歡迎來到新通訊元件網站
新電子首頁 | 加入會員 | 忘記密碼 | 設為首頁 | 加入書籤 | 訂閱雜誌  
幫您技術提昇、有效降低成本最佳方法
首頁 | 有線通訊 | 無線通訊 | 車載通訊 | 關鍵零組件 | 電源管理 | 傳輸介面 | 量測儀器 | 精選影音 | 資源下載
本期目錄
各期雜誌
訂電子報
智慧移動載具趨勢與關鍵技術全剖析
2017年版物聯網創新應用開發攻略
2017年版智慧型手機/穿戴式關鍵零組件完全剖析
2017年版電子工業市場年鑑
(已全數索取完畢)2017年版兩岸電子產業採購名錄
更多
轉寄列印
老將新秀跨界搶進    人工智慧躍居科技A咖
新通訊 20176 月號 196 期《 趨勢眺望 》
文.盧佳柔
人工智慧(AI)市場百花齊放,無論是學術界或商場上的業者,皆摩拳擦掌準備在該領域大展身手。台灣半導體設計與製造業者在這場AI角力賽中,應把握開發新晶片的機會,同時網羅各方人才,以在此轉捩點奪得先機。
2017年光是在人工智慧領域的論文研究就高達兩千篇以上,以人工智慧技術為核心的新創公司也如百花齊放不斷冒出頭來。本文將探討在這如此混亂的發展情勢,台灣應如何脫穎而出,在這塊風潮上,台灣的位置又在哪裡呢? 

搶搭人工智慧順風車 台灣新晶片開發有機會 

面對智慧風潮席捲而來,各大晶片商、設備商與應用服務商皆大舉投入相關技術,期能搭上人工智慧這波浪潮起飛,創造成長高峰。當然,台灣也不應在這波趨勢下缺席,國內產業具備硬體晶片研發能量,加上AI對運算力與推理能力的需求,開發新晶片做為台灣進入AI的切入點,將有望為台灣IC產業開啟新契機。 

工研院資訊與通訊研究所所長闕志克(圖1)認為,這一波人工智慧最重要的技術在於機器學習與深度學習技術,而其中關鍵能力就是推理應用的能力。過去實現人工智慧需要由人類設計計算,透過機器學習技術可以讓電腦不停地自我學習、訓練能力,也產生出新晶片的需求,而這也是台灣的機會。 

圖1 工研院資訊與通訊研究所所長闕志克表示,台灣應該把握人工智慧這一波浪潮,積極開發新型專屬於人工智慧的晶片,創造另一波成長高峰。
闕志克進一步表示,深度神經網路(Deep Neural Network, DNN)技術須蒐集大數據資料來做訓練,其中,必定需要硬體資源的協助。以人工智慧所需的新晶片需求,可分為兩類型,第一種類型是可提供訓練用所需要的硬體,如NVIDIA的GPU可加快運算速度,一般要耗費兩星期工作天訓練得來的數值,僅在短短八小時內即可計算完成;第二種類型則為具備推論能力的硬體晶片。 

現階段,實現人工智慧的主流硬體為GPU,不過未來是否有另外一種處理架構,可更適用於人工智慧應用,是目前晶片商們正在追尋的目標。例如,Google為了進一步強化機器學習能力,已私下研發專用的張量處理器(Tensor Processing Unit, TPU),效能已達到GPU及中央處理器(CPU)的15及30倍。 

闕志克表示,人工智慧晶片需要具備更優異的效能、製程以及強而有力的研發基金做後盾,因此,有能力在台積電(TSMC)下片的廠商,皆是有可能開發AI晶片的潛力廠商。他透露,聯發科(MediaTek)現在正積極投入開發AI新晶片,主要是將DNN演算法導入現有智慧型手機技術,將視作為新的處理器架構,其概念與GPU和TPU相似。 

闕志克談到,以台灣來說,在人工智慧領域,強項在於硬體,因此有能力將人工智慧技術快速導入硬體零件。而應用部份,則可在既有廠商建立完成的DNN技術上,增加一些專屬於自己的應用或技術,快速將產品導入市場,增加競爭力。 

另一方面,在政府政策部份,科技部已爭取五十億預算推動「人工智慧」研發。闕志克表示,在科技部長陳良基大力支持下,經濟部已有三個計畫正在籌備當中,第一個計畫是聚焦於AI應用;其次,是研發AI處理器;最後,是布局AI影像辨識。這些計畫雖然將於2018年開跑,但現在相關單位皆已積極開始研發布局,相信2018年將陸續有成果展示。 

除了在技術上不斷突破,把握住既有開發能量的優勢之外,人才的培育與延攬更是不可或缺。然而台灣產業現階段卻不斷面臨科技人才流失的難題。 

AI機器人百家爭鳴  台灣人才流失嚴重 

隨著人工智慧結合機器人的商機扶搖直上,各地科技大廠無不使出全力招攬人才。就當各國開始全力網羅人才的同時,台灣卻面臨人才急速流失的險境,其根本原因不外乎國內產業環境逐漸崩壞,加上政府政策原地踏步,使得具備AI開發能力的人才紛紛出國發展。 

任何的產業政策與發展,首重人才培養,要有足夠多且優秀的人才,才有能力創造出未來需求的產品,進而成為經濟成長的動能。台大智慧機器人及自動化國際研究中心主任羅仁權(圖2)表示,機器人產業發展是可以協助國家賺取外匯的藍海產業,攸關國家未來產業發展的領域,然而現今卻一再地面臨人才外流的危機。 

圖2 台大智慧機器人及自動化國際研究中心主任羅仁權認為,機器人產業是協助國家賺取外匯的關鍵產業,如今卻面臨人才外流的窘境,政府提供穩定環境留住重要人才刻不容緩。
究其原因,羅仁權認為,主要來自於政府投資力道尚顯不足,加上台灣有能力的大企業對於AI投入較少,促使人才外流問題日益嚴重。相較於日、韓,台灣政府投資的金額是他國的十分之一不到,加上沒有秩序性地規畫這些資金的運用方式,或者推出相對應的政策方針;再者,雖然台灣各廠皆認為AI很重要,不過目前有投入AI研究的大多為新創公司,大企業反而較少投入。 

羅仁權進一步談到,提供具有AI技術專業人才一個穩定的環境,大企業的晉用人才非常重要,因此政府有必要多一些有效率的規畫,提供練習場域,才能使產業遍地開花,進而讓人才願意留在家鄉。 

羅仁權提到,機器人包含設計、結構、材料、藝術、美感、軟體、AI等技術,全球都在看這個產業,從小培養相關技術的基本能力,才能跟上AI潮流。舉例來說,美國規定從小就需要學習生物科學,這就是全國運動,對生物學有興趣就對更多領域有興趣。相同的,美國看到AI技術的重要性,就開始朝向AI技術發展。 

羅仁權表示,為了在AI機器人領域掌握先機,台灣必須要掌握大數據資料的能力,現在台灣有很多系所,像電機系、資工系,有能力掌握數據分析能力,因此,當務之急是政府現在需要增加更多的鼓勵動作,延攬人才並增加具備相關能力的學生繼續精進。 

除此之外,羅仁權指出,真正能創新的在於軟硬體整合能力,過去在PC時代,台灣已經有硬體整合的能力。未來在AI機器人的時代,可以將AI想像成為機器人的大腦,具有辨識與視覺能力,不過要使機器人能靈活運動,就需要硬體能力的支援,因此,只有聰明的大腦加上手腳行動的能力,最終才能製造出成品。 

人工智慧下一步  自主思考成顯學 

值得一提的事,人工智慧除了強調高速運算力、演算力以及強大的分析能力之外,也逐漸朝自主思考的能力邁進。 

以DNN技術導入到自駕車為例,在這種應用情境之下,就會出現兩個問題。首先,DNN需要有足夠又完整的訓練數據資料,以確保自駕車可以安全行駛於各式各樣的天氣,或面對各式各樣的突發狀況;其次,除了完整的訓練資料外,資料的準確度也是不容輕忽的一大重點。立基於這兩項必備條件,進一步延伸出具有推理能力,可以舉一反三的人工智慧核心,就是各大廠商期望發展的方向。  

闕志克談到,DNN模型本身就具備分類、分析,而如何訓練DNN除了學習之於,還可以進一步自然產生成品,將是一大突破。換言之,整合學習與思考的能力,是未來人工智慧的發展目標,而現階段也已經有許多應用,開始建構串聯這兩個架構的應用。舉例來說,機器人進入新聞產業,自動撰寫新聞稿,像是美聯社使用Wordsmith平台來產出財報類新聞,騰訊財經推出「Dreamwriter」的自動化新聞寫作機器人。 

整體而言,數據應用的重點是幫助企業重塑產業鏈,深入了解消費者,讓大量的數據運轉出商業價值,成為社會經濟的基礎智慧支撐。 

闕志克認為,具備思考能力的AI機器人,是值得台灣產業投入的一大機會。因為此技術可導入至各種不同應用,也可以分析不同新事物,在可以預見的未來,數據將超越今天的智慧終端,成為每個人身體和思想的延伸,創造「自主思考」的數據價值。

這篇文章讓你覺得?
非常滿意 滿意 普通 不滿意 非常不滿意
Back Top Home
關於新通訊 廣告委刊 聯絡編輯部 聯絡發行部 隱私權政策
城邦文化事業股份有限公司版權所有、轉載必究.Copyright (c) 2016 Cite Publishing Ltd.