集微網推出整合電路微信公共號: '天天IC' , 重大新聞即時發布, 天天IC, 天天集微網, 積微成著! 複製 laoyaoic 微信公共號搜索添加關注.
1.先天條件差異大 兩岸AI發展政策大不同;
中國國務院於2017年7月提出「新一代人工智慧發展規劃」, 為針對人工智慧提出首個國家級政策, 以三階段進行發展規劃, 目標於2030年成為人工智慧技術與產業應用大國. 此份規劃針對人工智慧基礎理論範疇提出框架, 並且針對產業發展, 應用領域進行討論, 針對AI領域提出人才計劃, 期望透過各階段的目標達成, 進而推動下一波產業升級.
人工智慧經過60多年的演化, 目前在大數據, 行動應用, 超級計算機, 物聯網, 腦科學等新技術突破, 新理論發展與社會經濟推進的浪潮下, 人工智慧成為國際競爭的焦點. 中國在過去將人工智慧歸屬於為其他計劃裡的附屬發展項目. 由於進展迅速, 前期由「互聯網+ 」人工智慧三年行動實施方案納入推廣, 計劃將執行至2018年. 為了能夠掌握髮展動態, 搶得先機, 並且成為領導世界人工智慧發展的大國, 接續計劃於2017年7月年推出《新一代人工智慧發展規劃》, 將人工智慧提高到國家戰略的層次, 並且公布三階段的發展計劃, 此次單獨將人工智慧列為重點發展項目, 顯示中國政府對此領域的高度重視.
中國AI政策三步走 涵蓋範圍更勝互聯網+
相較《「互聯網+」人工智慧三年行動實施方案》, 新公布的《新一代人工智慧發展規劃》涵蓋領域更為廣泛, 且更注重在政府服務與產業應用端.
2020年: 中國此階段發展目標是在人工智慧整體技術應用上與世界先進水平同步, 希望促成人工智慧產業成為新的經濟成長點, 人工智慧技術應用成為改善民生的新途徑. 加強五大領域基礎理論發展: 大數據智能, 跨媒體智能, 群體智能, 混合增強智能, 自主智能系統. 配合硬設備需求同步發展核心零件, 高階設備等. 目標在重點領域全面展開創新應用, 聚集高水平的人才隊伍和創新團隊. 根據產業發展推進, 建立人工智慧技術相關標準, 服務體系和產業生態鏈. 就部分領域的人工智慧倫理規範和政策法規初步建立.
2025年: 中國在人工智慧基礎理論應有重大突破, 部分技術與應用將達到世界領先水平, 人工智慧成為中國產業升級和經濟轉型的主要動力, 智能社會建設達成積極發展. 將新一代人工智慧廣泛運用在智能製造, 智能醫療, 智能城市, 智能農業與國防建設.
2030年: 到此時期, 中國在人工智慧理論, 技術與應用將達到世界領先水平, 成為世界主要人工智慧創新中心. 形成涵蓋核心技術, 關鍵系統, 支撐平台和智能應用的完善產業鏈和尖端產業群.
三大領域支援中國AI發展
中國政府有鑒於世界主要發達國家都將發展人工智慧作為提升國家競爭力與維護國家安全的主要戰略, 因此國務院規劃此「新一代人工智慧發展規劃」, 圍繞在核心技術發展, 頂尖人才引進與培育, 並根據產業發展需求推行標準規範等措施, 目標在人工智慧發展上掌握關鍵技術與領導地位, 促人工智慧創造出新技術, 新產品, 新產業與新模式, 成為經濟成長新動能.
對於人工智慧發展的布局, 設立「1+N」人工智慧計劃群, 結合新技術開發與國家重點項目相互配合. 「1」是指新一代人工智慧重大科技項目, 聚焦基礎理論和關鍵共同技術的前瞻布局. 「N」是指國家相關規劃計劃中部署的人工智慧研發項目, 重點是加強與新一代人工智慧重大科技項目的銜接, 協同推進人工智慧的理論研究, 技術突破和產品研發應用. 在「核高基」(核心電子零件, 高階通用晶片, 基礎軟體), 整合電路設備等國家科技重大專項中支援人工智慧軟硬體發展.
中國在核心晶片與零組件研發製造及軟體開發等方面仍持續緊追, 利用國家科技重大專項, 掌握關鍵零組件的自製技術與自主生產能力, 並且形成完整的產業生態系, 為國內人工智慧發展所需的硬設備與技術提供支援, 並且加快人工智慧的開發進展與產業應用.
AI發展必須注重在基本理論與硬體支援系統的建立, 中國政府希望能夠建造適合AI發展的環境, 並且就現有的數據數據進行研發, 透過建立開放平台與開放程式碼, 鼓勵各方投入研究開發AI領域的理論與應用, 目標則是在未來能夠拓展至產業應用, 形成另一波產業升級的動力. 為達成此目標, 中國政府除了既有的計劃支援外, 也配合園區設立與鼓勵措施等方式, 加快AI發展的推進.
由中國政府領頭推動數項產業優先開始討論標準訂立, 並且鼓勵國內企業參與或主導制定國際標準, 以技術標準「走出去」帶動人工智慧產品和服務在海外推廣應用. 初步針對應用端的硬體插槽, 介面等進行規格, 檢測標準制定, 期望能夠透過國內的產業技術優勢與市場規模, 帶動國際標準的制定, 有利於未來海外市場的開發拓展, 且避免受制於他國標準與技術而產生安全風險.
規劃提及將進行相關智慧財產權與倫理規範的制定, 在有一套共通規範標準與道德價值體系下, 發展人工智慧, 保護財產權益, 也避免應用的道德爭議, 並且尋求在人工智慧法律法規, 國際規則等方面的國際合作, 共同應對全球性挑戰.
中國AI人才缺口大 吸引全球人才為要務
中國與美國是當今世界人工智慧研發領域的領頭羊, 國際科技論文發表量和發明專利授權量已居世界第二, 然而相較主要人工智慧研發國家如英國, 印度, 德國和日本等國, 中國在論文影響力上還略遜於英美等國, 因此著力於相關基礎理論與技術, 加快研發進程.
美國在人工智慧領域人才位居世界之首, 中國則排名第七. 中國官方預估國內人工智慧產業人才需求缺口高達五百萬人, 現有人才僅約五萬名. 因此將會再加大吸納海外人才與培育國內人才的力道, 為加速基礎理論與技術突破, 特別鎖定高階人才, 搭配人工智慧產業園區的設立, 提供發展利基. 現階段美國華人為迴流或投入中國人工智慧發展的大宗, 未來更將吸納各國人才投入. 中國科技公司紛紛投入重金招募海外人才, 特別是挾有大數據與資源的平台商, 對人工智慧的科研人才更具吸引力.
中國AI規劃裡強調培育各領域領頭企業, 如百度, 阿里巴巴及騰訊等大型企業, 透過其累積的技術能量與巨量數據資源, 作為發展人工智慧的獨特優勢, 利用大型平台所提供的數據資源與技術開發, 期望能夠帶動相關應用系統與設備發展, 如無人載具, 穿戴裝置, 機器人, 物聯網感測器等, 匯聚各產業資源形成新的生態鏈, 並且促進人工智慧在中小企業的發展與各領域的應用.
由於數據收集需要透過各種感知, 傳輸, 儲存, 計算與處理等功能來累積大數據供人工智慧開發使用, 因此通信設施(5G)的建設也成為重要支援項目. 大數據的儲存與超級計算機等設備, 一般企業恐難以負擔, 由中國政府主導建設超級計算中心對人工智慧的應用的需求. 中國於5G通訊技術與規格的發展, 台廠應持續追蹤, 未來若要將產品推至中國則須配合當地市場的規格需求. 另外考慮系統設備耗能與供電穩定需求, 因此也同步推廣新型智能能源網路做為未來能源供需規劃的基礎.
台灣市場規模受限 AI發展要靠海外練兵
台灣科技部陸續公布AI發展方案, 分為五大領域包含研發服務, 創新加值, 創意實踐, 產業領航與社會參與, 透過產學研共同努力推動AI的應用發展. 目前則注重基礎理論與演算法的開發, AI在機器人的產業應用以及基礎設施與關鍵晶片的開發. 中國在基礎理論, 機器人應用與晶片開發上與台灣呈現競爭的狀態, 均希望能夠掌握未來AI的產業應用端與關鍵晶片的自主能力.
各國在人工智慧發展均提出相關政策吸引人才投入, 目前美國華裔與留學人才大量返回中國發展, 民間與政府投入大量資源不斷招收各國高階人才, 台灣應思考如何在國內創造具誘因的經營環境, 同時考慮對外國人在台工作的相關法規, 以利吸引人才回台或來台投資與經營.
中國政府以國家力量支援與培養AI的人才庫, 透過自主研究, 發展AI在理論基礎與產業應用層面的能量累積. 中國內部對於AI的人才需求逐步擴大, 透過開闢專門管道, 鼓勵特定領域的海外專家與團隊與國內學術單位與研究機構進行合作, 並且利用政策優惠引導企業引進AI相關人才.
若台灣短時間內無法創造出有利環境, 海外練兵則可作為國家同步培育未來的人工智慧產業人才的途徑, 透過學術交流, 實習或與海外主要公司合作開發, 加快在人工智慧開發上的能量累積.
科技部公布AI人才培育計劃與中國AI發展計划進行對照, 台灣人才初步規劃以自主培訓以及海外練兵為主, 中國則加大吸收海外人才至中國發展為主, 特別針對重點領域頂尖人才與優秀青年人才為目標.
台灣在IC設計與晶片製造在世界仍具優勢, 應著力於發展AI on chip, 未來對人工智慧晶片及高效能運算晶片將會隨著相關產品的推展而推升需求, 因此掌握高效能運算能力的晶片生產能力, 是發展人工智慧, 自駕車等下一代科技的基礎設施之一.
相關物聯網與感測器的發展也可配合AI的發展趨勢, AI開發需要大量數據, 台灣目前在大數據資源相對較少, 因此透過建置感測器與推展智能終端設備與產品, 利用物聯網搜集數據, 針對環境或是特殊場域所收集的數據進行人工智慧開發, 據科技部建議可以在智能應用領域如金融科技, 智能製造, 智能健康醫療, 與智能交通等領域深入發展. 新電子
2.減少警員心理困擾, 英國警方用 AI 搜尋兒童色情網路內容;
在 2016 年, 國際刑警曾經宣布會利用人工智慧技術, 協助搜尋網路的兒童色情內容, 儘快取締和拘捕散布這些不法內容的人. 現在英國警方也開始引入人工智慧系統, 在帶走懷疑散布兒童色情物品嫌疑犯的計算機和智能手機裡, 嘗試分辨出有問題的影片和映像.
英國警方表示, 他們已經利用軟體, 協助掃描和辨認含有槍械, 毒品和金錢的影像好一段時間. 不過軟體在辨認裸照則成效不佳, 期望未來兩三年會陸續改善. 警方的終極目標是, 利用人工智慧縮短掃描充公裝置的時間, 同時避免需要每天親自翻閱這些令人困擾的影像, 對負責辦理案件的警員造成心理創傷.
警方還表示, 為了對罪犯做出不同程度的量刑判罰, 現在他們需要親自將兒童色情內容分類. 可以想象對年複一年處理案件的人會有多大困擾, 如果能夠訓練人工智慧取而代之, 就能夠減少人類的參與. Unwire HK
3.AI協助醫療眼底檢測 精準度已達九成以上;
由於台灣眼科醫療人員缺乏, 糖尿病眼部檢測轉診率低, 工研院開發了「AI辨識醫學影像系統」. 以大量眼底影像及醫生辨識標示之資料庫為基礎, 透過人工智慧技術協助醫師篩選高危險群及需要照護的病患, 做到完善的預防與治療, 目前精準度已達九成以上
工研院智能診療系統部經理陳建任指出, 由於目前台灣的眼科醫生人才缺乏, 全台灣的眼科醫師不到1,700位. 然而, 糖尿病患在發病十年之後, 有35%將會出現眼底病變, 嚴重將會進一步導致失明. 然而, 習慣在在地區醫院, 小區診所的家醫科或一般內科就診的糖尿病患, 在有眼底病變疑慮時, 只有17.4%有確實轉診眼科診所檢查. 因此開發, 推廣該設備, 希望藉助人工智慧協助家醫科醫師進行眼底病變檢查.
該AI辨識醫學影像系統使用Goole開源機器學習系統TensorFlow, 以五萬張來自開放資料庫的圖片進行數千次的深度學習, 並已經過另五萬張圖片測試, 目前判別的精準度已可到達90%. 該設備已進入臨床驗證階段, 希望能在2018年開始將該設備導入家醫科診所.
台灣有高達227萬名糖尿病患者, 且國人整體近視率高達43% , 罹患黃斑部病變, 白內障等眼疾機率極高. 該單位具體展現工研院與區域醫院, 如北市聯醫, 家醫診所等15家醫院及糖尿病照護網, 縣市衛生局健檢中心與公益團體跨業整合的健康醫療創新服務. 陳建任表示, 由於眼底區域包含了視網膜與黃斑部, 除了針對糖尿病的併發症檢測之外, 未來也計劃將設備往眼鏡行推廣, 讓一般民眾皆可以更容易維護眼底健康.
陳建任進一步表示, 在未來也能將該技術運用在傷口照護領域. 以人工智慧辨識傷口組織之比例與影像曆程變化, 協助護理人員精確了解傷口變化, 再透過雲端平台聯機, 於第一時間取得專業傷口照護人力支援, 提升醫療效率, 將帶動智能醫療新創軟體產業的發展及醫學影像設備業者加值應用商機. 新電子
4.處理器/軟體框架雙管齊下 IBM攜手群環共築台灣AI生態系
因應人工智慧(AI)快速發展, 並完善台灣AI生態系, IBM宣布與群環科技擴大合作, PowerAI深度學習平台框架, 提供AI解決方案的模擬測試, 加速深度學習框架與神經網路訓練時間 ; 而IBM也於日前發布新一代POWER9處理器, 提升AI運算效能, 期待在PowerAI深度學習平台框架及POWER9的助力下, 提升企業AI競爭力.
台灣IBM硬體系統事業部總經理李正屹表示, 在AI浪潮下, 有許多企業積極思考轉型方向及IT部署策略, IBM積極從硬體加速上層應用之發展, 與群環科技擴大合作, 力推PowerAI深度學習架構等認知解決方案 ; 同時IBM也持續在大型主機, 伺服器及儲存領域的服務中注入AI動能, 像是推出POWER9及相關數據流的儲存與管理.
IBM日前發錶針對AI工作負載而設計POWER9處理器, 有助於加速建置AI應用. IBM硬體系統部資深資訊技術顧問吳志峰指出, POWER9處理器具備兩項IBM獨有的技術, 分別為支援NVIDIA NVLINK, 可大幅提升GPU與CPU之間的數據交換速度; 以及在POWER9處理器中內建分布式深度學習( Distributed Deep Learning, DDL)軟體來提升深度學習效能.
吳志峰進一步說明, 進行深度學習訓練時, 皆會使用到GPU及CPU的數據資源, 為使GPU與CPU之間的數據傳輸速度也能如同GPU與GPU一般, IBM便與NVIDIA合作開發NVLINK技術, 提升GPU與CPU兩者間的記憶體系統數據搬移效能.
至於DDL軟體, 則是用來提升大規模深度學習模型的效能, 且能縮短訓練深度學習模型的時間. 以往要部署大規模的深度學習, 往往須要花費數天甚至數周來訓練深度學習模型, 而IBM研發DDL, 可優化數十台伺服器中, 共上百顆GPU的平行運算, 增加處理速度, 減少深度學習模型的訓練時間.
除了DDL之外, IBM也備有IBM Deep Learning Impact的軟體開發工具包, 可在開發和優化神經網路的過程中, 提供完整的生命周期管理; 也提供11個產業相關模型, 其中包含超參調優, 可提高5~10%的準確度, 並進行平行化訓練, 現已經可以做到85%的加速比, 以協助用戶快速收斂做出一個好的模型.
李正屹說, IBM透過將產業場景, 數據及專業經驗導入認知解決方案中, 以各產業Know-how鏈結IBM的AI深度學習平台架構, 提供符合特定產業需求的AI動能, 加速企業認知轉型, 促進台灣AI生態圈發展. 新電子