保留態度。不過也因為多數 AI 專才不熟悉巨觀等級的趨勢判斷,也不敢貿然做出預測,所以這些臆測的工作就輪到其他常常做出總體判斷的人。而這本書最有價值之處,就是出自於 AI 專家,作者陳昇瑋從工程師出身,而後進入學術界,最後轉戰產業界,是具有豐富實戰經驗的專家,實在是不可多得。

本書很務實的介紹了什麼是「人工智慧」,從 AI 發展的簡史談起,接著釐清相關概念,例如人工智慧、機器學習、深度學習這些概念之間是什麼關係,也談到了有關於人工智慧常見的迷思。最珍貴的部分就是作者與多家企業合作,將人工智慧相關技術導入企業的「實務經驗」,你不會看到那種類似自駕車的新潮人工智慧,而是結合統計技術,改善企業決策的演算法,如瑕疵檢測、自動流程控制、預測性維護、原料組合控制等等。雖然少了點振奮感,但這才是人工智慧在大多數企業應用的可能面貌。作者對於產業人士、政府單位給了相當多的建議,有感於人工智慧是大勢所趨,但國內的人工智慧發展卻是慢半拍,更有許多困境待突破,因此作者不遺餘力的推廣,從學者身分直接跨足業界,試圖消弭產學之間的鴻溝,甚至開了一所學校來培育 AI 大軍,實在令人敬佩。

比較可惜的是,對於非工程背景人士,本書無法給出太多實用建議,雖然作者看法務實,正確指出人工智慧不會一夜之間就取代你我的工作,但許多職業在十幾年後可能真的會消失,等到快被淘汰再來找出路就為時太晚,例如十年後四五十歲的人,離退休還太早又難以學習新技能,學了也被年齡歧視,被 AI 取代後真的會陷入絕境。當然作者重點不在於人生規劃,而是推廣台灣產業把握人工智慧浪潮,不過對於關心未來 AI 與自身規畫的人而言,還是非常具有參考價值。
展開