• 首頁
  • AIA 蔡明順校務長演講 (下):AI 時代該把握哪些關鍵機會和思維?

AIA 蔡明順校務長演講 (下):AI 時代該把握哪些關鍵機會和思維?


報導出處:https://ai-blog.flow.tw/excerpt-from-aia-speech-ii

許多人來台灣人工智慧學校上課,都會問我們:下一步該怎麼做?我覺得,想預測未來,最好的就是理解現狀,創造未來。

今年3月,我們和蜂行資本推出一份「台灣企業AI趨勢報告2021」,裡面提到要評估一個企業的AI成熟度到哪裡,可以分成7個程度。



俗話說「無數據不AI」,Level 0是指企業尚未開始,還在思考如何導入AI;Level 1是剛開始嘗試收集數據,Level 2則是用這些數據開始建立實際案例,做POC實驗。
到了Level 3已開發出AI,並進行小規模嘗試,接著到Level 4正式部署,嘗試做一些production看有沒有問題,Level 5再進一步擴大AI使用的範圍,到一條產線或一個部門,最後Level 6,AI則是超越獨立計畫,成為公司中無所不在的共通語言。

簡單歸納幾個結論:從2018年到2020年,台灣投入AI的企業,主要落在營收50億以上的隱形冠軍行列,而且大多數屬於Level 2~3之間,只有少數到達Level 4。會用營收來區分,是因為這些企業通常是上市櫃,資訊成熟度高,具備更高的國際競爭力。

另外,企業做AI也不再只考量到成本降低,更希望藉著AI產生新商機。我建議大家如果要做嘗試,不一定要馬上使用商業運營場景來做AI,可以先練習解決資安的問題。特別是受政府法律監管的電信、銀行、公部門等行業,可以先嘗試做出監管AI,再進一步擴大商業使用範圍。
至於資料科學家,台灣目前相較於美國,平均落差兩年左右的水平,但也有少數厲害的企業,成熟度不比美國差。

再者,雖然台灣的AI還沒有進入全面成熟期,但模型開發節奏和自動化正在加速。
比如台灣人工智慧學校的中部製造課,過去其實會教很多hard-core技術,但這一兩年,我們也引入可以直接用平台寫程式的技術,這並不是因為偷懶,而是自動化工具變多了,企業不一定需要從頭到尾自己來,也可以借力使力,用最有效的方法來達到目的。

AI 時代已來臨,抓住這 5 個機會點

如果沒有外力,企業大概不會主動投入AI,甚至很多人都覺得不需要這麼早啟動,先等別人做出來再說。
但如今,許多企業的客戶或上游供應廠都已經在做AI,使得大家也感受到自己必須積極跟進的危機感。當Covid-19過去後,未來3到5年,中小企業應該也會慢慢跟上這波浪潮,因為許多大廠,例如Apple、特斯拉,已經在重組未來的上下游供應鏈。台灣企業如果想要納入供應鏈,就必須符合這些工廠標準、ISO標準、減碳標準,甚至可能連數據接口都需要考慮進去。

面對即將來臨的AI時代,我觀察到有幾個可以抓住的機會點,特別是在智慧製造領域。

機會一,AI帶來的自動化勢在必行。未來機器不會完全取代人力,但人機協作的比例會提高。我們會在機器裡面裝AI模型,用來執行人類可以用3到5秒判斷出來的常識,例如品管有重複性的機械動作,可能會逐漸被機器人取代。
未來5到10年,社會上可能會產生摩擦性失業,所以我們希望資深專業人士不要太快退休,讓優秀的年輕技師可以在這段時間補位,進入市場。

機會二,未來可能有大量智慧製造的需求。台灣土地面積雖然只有全世界的0.025%,但其實很關鍵,不只半導體製造,機械製造的實力在全世界可以排到前5強。
目前全世界都在面臨供應鏈的重組,無論是製造業的回流,或是為了滿足中、美內需市場及國際市場,許多大廠從中國轉回台灣,或是轉向東南亞後,投資力道集中在新建廠房的階段,創造新的智慧製造機會。

機會三,智慧生產的投入與日俱增。自動化的設備增長速度非常快速,今天正在建廠的都以減少人力介入的智慧生產為目標,希望由自動生產來控制。

機會四,SDGs(聯合國永續發展指標)絕對是2050年以前很重要的發展方向。如果你是製造業的二代接班,特別要注意這個趨勢,因為未來的採購供應鏈要符合規定,就必須考慮到碳中和和碳排的問題,而這些題目很適合用AI來解決。(延伸閱讀:除了環境保護,你有想過工作平權也是企業SDGs的創新命題嗎?)

機會五,地緣政治以及東南亞商機。我們把自己當成邊陲地區,但其實全世界不是這樣看台灣的。站在全球的角度,我們是東北亞跟東南亞的交匯中心,日本、韓國再加上臺灣,大約有2億的市場規模,而且是成熟的經濟體。東協10國的市場規模大約6.5億,加上印度3億,大約有22億的市場規模。

因此,我們可以把印太戰略當成一個市場戰略,重新思考。近年,很多台商漸漸往東南亞走,因為東南亞的勞動力人口,比台灣、日本還要年輕許多。再來,印尼正處在20年前台灣的經濟發展階段,有2億人口和大量機會,台灣很多大學也都去東南亞招生,甚至考慮設立分校。

面對疫情,企業老闆可以選擇接下來會快速復甦的行業來做,而教授在做產學案也是,電商行銷已經有很多例子,可以改而從新的供應鏈整合來切入,例如如何重新設計物流、東南亞的發展等等。

台灣的產品在世界上,有許多都名列前茅,我們可以把自己當成是一個示範場域來做嘗試,特別是人工智慧的發展還在初期藍海階段,尚未進入成熟市場的紅海,早點發現機會的,通常更容易養成核心優勢,獲得成功。

AI 不只是技術導入,更是心態和流程上的創新

導入人工智慧往往只是踏入新世界的第一步,當人機協作的比例逐漸提升,仍有許多需要思考的面向,例如,學了人工智慧,要不要重新定義、提升員工的技能?技能提升之後,部門的功能有沒有存在的必要性,要不要做流程改造?以及,組織的KPI或OKR要不要重新定義?這些,都是現在大廠在想的事情。

想做AI,同時也要觀察市場上在找什麼人才,盤點自己公司的人才是否具備相關技能。現在市場上要找到AI工程師或者科學家,不外乎是看科系是否相關,有沒有程式語言能力,會不會用工具套件,還有軟技能,最重要的是要有domain。

2000年的時候,英特爾前總裁安迪·葛洛夫(Andy Grove)問了張忠謀一個問題:「台積電未來要做技術提供者,還是終端客戶的提供者?」前者是悶著頭做技術,後者是了解消費性電子的發展階段到哪裡,我想張忠謀是選對了邊,才會有今天的護國神山。

無論你是B2B或B2C、身處在什麼產業,都有機會透過這次變革,去形塑你的行業,包含行業的創新,或是重新定義服務的價值,甚至是重組供應鏈的生態系統。

台灣企業要發展AI,大型企業量體夠大絕對沒問題,但是小型企業還是要打群架。對傳產來說,未來邊緣運算的晶片成長前景很不錯,包括IoT、車用電子、消費性電子等,應該有不少機會點。對高等教育體系來說,最重要的就是能把AI知識轉譯成你的領域語言,幫助下一代學懂怎麼看AI時代的機會,運用新的工具方法,以及定義問題。

未來,人工智慧還有很大的發展空間,它的意義其實在於增強本身的優勢,而不是讓自己被動的被取代。
正如彼得杜拉克的提問:「你是誰,你從哪裡來,你要去哪裡?」,以及《從A到A+》這本書裡提到刺蝟模式,簡單來說,就是要找到你的優勢所在,資源所在和願景所在,這三項的交集處,就是你未來可以創造的目標。

Tech fo Good 意識:全球重視 SDGs、以人為本的 AI

AI對人類是一個機會,但是也是個挑戰,還有很多的部分其實不夠完美。比如道德問題,數據的偏見問題,演算法的偏移問題,法規尚未制定完成等等,這些都還在進行中。

AI如果運用的好,可以幫助到許多人;但是運用的不好,或者是開發者本身帶有其他意圖動機,它也許會產生負面效應。

例如,有個節目的主題是「中國全程式控制你的臉」,提到大陸貴州省公安跟 BBC記者做了一個叫做「天馬工程」的合作計劃,試圖在貴州的監控中心測試,如果有人做出犯罪行為,到底可以多快被抓到。因為如此,大約2019年的時候,舊金山市政府立法通過,禁止在舊金山機場用攝像頭將個人隱私的東西做評分。

網路上曾經有人做了一張令人感慨的哏圖,人類從源頭演進到最後,終點居然不是人類自己管自己,是機器人在管人類。

科技本身是中性的,科技發展始於人性,不只前面提到SDGs在未來會愈來愈重要,我最後也要提到,目前全世界許多專家學者,史丹佛大學等頂尖大學,都一再的倡議:我們要回到以人為中心的AI(Human cerntered AI),人工智慧的發展之路還在早期,變革科技帶來典範轉移,對於台灣的未來發展,我們正在一個關鍵的起跑,期待與大家一起同行。