全球AI大戲 台灣要有贏的策略

　AI（人工智慧）的浪潮正在席捲全世界，但是與過去的硬體製造與軟體開發不完全相同的是，AI的特點在於如何教會機器、以類似人的方式去思考，而且更重要的一點是，AI的範疇實在太過於廣泛，花再多時間也不可能一一涵蓋，因此找到自己可以發展的AI領域，透過有系統的架構分析、去蕪存菁，才有辦法理出還值得我們急起直追、努力投入資源的目標。

　年輕人求教於年老的智者：「如何才能成功？」老人：「成功來自於好的判斷力。」

　「如何培養好的判斷力？」年輕人問。老人：「好的判斷力需要經驗」。「

　那麼經驗要從何而來？」年輕人追問。老人沉吟：「來自錯誤的判斷......」這個源自西方的老笑話，其實某種程度也大概說明了AI的本質與問題。

　判斷這件事，正是AI的關鍵。去年一名歐美攝影師在IG上PO出一張照片，沒想到意外地收到了很多代表按讚的「愛心」，他相當不解，為何一張收割機在夜間燈光下收割棉花田的照片，會得到如此多人的喜愛？後來真相大白，原來多數人都以為他PO的是一張熱門演唱會的照片，因為上頭有燈光、大型機具，下面還有圓型的一顆顆人頭（其實是棉花），如果只是驚鴻一瞥地猛一看，多數人都會被搞混。如果這件事情用於AI的發展，訓練機器看懂照片或是辨識物體，本身就是一個艱苦而漫長的訓練（Training）。

　以此來看，如何在我們身邊，找到自己熟悉的產業或是掌握度高的事物，去思索在其中發展AI的空間，理論上成功機率會是比較大的。例如，台灣有全民健保、累積了一大堆資料，如果這些資料可以被取用，那麼用以發展預防式AI醫療裝置，可能就有一點空間。另外，台灣人可能不見得很會「創造」，卻很懂「製造」，電子業代工了這麼些年，總有些只有內行人才知道的「眉角」，對於AI用於製造大有幫助。

　不過目前為止，我們的產業扶植策略，似乎還有點發散。鼓勵是很多，但該在何時收斂卻有點模糊。就以汽車製造來舉例，A組團隊發展的是小汽車引擎，B組則是專攻大卡車變速箱，C組強項是超跑的車體製造，D組則是越野車的輪胎專家。如果這樣整合起來，那不知道可以變出一部什麼東西？鼓勵發展當然是好事，但要有贏的策略，萬箭齊發弄不好會變成亂槍打鳥，那就不太好了。