物联网+人工智能=？

这几年产业界一直在谈物联网，其实在今年非常重要的改变，就是已经看到从物联网把很多东西跟人做一些结合，进入到要透过人工智能（AI）来加值的时代。 很多人认为所谓的「加值」，可能就是在做软硬整合；但其实闻名全球的竞争力大师麦可． 波特曾提醒台湾，不要忘记自由优势，也不要马上谈「效率驱动」进入到「创新驱动」，而要把效率驱动「加乘」创新驱动。

也就是把台湾特别是跟效率有关的硬件制造、甚至其他科技产业能够整合在一起。 因为全世界有太多国家都在做创新、都朝AI发展，所以AI时代来临，可让各界重新去思考软硬整合定义，并不是一定就是软件加硬件，而是要以「软实力乘于硬实力」。

所谓的「软实力」，从AI的角度来看，是既有「人」的智能，未来也有「机器」的智能。 但是什么是机器智能？ 例如Google开发人工智能软件AlphaGo，慢慢走出围棋棋士所不能够下（或不曾想到）的方法。 在未来，机器甚至可能也可教机器人，更可教新进人员。

从AI加乘角度，来看AI又是如何影响民众的生活？ 曾有一部老电影，描述加州理工学院的上课场景。 观众先透过镜头，从教室外听到有老师在对学生讲课的声音，然而当镜头转入到教室内，却发现到讲桌上只摆录音机，但老师人不在教室。 原来老师是透过录音机传送在对学生讲课，有趣的是，每个学生的课桌上也都放置一台录音机在录音。

当时这部电影已经预示现今在线教学方式及未来情报分析的情境：前端的作业可能是由AI的协助。

其实现在也开始有一些AI的机器在写新闻稿的媒体报导出现，其对于知识的研究者和知识的传播者都是一项挑战，也代表人的智能加上机器的智能，在AI加值之下将会更为重要。 从产业面向来看，AI加值在台湾产业、在制造业及服务业都是很大的面向。 从AI的本质来看，基本上是仿真人，所以在服务业上，希望透过AI加值后，在工作效率上有更大价值；在制造业也希望提高生产力。

去年世界经济论坛（有提到几个重要对于全球经济的议题，其中一个就是AI，大家比较认同的方向都是在于提升生产力，希望朝两个方向走：第一、是让过去可能需要有十个人做的事情，未来可透过AI让机器做助手以提高生产力；另外一个是要发展很多AI创新应用。

人工智能不是新领域，六、七十年前就有人工智能的领域在开展，过去也历经过多次起伏，但现在却可以进到实际的产业化；从观察整个产业开展的角度可以发现，有两个非常不同产业环境。 第一个是数据：现在有愈来愈多数据让机器可以有更多经验；还有运算，不管是运算能力芯片，或整个运算环境都跟过去大不相同。

另外，是经验整合，去年下半年很多国际业者将平台开放，希望能把Data computation的能力放进去后，让更多人把数据放上来做一些应用，促使更多实际的经验来做整合。 因此可预料的是，2017年接下来在Data、Computation及Experience三个面向会形成整合战。

在AI产业生态会有三个发展方向：

第一、是「产业AI化路径」，即使有很多产业需要可以来应用，但本身AI是否为一个产业？ 是否有够好的芯片及终端设备及相关解决方案来实现？

第二、是「AI 产业化路径」，像医疗、金融业等不同产业面向，都希望能提高生产力，能有创新的价值。 另今年有一条路径是会持续进行，就是在物联网环境中，预料今年会有很多低成本的联网及设备将持续出现。

人机互动密切 语音助理聚焦

有人说，2017年CES展最大赢家是没参展亚马逊（Amazon），其研发人工智能语音助理已广泛运用在许多装置。

亚马逊采用开放式架构，核心软件放在云端，其他厂商可以跟亚马逊介接其Alexa语音助理服务，让自己的产品也具有语音助理的功能。

最好的人机语音接口并非触控屏幕或鼠标，而是以语音、直接讲话的方式最为直觉与方便。 预期2017年类似亚马逊的语音助理会更普及运用在许多终端装置，因此将衍生音频传感器的需求，预料今年MEMS麦克风市场会加速成长。

推AI专用芯片 降低运算成本

工研院IEK预测，人工智能趋势开始改变最底层的运算芯片技术方向。 今年初有个网络账号在国际网络围棋连胜60场零败纪录，后来揭晓是Google人工智能程序AlphaGo。 因此许多人开始思考，更难问题是否也可透过此方式解决。

但AlphaGo最大问题是在现有硬件架构上，下一盘棋需动用数十台服务器与数百颗处理器，消耗电量需要数千美元，非常昂贵。 目前计算机是通用型运算架构，不适合人工智能运算，预料会有更多针对人工智能专用运算开发设计芯片。 Intel、IBM或NVidia已