名家觀點／產業AI化非做不可…
2018-09-07 01:23 經濟日報 陳昇瑋（作者是中央研究院資訊科學研究所研究員、台灣資料科學協會理事長及台灣人工智慧學校執行長）
本報系資料庫
人工智慧雖是台灣普遍關注的熱門議題，不僅企業想擁抱人工智慧，人才也想往人工智慧領域移動，大家也都聽過，人工智慧將帶領新一波科技革命，但究竟產業如何導入人工智慧，仍然是不太清楚。在認知不清的狀況下，台灣企業目前的資料運用程度，通常與人工智慧應用仍有一段距離。
人工智慧發展可分為三個面向。第一個面向指的是技術發展，這個面向通常由學術界或業界實驗室來進行，鑽研機器學習演算法的改善。它的目的是讓以前做不到的事變成可以做到，讓演算法可以基於同樣的資料在同樣的條件下，讓電腦表現出來更聰明。
第二個面向是AI產業化，像大家都知道的AI晶片、無人車、無人機、無人商店或服務型機器人，這些以人工智慧技術為主體，所發展出來的新產業或新商業模式，稱為AI產業化。
第三個面向叫做產業AI化。產業AI化指的是將人工智慧導入現有的各式產業中。不論是製造業、金融業、零售業、服務業、農林漁牧業等，都可以藉由人工智慧的協助，提升產品或服務的品質，同時降低管理、人事及生產成本等，維持及提升產業競爭力，甚至成為升級及轉型的契機。
不同產業對於產業AI化的需求與方向不太一樣。金融業與電信業因為監理法規的要求，通常已累積大量交易及使用者行為資料；製造業方面，因為工業4.0與物聯網的觀念推行，尤其是電子製造業，許多大型、中型廠商都積極蒐集從備料、排程、生產、出貨到實際運行的所有資料。另外，電商平台掌握所有使用者的交易資料。大型零售業也在POS系統的幫忙之下，有限度地瞭解使用者喜好及行為。
這些產業基本上資料充足，且資料架構相對成熟，其中許多已經投資商業智慧平台，可透過資源儀表板或關鍵績效指標的呈現，來做情勢評估，並據此進行管理。不過，應用數據報表來做情勢評估，仍仰賴人力來做解讀及決策，只是資料的淺層應用，與人工智慧距離很遠。若企業自己覺得，我已經收集很多資料，每天也都有報表可以看，就是人工智慧，那就誤會大了。
產業AI化可說是在企業收集資料後，能讓「資料為企業產生價值」的終極手段。Gartner有篇報告將資料分析按深度分為四個階段：描述型分析、診斷型分析、預測型分析與指示型分析，分別回答「發生了什麼？」「為什麼發生？」「未來是否發生？」「如何讓它發生？」
以我過去數年的觀察，比對上面所提到的描述、診斷、預測與指示四種資料分析階段，也可以說是資料運用的深度，目前台灣企業多數還停留在前兩個階段，甚至是第一個階段，也就是拿著數據產出報表，以人來解讀，號稱是洞察報告的階段。
困難的是，許多企業主管誤以為這就是資料的正確運用方式，因為只有人類可以理解瞬息萬變的市場，才有足夠的領域知識及經驗來進行企業裡各式大大小小的決策。這個理解在某些情境是正確的，畢竟今天的人工智慧還沒有真正的智慧；但在許多情境是錯誤的，有許多實例可以證明，在許多商業情境中，人工智慧來進行決策，可以比有經驗的從業人員做決策來得準確且快速，我們可以在醫療診斷的諸多案例中，看到人工智慧遠比訓練有素的醫師更準確解讀病理切片、X光片，就是一例。
因此，在人工智慧的年代裡，企業若要維持現有的競爭力，甚至彎道超車競爭對手，產業AI化非做不可。大家必須破除「人類才能做複雜決策」的迷思，將資料運用提升到「預測」與「指示」的層次，讓人工智慧以合適的形式進入企業流程中，讓人與人工智慧協同合作，讓人工智慧在各方面為企業加分，無論是開源、節流或是提升企業效率。
