剖析AI技術研究、產業應用與政治影響趨勢，前Google臺灣董事總經理簡立峰提出未來AI關鍵發展三面向

由於AI對於不同產業，甚至於國家戰略發展越來越顯得重要，近日在一場Galaxy Summit 2021高峰會上，前Google臺灣董事總經理簡立峰也提出未來AI研究與產業趨勢變化，甚至對於政治衝擊的最新觀察。

一開場，他就提到最近在全球AI圈發生3件大事，來自於Google前董事長Eric Schmidt在美國國安會提出一份厚達700多頁的國家AI報告，並稱它為最終報告（Final Report），該報告闡述3件事值得注意，一是美國若不採取行動，未來十年將把AI領導地位拱手讓給中國，其次是如果不自行生產AI硬體，那麼美國終將輸掉這場(AI)戰爭，最後也強調培育AI優秀人才的重要性。從這份AI報告也反映出，未來AI不再只是企業使用的一種工具或技術，甚至是代表一個國家的國力展現。

簡立峰也以去年State of AI Report 2020這份報告提到的大方向，加上他自己近來的觀察而歸納出三個面向未來AI發展的關鍵趨勢。

首先，從AI技術研究角度來看，同樣有3個重要趨勢發展，第一個是Transformer架構帶來了自然語言處理（NLP）技術大躍進，徹底改變了機器學習方法在自然語言處理的應用，其中又以Google的bert為代表，後來更強大的GPT-3語言模型跟著出現，這些Transformer架構，讓研究者可以更容易將它從一個應用領域學到的知識，再運用到另一領域，來做到各種NLP應用。

但ML技術發展至今，訓練模型的規模越做越大，如OpenAI的超大型自然語言模型GPT-3就有高達1,750億個參數，與幾年前的bert相比，參數量足足多了500倍，訓練資料量之龐大，光是訓練成本就高達1千萬美元，等同台積電10奈米製程一次研發的費用。甚至他以大國武器來形容這種超大型AI模型，也因為模型訓練成本十分高昂，造成的結果就是，「只有這些資源雄厚而且是AI領先的少數大型公司才玩得起，」他直言，對於全世界AI發展來說，這是一個重大警訊。這是他提到的第二個重要改變。

對於沒有足夠資源的企業來說，簡立峰提了一個解法是採用低資源語言模型(Low resource languages)的訓練作法。舉例來說，Google在機器翻譯模型的訓練上，就採用這種模型訓練方式來改善訓練資料稀少的問題，像是日文跟韓文語料在網路上不夠多，所以Google改用亞洲語言來填補不足部分，在兩個語言模型中餵進了大量中文語料來訓練，進而有效提升低資源語言翻譯品質，他進一步解釋，這是因為各國語言雖有其不同語言結構，但對於一些文字在語意表達意思近似，就能讓AI從中學習找到關聯性，進而學會另一個語言，「這是證實可行的作法」。

但要使用這個方法的前提，是這些AI領先的公司，如Google等，未來仍會持續將AI相關技術開源才行，如此一來，這些小國或是規模較小的企業才可以拿它做運用，但從現有AI報告中來看，簡立峰認為，當大國已將AI視為國安，對於小國或是中小型企業未來能不能繼續取得這些開源工具或技術，較悲觀看待。

最後第三個趨勢發展，他提到受到去年疫情的影響，讓生物學AI應用因此有了重大進展，單是去年整年登上國際期刊的數量就有2萬多篇，進而加快其發展的腳步。

儘管AI能加速疫苗或藥物研發，有很強大的AI應用，但簡立峰坦言，有些事AI到現在還是做不來，以自然語言學習為例，身為臺灣最早本土NLP博士第一人，他說，目前它的學習方式比較像是死背硬記，因此對於事情較缺乏理解力，難以舉一反三，這也是目前它應用上的局限，以致於很多聊天機器人到現在還是很難用。

再者，從人才角度來看，簡立峰從這兩份AI報告也有一些觀察，例如美國學術機構現在AI人才還是領先全球，不過裡面的科學家大多來自中國，並且有不少人取得學位後便歸國，流失人數僅次於英國，這也讓美國產生AI人才危機感，他認為，這個危機是台灣的機會也是更大競爭，一旦報告建議被美國政府採納具體執行，他估計在全球AI人才培育方面，將會發生巨大變化，例如對於非本國人有諸多限制或可能採取管制措施。

再來是產業趨勢，他也提到，除了藥物研發開始使用大量AI，不少企業也開始投入健康照護相關領域，如Google的AI團隊在過去幾年中坄入最多應用是健康照護，是該公司AI應用領域一大方向；其次，自動駕駛還差在安全這最後一哩路，使得完全自動駕駛這件事的實現現在些微落後，反倒是一種結合自駕的混合模式的出現，有機會讓它在特定應用場景更快被實現。例如美國目前卡車司機嚴重短缺，所以妥協方式是在高速公路採自動駕駛，從交流道下公路再由人接手。這一種混合模式，使得卡車變得像小火車一樣，一列可能有多輛車，但只有第一輛配有司機，緊跟其後的都是無人的自駕卡車，他說，這個模式一旦可行，自動駕駛卡車的商業化落地很可能成真。美國有家自駕卡車新創TuSimple就是在做這件事。

另在AI硬體上，他也補充說到，不僅僅是台積電，其他如Google與Nvidia也都扮演重要角色。而在產業NLP應用上，相關應用也將持續發展，例如Google Search的關鍵字搜尋已經可以回答一段句子的提問，這是Google以ML加傳統搜尋結合的最新應用。另一個趨勢是，當資安、隱私越來越重要，也凸顯出聯合學習在AI發展的重要性。

最後是政治上影響，除了大國崛起、各國相互競爭之外，現在令他更擔心的是，軍事AI用途的危機升高，如以無人機群（Drone Swarm）達到摧毀敵方目標，一旦以後無人機成本下降達到一定程度，加上電池續航力問題被解決，無人機被大量投入實戰，屆時，將徹底改變軍事戰爭的面貌。