科技創新（五十八）：AI+的世界，台灣要如何前進？

[人工智慧開始爆發 可是台灣的能量不在產業界]

今年第一個月份，聽到的一堆科技消息都跟人工智慧有關，首先是AlphaGo以Master之名狂電各國圍棋大師，而CES的焦點都在無人車跟Amazon Echo的人工助理Alexa，就連中國的阿里巴巴，都出了份報告告訴大家，世界將從互聯網＋，變成AI+。

我之前的文章提到台灣長期忽視軟體產業，所以當全世界都在熱衷人工智慧的時候，台灣的產業界幾乎是缺席的，只有少數人才。但是在經過這一段時間的參與「資料科學年會」的相關活動，也讀了物聯網關於互聯醫療方面的報告，我發現，台灣其實學界有很大的能量，所有的相關科技專案計畫，都是在學界。

[現在人工智慧學習進入門檻較低]

之前許毓仁立委談到他想讓台灣透過教育強化人工智慧方面的能力，我那時很擔心來不及，但經過這半年的重新學習，發現Google、Amazon等大咖先後釋出人工智慧學習平台（如Google的Tensorflow)及已經學習到一個程度的模型，讓人工智慧的初學者只要透過這些工具學習障礙降低，而資料科學年會的課程，讓在工作的人可以透過這一系列課程打好基礎。像我雖然研究所念的是人工智慧，那時候也學到了深度學習的基礎的類神經網路，但是面對後來機器學習與深度學習的發展，我也是選擇了去上好幾堂資料科學年會的課程去強化自己這方面的知識與能力。

[人工智慧雖然門檻低多了 但要做到物聯網的大數據分析還不夠]

可是，對台灣的產業界，這樣就來得及嗎？這樣就夠了嗎？

我必須說，這樣還是不夠。Google Tensorflow等平台畢竟是較簡易的入門用的方式：針對影像、聲音在單一種數據上的辨識與學習上是夠的，但是真正要達到在物聯網在大數據上各種數據的整合，這樣的平台是不夠的。台灣現在產業界要發展，派員工去學習一定來不及，我認為一開始最好的方式還是跟學界合作，在自己公司想進軍的領域，找到適當可合作的專精教授。也還好有資料科學年會的耕耘，讓台灣這方面產業界的人才開始增加，在上課的同時，也可以藉此機會了解授課教授的專長。

[跟學界合作 培養人才 方是上策]

雖然說人工智慧今年爆發，但是這畢竟不是一門容易的科學，需要多年耕耘才有成果，不過如果不想耕耘，只想挖產業界的人才，這樣的公司可能要失望了，因為台灣這樣的人才嚴重不足。因應這樣的趨勢，趕快去跟學界合作，同時培養相關人才，這樣的公司才有機會。

[結論]

1.透過Google、Amazon等大咖釋出的人工智慧平台可以降低學習門檻。

2.台灣的資料科學年會的學習課程可以幫助在職人士很快學習。

3.想要讓公司趕快做出具備人工智慧的系統，最好是跟學界合作。