自从电脑发明以来，如何让电脑拥有类似人类的智慧能力一直是许多电脑科学家追求的理想。1956年，首先使用人工智慧（AI）一词并被称为人工智慧之父的美国学者John McCarthy联合Marvin Minsky等多位人工智慧的学者，在达特茅斯学院召开全球首次人工智慧研讨会，正式提出人工智慧一词，是为人工智慧成为一个重要研究领域的开端，迄今恰好满60年。

根据John McCarthy的定义，人工智慧为可表现出与人类智慧行为的机器、电脑程式。当时主要的研究重点在逻辑推论、学习、认知、解题及感知等。以认知、解题为例，人工智慧是要让电脑可如人一样，能有下棋、堆积木、逻辑推论、解答数学题目等智慧行为能力，此外，有些人工智慧学者的目标是让电脑具备类似人的视觉、听觉，并可辨识自然语言，甚至像专业人士般精准应用与表达知识，例如像医师般诊断看病。

AlphaGo：AI里程碑

人工智慧初兴的前10年产生了许多重要的成果，包括逻辑推论与电脑视觉等，也因此拉高了对人工智慧的期待，吸引了更多的资源投入，其后数10年，有时有突破，如专家系统，有时有失败，如日本的第5代电脑计画。

综合来看，过去60年留下了很多重要的资产，如机器人、电脑视觉、自动光学检测、文字辨识、语音合成、语音辨识等技术皆从萌芽到成熟。也留下很多难解的问题，如电脑围棋、常识推论、智慧机器人等。

由于棋类比赛是一种智力的竞赛，所以一直被许多人工智慧研究者视为是智慧程度的试金石。人工智慧软体在1997年首度战胜人类西洋棋棋王，成为当年的一大新闻。然而，围棋远比西洋棋複杂，约有「10的170次方」种变化，电脑无法运算出所有棋步，当时多数人工智慧专家悲观地认为，在有生之前，可能都等不到人工智慧软体令围棋高手弃子认输的一天。因此，当2016年3月，由Google DeepMind所研发的人工智慧软体AlphaGo，出乎意料地击败韩国围棋9段高手李世乭时，大大震惊了人工智慧学界，堪称人工智慧的重要里程碑，也让人工智慧沉寂多年后再度成为全球注目的焦点。

取代诸多劳力、知识工作

AlphaGo的成功令人工智慧研究专家深感振奋。AlphaGo胜利的关键，除了GPU运算速度大幅提升及巨量资料分析的进步的因素之外，更重要的是在于利用深度学习、增强式学习与蒙地卡罗树状演算法（Monte Carlo tree search，MCTS），有效锁定最有可能胜出的棋步，减少搜寻的范围。

目前人工智慧技术已渐趋成熟，屡有重大进展及实际应用，机器学习技术一日千里，包括运算速度加快、资料量大幅提升、学习演算法日新月异。昔日，人工智慧仅能取代劳力工作者，未来可预见愈来愈多知识工作被人工智慧所取代，彻底改变职场生态。

医师、律师等高度专业工作，都将面临人工智慧的取代挑战。毕竟，一位专科医师再资深、再勤奋，看诊的数目、吸收新知的时间仍颇为有限；人工智慧却可不眠不休蒐罗全球相关病例，进行更精准的诊疗。而在英美法系国家，律师事务所皆聘僱助理，研究与受理案件相关的判例；在可见的未来，人工智慧将大幅提升这些助理研究判例的效率；长远来看，甚至可以取代助理。

亚太地区将成AI重镇

根据美国科技产业调查机构Tractica报告，在2015年时，全球企业应用人工智慧的经济规模约20.25亿美元，到了2024年，将成长至约111亿美元，成长幅度相当可观，最主要的应用市场，依次为亚太地区、北美洲与西欧等3大区域。

其中，亚太地区人工智慧产值成长力道，领先全球其他区域；关键在于日本及中国2大经济体皆著力甚深，日本投入机器人的研发经费，仍逐年提高，中国政府则已揭橥支持发展人工智慧的政策，意欲争夺人工智慧领导地位。其他如美国、韩国与欧洲诸国，自2005年起，也已先后拟定人工智慧中、长期发展政策。

台湾发展AI产业的

策略思维

与上述国家相较，台湾政策性的布局的起步较慢。虽然在电脑视觉、机器学习、自然语言等技术历年来也累积了不错的技术能量，但缺乏了整体策略规画，研发人员主要分散于大学，其次是法人研究机构，而且相较之下产业界技术能量甚弱。

如何弭平此一落差，让学术界的研发成果能落实在产业，是当前最大的挑战与策略思考的重点。

人工智慧技术与应用范围甚广，若要急起直追，就得慎选领域、聚焦发展。例如选择台湾的技术强项、强势产业、资料掌握程度高者，并以软体与服务为优先。

在工业应用方面，台湾的优势在于，长年为产品製造大国，可结合工业4.0趋势，优先投入智慧工厂、机器视觉、无人自动载具、先进规划排程等项目。但其投资金额甚大，大企业较为适合投入。

在服务业应用方面，如销售预测、智慧客服、个人化医疗、投资理财、专家系统等，可能的应用面甚广，较易找到利基市场，有利于中小企业与新创公司进入。

（本文作者为工研院巨资中心暨服科中心主任）