主页 > J派生活 >台湾在物联网时代的转型,从 AI 人工智慧谈起 >

台湾在物联网时代的转型,从 AI 人工智慧谈起

2020-06-24 | 浏览: 7391
台湾在物联网时代的转型,从 AI 人工智慧谈起

2017 年稍早,中国阿里巴巴跟蚂蚁金服的创办人马云才对世界宣告,接下来是「互联网 +」进入「AI +」的时代,各种相关人工智慧新闻在这几年与日俱增,也早已标誌着人工智慧的未来已势不可挡。近期最受人瞩目的消息,当属 Google 子公司 DeepMind 推出 AlphaGo,在 2016 年的围棋对弈中以四比一击败南韩棋王李世乭;到了 2017 年初,更以 Master 之名在网路围棋上横扫各国高手。过去人们认为机器不可能赶上人类的领域,竟然被 AlphaGo 称霸,让人们不得不正视人工智慧的重要性及随之而来的影响。

物联网无所不包,AI 人工智慧亦然

其实,人工智慧发展到今日并非一蹴可及。早在上个世纪 1950 年,着名的英国密码学家图灵(Alan Turing)就提出了「图灵测试」:看机器能不能让人无法辨别隔壁房间里回答问题的是人类还是电脑。而西元 1956 年,人工智慧之父约翰‧麦卡锡(John McCarthy)也提出人工智慧三大概念「感测、认知、移动」,开启了人工智慧研究的第一阶段。但由于研究方法及应用领域的诸多侷限,人工智慧的整体进展十分缓慢,直到 1997 年 IBM 深蓝电脑用西洋棋战胜人类棋王,再度吸引世人的注意力。

进入 21 世纪,人工智慧的研发力道才又持续增长。2004 年美国国防高等研究计划署(DARPA)在内华达州沙漠开始举办自驾车竞赛,促使 Google 从 2009 年启动自驾车专案计画。Google 与史丹佛教授吴恩达(Andrew Ng)合作的 Google 大脑计画,于 2012 年成功从大量 Youtube 影片中识别出一千多万张有猫的数位影像。

同一年间,IBM Watson 超级电脑在美国的问答节目竞赛「危险边缘」(Jeopardy!)打败了两大人类常胜冠军。此外,2012 年苹果公司开始在 iPhone 等装置上推出云端人工智慧 Siri,Google 也在2012 年中于 Android OS 上推出 Google Now,人工智慧更深入日常生活应用中。

至于令人惊豔的 AlphaGo,它的成功是靠着从 2006 年开始发展的深度学习网路(深度学习是执行机器学习的技术,而机器学习又是达到人工智慧的方法之一)。利用类神经网路的原理,透过大量资料训练学习,可以建立出最适合收集数据、预测与观察异常的人工智慧模式。当然,这也有赖电脑的绝佳运算能力,以及多台彼此合作的强大系统,让利用大量运算而找出模式不再困难。

AI 人工智慧如何应用在物联网

目前物联网各个类别,往往被称为「智慧 XX」(如智慧家庭、智慧城市等)。按照物联网系统的基本的「感测层」、「网路层」、「应用层」三层架构,所谓「智慧」的成分,主要存在于网路层传输后储存资料的云端伺服器:透过运用人工智慧的机器学习和大数据提供服务,让消费者拥有良好体验。

近期人工智慧在物联网的应用,已有许多惊艳成果。2014 年,全世界第一个懂得识别人类情绪的超萌机器人 Pepper 登场,可以跟人类聊天。2015 年,Google 展示首次由盲人完成在公共道路上驾驶的自驾车,震惊各大车厂,纷纷跟进宣布自驾车计画。同年,中国大疆无人机在农田里协助喷洒农药;而电商巨擘亚马逊也展示自家的送货无人机原型,并于 2016 年在英国展开无人机送货服务。另外,亚马逊在 2015 年开始贩卖的 Echo 喇叭,内建直觉好用的人工智慧 Alexa,让 Echo 到 2017 年初已卖出超过五百万台,很多大厂亦抢着跟亚马逊合作。亚马逊也因此领先 Google、苹果公司,成为智慧家庭的现任霸主。

台湾在物联网时代的转型,从 AI 人工智慧谈起

Amazon Echo。

上述例子,都是用人工智慧的机器学习协助达成。而针对人工智慧在物联网上的运用,我们可以归纳成以下六大方式:

    影像辨识分析。例如:

2. 声音辨识分析。例如:

3. 自然语言处理。例如:

4. 大数据─利用各种资料整合,正确判断出趋势。例如:

5. 透过各种资料的整合深度学习,提高判断正确率。例如:

6. 主动做出决策并行动。例如:

人工智慧的机器学习十分重要,不只是系统的大脑,更是强化感测器能力的支柱,因此机器学习在未来物联网世界将扮演非常重要的角色。

台湾在物联网时代的转型,从 AI 人工智慧谈起

Pepper。

投入机器学习是发展 AI 的必经之路

但是机器学习对开发者而言,从零开始是相当困难的,因此不只早先的开放原始码社群,从 2015 年起各大厂商也开始释出关于机器学习的开放原始码:包含 Google 的 TensorFlow 系统、中国百度的 PaddlePaddle 系统、三星的 VELES 系统、Facebook 的 Torchnet 框架及 Caffe2 框架、微软的 LightGBM 框架与 DMTK / CNTK 工具包、Intel 基于 Apache Spark 的 BigDL 工具库、亚马逊的 DSSTNE 工具,以及亚马逊 AWS 强力支援的 MXNet 框架。这些举动很明显的是要争取开发者社群合作,希望藉由社群共创,强化企业本身的机器学习能力,找出更多的可能商机与应用。

另外,机器学习需要大量资料,如果是标记好的资料更能省下大量时间,所以 Google 在 2016 年 10 月又开放了跟卡内基美隆大学与康乃尔大学建置的 Open Images 资料库 ,提供 900 组由电脑、人工修正标记资料的图形资料库,及总长度时间超过 50 万小时的 800 万组影片资料库 YouTube8-M(一样由电脑、人工方式预先标记好)。透过这些资料,投入深度学习者不但可以很快上手,而且能专注强化自己想做的部分,不会被一些基本琐事卡住。

在这些协助机器学习的工具中,TensorFlow 是到目前为止最受欢迎的。Google 从 2012 年设计了一款专用运算晶片 TPU(TensorFlow Processing Unit),于去年完成,并宣称这款 TPU 比 Intel 的 Haswell CPU 及 NVIDIA 的 K80 GPU 快 15~30 倍, 引起轩然大波,导致 NVIDIA 的 CEO 黄仁勋亲上火线,说明自家最新产品 P40 GPU 是 TPU 速度的 2 倍,频宽则大 10 倍。其实 Google 的声明,加上雇用创办「ImageNet 大型视觉识别挑战赛」的史丹佛教授李飞飞,以及打算收购最大的资料科学家、机器学习开发者社群 Kaggle,可看出 Google 意图让机器学习开发者社群知道它在这方面的用心。

台湾在物联网时代的转型,从 AI 人工智慧谈起

Google TPU。

人工智慧运算需要快速适合的硬体,在 2012 年的 ImageNet 大型视觉识别挑战赛中,多伦多大学的 Alex Krizhevsky 使用 2 片 NVIDIA 的 GPU 及自己创建的 AlexNet 深度学习模型,不但大为提升视觉辨识準确率,更将原来 CPU 需要 40 天的运算缩减到只需 3 天,一举得到当年的冠军,让大家认识到 GPU 是深度学习大量运算的好帮手,这也让 NVIDIA 发现机会,最后将 GPU 导入百度、Google、Facebook、微软等人工智慧巨头做机器学习运算。

而 Intel 也为了强化自己这方面的能力,先后在 2015 以及 2016 年买下 Altera 与 Nervana System,接下来準备用自己设计的专用晶片出击,在人工智慧领域挑战 NVIDIA。

来到自驾车领域,NVIDIA 更是积极切入。2016 年 Tesla 电动车在美国出了自驾车死亡车祸后, 它便取代了以色列 ADAS(先进驾驶辅助系统) 着名开发商 Mobileye,成为 Tesla 半自动驾驶方案的提供者。由于自驾车的未来商机很大,让很多大公司也纷纷抢进。Intel 在 2017 年初花了 153 亿美金买下Mobileye;高通 Qualcomm 在 2016 年初,也为了能强化车用晶片领域,收购布局自动驾驶一段时间的恩智浦半导体公司(NXP Semiconductors);而三星也买下了美国车用电子公司哈曼(Harman),并且早在 2015 年底就已展开自动驾驶的研究。

台湾在物联网时代的转型,从 AI 人工智慧谈起

NVIDIA P40。

台厂需摆脱硬体思维,着重建立物联网生态系

从上述世界级企业的大动作,再再都说明人工智慧将主导物联网时代的服务。可惜的是,很多台湾製造业公司的老闆仍旧只有硬体思维,希望可以卖大量生产的物联网相关产品出去。然而物联网是一个系统,人工智慧与大数据,让提供客户个性化需求的服务变得容易,少量多样的客製化是必然趋势。也就是说,在物联网时代,要考量自家产品在整个价值链与生态系扮演的角色, 结合其他伙伴(尤其是人工智慧),才有成功机会。只想以一家公司提供的产品做好物联网的垂直整合,又受消费者欢迎,是非常不容易的事。从全球人工智慧领域的前几名大厂 IBM、Google、微软、腾讯、阿里巴巴、百度、Facebook 跟亚马逊等,在硬体方面都不会插手太多,而是以买公司或找伙伴合作可知一二。

台厂过去习惯用大量生产、微薄利润来赚钱, 但红色供应链崛起,早已大为侵蚀台厂版图,代工与纯硬体思维的商业模式到了物联网时代也不再适用,必须改变才能存活。而因为选择变多, 必须提供更好的使用体验,客户才愿意掏钱,这在 B2C 面对一般消费者的时候特别明显,连带对 B2B2C 的影响也越来越大,一旦忽略,公司就可能会因订单大减而覆亡。

也就是说,在物联网时代,有价值的产品+ 服务的商业模式,必然得在价值链+生态系中占有一席之地,当中人工智慧更是决定服务优劣的核心。现在台湾学界在人工智慧研究的能量有一定水準,政府也打算朝这方面强化,虽然台湾产业界在人工智慧上的能力比起中美相对弱势许多, 但若找到学界或大厂一起合作发展,就能在物联网时代共创美好未来。

上一篇: 下一篇:

推荐: