用戶登入
懇請您立即點擊填寫「2017年科技發展觀測平台與電子報滿意度調查」。我們期待提高問卷回收率,請繼續給我們支持與鼓勵,感謝您!
焦點新聞
2017年AI的技術成熟曲線
.2017/08/11
摘要 一、前言
Gartner仍認為AI不需要被創造成人類的形式,也不需要為人類傳遞顯著的商業價值。但務實的企業將持續部署虛擬或機器形式的現代化AI,藉以增強或取代人類的智慧,最終AI將超越人類在部份知識領域的能力,並執行許多專業、特定和例行性的工作。在Gartner的AI技術成熟曲線研究報告中,認為語音辨識(Speech Recognition)與整體學習(Ensemble Learning)技術具備高度效益,並將在2年內被主流產業採用,後續將針對上述技術進行說明。

二、語音辨識(Speech Recognition)
(一) 定義:語音辨識技術是將人類的語音內容轉換為相應的文字。
(二) 商業影響:語音辨識技術幾乎每月都有新突破,隨著深度學習(Deep Learning)在這領域的持續創新,將為IT產業帶來偌大的影響。語音辨識是許多智慧設備(Smart Machines) 應用的核心,具有擴展智慧系統的效用和應用潛力。
Qualcomm、NVIDIA、Intel及ARM公司在2016年推出新型專用機器學習晶片,將加快邊緣設備運行語音辨識模式的能力。但隨著越來越多的服務和經驗變得數位化,需要簡化及可隨時隨地存取的功能,因此將會看到自然語言(Natural Language)和語音的介面穩步地發展。

三、整體學習(Ensemble Learning)
(一) 定義:整體學習技術是機器學習演算法,建立一組預測模型,並產生一組權重,再依據預測與權重產生投票結果。這種方法是建立在「群眾智慧Wisdom of The Crowd 」原理上,多樣化的觀點或產出模型是整體學習技術的關鍵。
(二) 商業影響:幾乎每個預測分析案例與機器學習任務,都可從整體學習技術中獲得顯著的利益,成功的應用案例可增加整理學習技術的聲譽,以利提高預測的精準度。整體學習可應用於金融與行銷服務,並針對顧客做消費者行為的預測。
四、現況與為風險
AI的快速發展是取決於其系統所具備的能力,分述如下:
(一) 機器學習:攝取和分析大量非結構化資料後,採用強大的深度學習技術。
(二) 在輸入資料的過程中進行模式辨認與分類。
(三) 透過複雜和疊代的機率運算取得預測結果。
(四) 在人類與機器的監督下進行訓練,或進行非監督式的訓練。
(五) 自主運作亦或與人類協調合作。
此外,Gartner也認為AI的技術購買者應考慮下述風險:
(一) 雖然失敗的風險很高,但在數位企業(Digital Business)的時代中,企業過時與不具競爭力的風險更高。
(二) 雖然潛在的利益很大,但仍有失敗、挫折和新興技術「泡沫化(Disillusionment )」的風險存在。
(三) 勝利者將逐步啟動人工智慧計畫,並同時採取風險緩解策略與適當的技術,但也將長期投入資源。
延申閱讀
資料來源 Gartner