應用在手機上，透過學習使用者的 App 使用來做到最佳化電力使用，而且根據使用者習慣自動顯示該時段常用 App。
應用在 Google Map，結合電腦視覺辨識和 AR，直接把路線、路標與實景結合，除了幫你找路外，還可以用 AI 根據使用者評價建議適合使用者的店家。
在 Google Lens 上，讓相機執行即拍即搜；而其中最令人驚豔的是 Google Assistant 可以直接打電話預約剪髮、預約餐廳，預約過程會像人一樣對話；而 Google News 更會根據使用者平常閱讀的新聞內容，理出使用者的立場，找出立場之外的新聞及影片，避免偏頗，但是替使用者決定要看的內容。
Google 人工智慧這些新能力，符合人類希望越來越方便的需求，但卻是由得到人類談話數據或指令後由機器做決定。而這些數據現在都傳到雲端。也就是說 Google 擁有你的數據，掌控你的數據，然後為了讓你更方便，替你做決定。
無獨有偶，微軟 Build2018 開發者大會也在上周，而其中揭示的未來辦公室，將以一款結合 AI、臉部辨識、聲音辨識的裝置，上面佈滿 360 度攝影鏡頭以及麥克風陣列，達成可以翻譯、紀錄，還可以分辨談話內容中的意見並採取行動：例如，從語音中分析到之後要另外開會時，AI 會比對與會者的日曆空檔、預約會議時間及會議室，並在自家的軟體 Microsoft Teams 發出提醒通知。這也是另一個收集數據，以方便為理由，讓 AI 替消費者做決定的系統，不過場景是侷限在會議室。
加上之前 AWS「AIoT 數位轉型」製造高峰論壇在台灣展示了 Alexa for Business，讓使用者在辦公室中可以做到使用 Alexa 來控制設備，通知 IT 人員器材損壞，或是購買辦公用品…等等功能，當然，所有的消費者相關溝通數據存在雲端。
Google 是惡名昭彰地將使用者數據用來學習，強化人工智慧能力，而微軟和亞馬遜都說現在沒有使用消費者對設備的溝通數據，可是，這是他們說的，而且也只是現在。
為了方便，我們真的要交出自己的隱私權嗎？雖然系統整合得很好，但是太多私人數據都被儲存在這些人工智慧大咖公司的雲端資料庫中，這樣風險真的太高了。尤其是公司內的數據，有太多的公司特有機密，怎麼可能為了方便，就這樣放在公有雲上？
隨著人工智慧系統的越來越方便，解決隱私與機密問題的迫切性也越大；而要解決這樣的問題，就得搭配人工智慧邊緣運算（Edge computing）的晶片或系統，強化私有雲或終端設備，讓機密數據不會上傳到公有雲。
現在也許因為 Google、微軟、AWS 提供的這些功能還太新，系統學習的模型在數據不太多時還沒有很好的表現，因此必須連網以收集數據。但是到資料足夠，人工智慧模型有不錯的表現時，將模型改成邊緣運算的晶片或系統，將是很大商機；邊緣運算的晶片組可選用 FPGA，利用其可遠端升級的方式，將晶片組中的人工智慧推論引擎在之後升級到最新版本，以持續提升系統表現。
沒有留言:
張貼留言