2017年8月27日 星期日

科技創新(八十五):AIOT產業-深度分析科技部力推的五大AI策略

台灣在物聯網時代,人工智慧在影像辨識、語音辨識、自然語音處理、大數據趨勢分析等領域有很強的需求,達到需求,才可能發展智慧機器人,以及在物聯網的影像、聲音感測做到夠好的表現。

最近科技部部長陳良基提出打造AI生態圈的五大發展策略明,台灣政府也把預算提高,表示政府重視人工智慧的發展趨勢,對台灣未來的物聯網與人工智慧發展是個好的開端。
仔細研究五大發展策略後,筆者做了以下解析。

1.建構AI主機

物聯網裝置將會產生大量的數據,而用這些數據,利用人工智慧的深度學習方式,可以得到不錯的模型。陳良基強調建造一個能高速運算的系統,為廠商與學界提供一個不錯的人工運算能力的服務。
我聽到有些業界的朋友認為政府這樣做是「與民爭利」認為AI中心自己做就可以了,但不是所有的廠商都能建得了很貴的Fab廠,如台積電為IC設計廠商提供Fab廠,才讓台灣的IC設計廠不用花大錢自建晶圓廠。
專注於設計,才能強大。同理人工智慧軟體公司不用花大錢自建人工智慧資料分析中心,透過這個強力系統來達成人工智慧的運算能力,讓人工智慧與物聯網產品及平台的公司,專注於自身系統與產品的發展,不必因為缺乏人工智慧學習系統而受制於人。

2.打造智慧機器人基地

因應少子化與老年化的趨勢,利用工業機器人與服務機器人替代短少的人力需求是不可變的趨勢,面對這個需求,在中科及南科設立智慧機器人研究中心,打造關鍵技術,這是好的方向。
在工業機器人上,台灣的上銀科技與鴻海集團在工業機器人都有不錯的能力及產品,目前的狀況是卡在服務機器人的能力不足,例如鴻海把機器人Pepper導入台灣後,機器人Pepper仍然不夠智慧是該產品租用量不佳的主因,所以重點放在服務機器人所需的台灣式(符合台灣現狀的)中文語音辨識、視覺辨識與智慧反應(跟AlphaGo類似的強化學習,不過更進階),台灣目前也已經有很多新創在視覺辨識上努力,中文語音辨識也有一些廠商投入,不過都不是專為機器人應用所打造。
達成好的智慧機器人能力,必須有清楚的藍圖,仔細的規劃台灣需要的人工智慧軟體能力,整合業界及學界的力量。學界進一步成立新創公司,最後達成強而有力的智慧機器人及對應產品。而50家新創與4000人的培育如果有此規劃做背書,會更有意義。

3.設立AI創新研究中心

以5年為期,每年預計投入10億元,鼓勵人工智慧基礎技術、智慧醫療、金融科技、智慧製造等人才與技術研發。台灣在智慧醫療與金融科技領域,因為法律問題造成數據蒐集難度高,可能導致創新研究進展緩慢,這樣反而就可惜了。

4.半導體射月計畫

這個部份是要強化物聯網用晶片、虛擬實境/擴增實境半導體的能力,以及人工智慧專用應用晶片(ASIC,就跟Google的TPU類似的晶片),或人工智慧通用型晶片(FPGA或GPU),這跟台灣本來就強的硬體設計能力結合。
在這之中,如何做好軟硬整合,支持人工智慧的利基廠商是關鍵。這個過程涉及將軟體邏輯做成硬體,強化運算速度,讓深度學習模型的邏輯運算增快,這不是硬體廠商閉門造車就可以完成的,而是要跟客戶深入合作。在客戶發展對應軟體及訓練模型時就參與,最後完成客戶所需的快速運算晶片,讓智慧設備與機器人不用一直聯網,用雲端大量運算達成智慧能力。
這跟台灣電子廠商過去習慣的ODM模式不同,而是與客戶共創的JDM(Joint-Design Development)模式。

5.科技大擂台

這是利用比賽吸引團隊加入,以完成好的數據模型。第一波是電腦中文聽力理解為主題。其實電腦中文聽力(語音辨識+語意理解)在對岸已有很多團隊發展,也發展到不錯的程度,特別是北京微軟研究院(語意理解正確率達94.1%)、百度跟科大訊飛(語意理解正確率達97%)。
但是因為兩岸地方語音習慣與很多用語不同,對岸已經發展出來的中文聽力能力,在台灣使用準確率不高。而透過這樣的獎勵方式,以深度學習的觀點,其實是激勵大家去蒐集大量相關的語音數據,並針對它下人工智慧的功夫,只是這樣的效果是否可以達成精確辨識語音的目標,其實有待觀察,如果成功,未來甚至可以衍生到台語或客語辨識。
除了語音本身,語意理解更是另一個難處,這點如果可以跟微軟合作,用位在微軟亞洲研究院開發的微軟語意理解引擎做轉接,深度學習就不用從頭學,進展會快很多,不知道這次參加的隊伍有沒有這樣的想法跟能力。
陳良基在文中也提到目前只有圍棋有顯著的人工智慧發展,所以台灣還有機會。
不過面對中國以國家之力發展的「互聯網+」與「AI+」的產業,我認為台灣其實並不適合跟中國做同樣的東西正面對決,可以針對台灣可以比中國做得好的部分與利基(例如智慧醫療與穿戴式裝置的整合,再搭配台灣的長照2.0計畫)好好發揮,而這需要台灣發展好的人工智慧做基礎。

沒有留言:

張貼留言