歐洲在機器人和大數據產業的快速成長，奠定了利用人工智慧（Artificial Intelligence, AI）改變經濟及社會的契機。人工智慧帶來了改善歐洲公私部門運作的機會，也帶來了如何將歐洲人工智慧的核心優勢轉化為全球市場優勢的挑戰。大數據價值協會（Big Data Value Association, BDVA）和歐洲機器人技術協會（European Robotics Association, euRobotics）共同合作推動AI 公私合夥關係(private public partnership, PPP)，致力於加強市場研究，發展和拓展歐洲的基礎技能並提高人工智慧技術的部署。並發布了此策略研究、創新與部署議程(Strategic Research, Innovation and Deployment Agenda – SRIDA)，闡述對未來人工智慧技術的願景，以期促進產業界、學術界和社會大眾的合作，建立人工智慧產業的生態系。

AI公私合夥關係將秉持著開放及包容，為人工智慧生態系的所有利害關係人建立連結，促進產學合作、讓監管機關參與生態系、吸引研究人員和創新者進入市場，發展新的商業模式。最重要的是刺激產業投資和私募基金進入人工智慧領域，將學術研究市場化。以下摘要此議程對未來人工智慧的願景、市場現況與機會，以及面臨的挑戰。

一、人工智慧市場的現況
根據IDC資料，全球在2019年以人工智慧為基礎的數位化支出預計將達到358億美元，較2018年成長44%，預估到2020年會成長兩倍以上，達到792億美元。其中歐洲在2019年的投資估計為50億美元，預計在2020年將成長至130億美元

人工智慧技術的應用將影響幾個主要領域：
 應用在設計、製造、生產和配置流程中，提高效率
 透過人工智慧增加自主性，提升運作的靈活性
 利用人工智慧改善產品或服務的可用性(例如：允許更複雜的人機互動模式)
 在日益複雜的動態環境下協助人們進行決策

二、人工智慧技術對各產業的影響力
醫療產業：協助人們採用更健康的生活方式和預防醫療。提供臨床醫生工具改善診斷的正確性及病患客製化的診斷。提供病患更好的術後治療和支援。
電信產業：利用人工智慧技術提供大量客戶即時的客服服務。並利用預測和順應未來需求，改善營運管理並確保資訊安全。人工智慧分析可以幫助提升電信網路的性能，效率，彈性以及擴充性。
運輸產業：人工智慧不僅影響了現有的基礎架構，也將改變未來的運作模式。人工智慧已經用來辨別城市間往來通行的性質，交通流量每天的變化以及氣候的影響，都市規劃者可以從中了解如何改善交通，個人可以最佳化自己的行程。人工智慧同時也刺激了新商業模式的產生，即時的交通資訊改變了城市的樣貌，隨叫隨到的搭乘服務取代了私家車，減少了交通工具及市中心停車場的數量。
生產製造業：透過人工智慧設計更好的製造流程，讓資源、能源和原料可以被更有效率的運用，改善生產力，或是藉由更詳細的背景知識來提升營運績效。

三、歐洲採用人工智慧的挑戰
 研究格局過於分散：歐洲在學術和公共研究機構擁有強大的人工智慧研究能力，但成果卻分散在非主流的研究機構且僅限於歐洲各國之內。這使得歐洲的組織機構很難將卓越的研究成果轉化成創新的解決方案，進一步推展到全球。
 人工智慧在產業及公共領域的高複雜度：要在產業和公共領域中應用人工智慧技術需仰賴了解該領域具體流程知識並具有人工智慧基礎知識的人才。
 缺乏技術和專業知識人才：許多歐洲組織缺乏管理和配置人工智慧解決方案的技術人才。在全球競相爭取人工智慧人才的當下，人工智慧技術最蓬勃發展的地區才能吸引到專業的人才。
 人工智慧政策和法規的不確定性：人工智慧政策和法規在權利義務的解釋以及資料存取權限等方面仍沒有明確的規範，許多組織都在關注是否合乎法規。
 社會大眾對人工智慧的信任度：在某些社會爭議中，社會大眾對於人工智慧系統仍有許多誤解或被誤導，社會大眾尚未完全接受人工智慧技術應用在各個領域之中。
 建立數位化單一市場：歐洲須更努力提升資訊化程度，以確保其在各垂直整合市場中維持領導地位，並協助所有成員國保持技術優勢。
 完善的基礎設施：學術界和新創業者需要有如高效能運算電腦和測試環境等完善的基礎設施以存取所需的資料或相關資源。
 技術障礙：要創造一個可以收集、運作和分析大量資料並兼具可靠性及自主性的人工智慧系統是非常複雜且成本高昂。
 歐盟私人投資環境：仍落後於世界其他地區，歐洲需要打造具競爭力及前瞻性的私人投資環境，以促進人工智慧的創新發展。

AI公私合夥關係計畫將會致力推動產業中所有利害關係人共同合作，以克服上述的各項挑戰。

四、AI公私合夥關係計畫在各個面向所要面對的議題和處理方針
(一)為企業、社會大眾獲取價值
人工智慧技術的進步讓許多現實應用得以實現，為獲得這些基於人工智慧技術解決方案帶來的價值，可能會需要新的商業模式，並重新定義利害關係人之間共享投資、風險、專業知識與資料的方式，最終也改變了其商業價值。這種對原有市場的改變可能是具破壞性的，通常會需要利害關係人改變原有的商業模式或收入來源。這些調整需要新的技術、基礎建設和專業知識，組織為取得成功，可能需付費取得相關專業或將資料和領域的專業知識分享出去。對於那些資訊化技術(人工智慧技術的先決條件)較薄弱的人來說更為困難。要讓這些人工智慧解決方案能夠成功，需要整合不同關係人之間的專業知識，並建立一個均衡且可持續發展的價值鏈。

AI公私合夥關係將會促使產業和利害關係人共同打造出人工智慧的價值。利用其影響力和產業地位，和現有的生態系合作推動人工智慧應用於產品生產、流程和服務等方面，刺激合作討論來建立新的商業模式，並將供應鏈中的技術配對到終端需求用戶，引導利害關係人所需的資源、基礎建設和合作以達成目標。
AI公私合夥關係的重心將至於下列領域：
 對歐洲經濟有重大影響力
 關鍵的相關基礎建設
 具社會或環境影響力
 可提高歐洲人工智慧競爭力

(二)政策法規
人工智慧方案的採用建立在合乎法律架構的規範上面，這些法規一部份是由政策推動，一部分則是由產業界推動建立相關的認證和標準。當人工智慧被應用在新的市場時，法規和認證可能還沒有跟上市場的變化，這時候就會造成發展上的阻礙。同樣的，在缺乏標準、相關認證和驗證方式時，也會阻礙人工智慧的應用及供應鏈的建立，減緩市場的發展。在某些領域中，市場會跑在法規前面，並等待法規做出反應。但在許多的領域中，現存的法規卻會對人工智慧的應用帶來阻礙。最值得注意的是，應用在與人們親密互動的領域(不論是資訊或實體的形式)，或是安全或隱私相關領域。

AI公私合夥關係將扮演不同團體間的中間人，透過其與利害關係人的廣泛聯繫，整合不同面向的法規找出跨領域協同合作的機會，吸引更多人才加入。下列為幾項具體做法：
 找出各領域中法規的關鍵利害關係人，並確保他們與人工智慧生態系有良好的連結。
 與利害關係人以及人工智慧生態系統基礎架構合作，找出各個主要產業中影響人工智慧是否能被應用的關鍵議題
 在法規規範下，找出最佳的人工智慧實際應用，並指引先行者以加速導入
 支援並與制定標準化單位合作，與歐洲各主管機關協調，建立人工智慧單一市場標準，並讓歐洲與全球的法規與標準銜接。
 在監管沙盒環境中培養對人工智慧創新的負責任測試
 整合有關政策變更的建議，並為相關的影響評估流程提供支援
 將歐洲的思維和需求推向國際標準化組織

(三)人工智慧相關技能與知識
人工智慧將影響產業界和整個社會對技能的需求，一般的使用者並沒有統計學、數學或電腦科學等背景。為了讓人工智慧能被社會大眾接受，需要確保一般使用者對人工智慧系統及其操作方式有基礎的了解。避免人們對人工智慧系統的誤解及誤用，並讓人們可以接受並相信以人工智慧為基礎的解決方案。傳統產業在經歷人工智慧產業轉型的同時，他們的員工也同樣必須轉變，在轉型到人工智慧的過程中一定存在技術上的落差。然而，除了缺乏具備專業技能及產業領域知識的人才外，具備跨領域知識的專家也是必要的。人工智慧專家需要洞悉由人工智慧引起的道德問題，他們必須充分了解法規和法律的規範。

對那些受人工智慧影響較大的產業，AI公私合夥關係將找出並推廣最佳的協作變更模式。一般員工需要加強資訊技能並提升數理統計能力，知識工作者需要具備判斷資料或演算法誤差的能力，向中小企業推廣人工智慧也是必要的。從教育體系、企業、政府到社會大眾都需要適應這些變化。

(四)人工智慧數據
讓人工智慧技術發展達到預期，先決條件是要有大量跨領域、無誤差、高品質且值得信賴的資料。資料的存取空間、平台和市場將是這一關鍵的推動者。但是位居要角的企業、組織和法律約束卻可能會造成阻礙。起因可能是缺乏分享數據的動機；擔心所有權；喪失控制權；缺乏信任；缺乏遠見，無法理解資料的價值或其共享的潛力；市場中缺乏資料價值評估的標準；法規對資料自由流通的限制以及政策的不確定性。此外，技術問題也是一大挑戰，例如：資料的互通性，資料驗證和來源支持，品質和準確性，分散式的資料共享和處理架構，大數據資料隱私保護技術的成熟度和採用率等，對資料分享與否都有直接的影響。

AI公私合夥關係計畫將調整和整合已建立的資料共享技術和解決方案，進一步發展制度化的架構解決現有資訊孤島的問題，讓整個歐洲的資料皆能在生態系中共享與分析。讓人工智慧輔助下的資訊服務可以分析和預測整個歐洲的數據，進一步結合資料和服務經濟。新的商業模式將可以透過人工智慧的應用挖掘出這些資料的價值，包含產業界、地方政府、國家、歐洲官方當局和機構，研究單位甚至到個人都可以是其中的參與者。包含以下具體規劃：
 在現有的基礎架構上，發展可信賴的歐洲資料共享架構，創造新的資料價值鏈。該資料價值鏈處理包含個人、非個人、專有、封閉式混合和開放的研究資料。
 促進新的資料開放和新的人工智慧演算法開放基準，從軟體工程師和功能性的角度來驗證品質。
 制定具體方案，將資料共享納入資料的核心之中，使資料更容易取得。鼓勵資料價值鏈的參與者與其他參與者和不同領域的人共同合作。
 為歐洲企業導入新技術，包含執行和政策支援。
 促進歐洲各國間的合作，讓跨歐洲的人工智慧資訊服務得以在全球競爭之下發揮其潛力。
 引導和影響有關資料共享、隱私保護、品質驗證、協作和互動等工具的標準制定。
 促進歐洲的標準化但同時與國際接軌，讓歐洲的人工智慧可以被全世界採用。