聯絡我們 | English | 繁中   

悅、代表近悅遠來，智、代表智慧；悅智代表一群知識愛好者的結合，更代表著因為運用智慧與經驗，幫助顧客成長而雀躍不已。 Atelligent是A和Intelligent的組合，代表卓越且足智多謀的專業服務，擁有最具趨勢性及權威性的知識，也代表著專業與智慧的多重內涵。

AI時代的組織和策略

前言

二十一世紀已經過十八個年頭了，人類社會展現了驚人的進步，特別是在科技方面，承續上世紀末資訊通信網路的飛躍發展，各種數位匯流的技術相繼發展，例如智慧手機，已經普及到世界各角落，數十億人藉由手機上網互聯，改變了生活的型態。
現在，另一波影響巨大深遠的技術創新又將改變整個人類社會的未來，結合了人工智慧 (Artificial Intelligence, 簡稱AI)、大數據、機器人和物聯網等技術，數位科技正在出現突破性的發展。未來二、三十年很可能將造成我們難以想像的生活和工作型態的變化，人工智慧專家已經預言大量今天存在的工作將被機器取代。
回顧上個世紀，電腦和網通等科技協助促成了一個跟工業社會完全不同的社會，大批受過高等教育的知識工作者進入大企業、政府或大型組織，運用專業知識強化了組織的績效和貢獻，研究管理的大師杜拉克認為先進已開發國家在二十世紀中期已經處在一個「組織社會」裡，大部分工作者為組織工作，成為組織的雇員。數位科技在這波改變中，扮演極為重要的催化作用。
未來學家托佛勒也在他的《大未來》書中也預言資訊化、數位化將在社會中形成權力的移轉，擁有電腦和資訊網路的「超象徵經濟型」企業，將取代「煙囪型」工業的公司，從事符號、位元相關工作的知識工作者將取代工廠的勞工成為科技新貴。他的預言似乎已經應驗，在美國上市公司中，市值最高的Apple、Google、Amazon等的市值已經遠遠超過通用汽車、福特汽車等工業時代巨頭。
2016年世界經濟論壇（WEF），將人工智慧（AI）視為「第四次工業革命」的核心，預言這個技術將對全球產生翻天覆地的影響。台灣置身於全球環境中自然必須面對這波劇變，我們是否能擺脫低迷的經濟成長，再造高峰呢？麻省理工學院教授潘特蘭 (Alex Pentland) 應邀來台演講時提到：人工智慧技術在今天和不遠的將來，只取決於資料使用能力的高低，。他寄望台灣善用已經建立的製造業運籌基礎，快速進入以資料控制的全球體系。他認為資料才是真正的黃金，所有行業都有機會把資料轉化為價值和利潤。調研機構Gartner預測到2020年時，新的電子產品將有95%應用物聯網技術，而所有的物聯網都將具備AI功能；30%公司將用AI來提高至少一種關鍵程序的效能。
未來10年隨著製造、零售、運輸、金融、保險等各個產業改造核心商業模式，以充分利用機器學習，人工智慧的影響將無遠弗屆。

身為企業或組織的重要決策者，您是否已經注意到正在改變人類生態的AI及相關技術？您如何積極地為企業或組織掌握AI革命的新機會？或者，如何做出中長期的規劃，以適應AI社會所帶來的衝擊？

何謂AI？

根據維基百科上的定義：人工智慧（artificial intelligence，縮寫為 AI）亦稱機器智慧，指由人製造出來的機器所表現出來的智慧。通常人工智慧是指通過普通電腦程式的手段實現的人類智慧技術。該詞也指出研究這樣的智慧系統是否能夠實現，以及如何實現科學領域。同時如此，人類的數量開始收斂及功能逐漸被其取代。簡單說，人工智慧是一種能夠像人類一樣思考、判斷和學習的電腦程式。
AI的發展和演進
AI技術的起源是由二次大戰剛結束時，曾破解德軍密碼的英國科學家亞倫‧圖靈(Alan Turning)在英國國家物理實驗室負責自動計算引擎 (Automatic Computing Engine, ACE)而起開序幕。1945-1948年他在實驗室提出

經過了六十多個年頭，人工智慧雖然曾經兩度蔚為風潮，但是並沒有如同大家預期的形成巨大的影響，於是很快就成為冷門的純學術領域。直到2010年起，更接近人類腦神經的深度學習演算法出現，開始用在語音辨識的領域，大放異彩。接著，Google的Alpha Go也是採用深度學習演算法，多次擊敗世界圍棋高手，震驚全世界。根據曾鑽研語音辨識超過四十年的專家李開復《人工智慧來了》書中的數據，語音辨識在20年前錯誤率在20%-40%之間，但是採用數種深度學習的技術後，幾年之間迅速改進，只花了兩、三年的時間,微軟IBM谷歌等公司就將語音辨識的錯誤率,從20%左右降低到6.3 %，語音辨識的技術終於成熟到人們可以使用的階段！

同樣地，人臉辨識的神速進步也令人振奮，圖像辨識也大幅改善。臉書和其他許多應用程式，現在認得出你張貼照片中朋友的臉孔，提醒你標記他們的名字。安裝在智慧型手機裡的應用程式，認得出野外中幾乎任何鳥類。圖像辨識甚至取代企業總部中的身分識別證，無人駕駛汽車中使用的視覺系統以前確認新人時每30張圖像就會錯誤一次；現在，他們的錯誤次數是每30,000,000張不到一次。
為什麼從前一直存在著的機器學習系統，現在卻變得非同小可？《哈佛商業評論》一篇專文分析認為是因為三個因素的交互作用：資料大幅增加、演算法有極大的改善、電腦硬體功能愈來愈強大。這些因素結合起來，產生了高達一百萬倍的改進。在演算法方面，人工智慧採用了跟人類大腦神經類似的網路觀念。

深度機器學習和神經網路

人工神經網路是一個能夠學習，能夠總結歸納的系統，也就是說它能夠通過已知資料的實驗運用來學習和歸納總結。人工神經網路通過對局部情況的對照比較（而這些比較是基於不同情況下的自動學習和要實際解決問題的複雜性所決定的），它能夠推理產生一個可以自動識別的系統。與之不同的基於符號系統下的學習方法，它們也具有推理功能，只是它們是建立在邏輯演算法的基礎上，也就是說它們之所以能夠推理，基礎是需要有一個推理演算法則的集合。
人工神經網路，簡稱神經網路或類神經網路，在機器學習和認知科學領域，是一種模仿生物神經網路的結構和功能的數學模型或計算模型，用於對函式進行估計或近似。神經網路由大量的人工神經元聯結進行計算。大多數情況下人工神經網路能在外界資訊的基礎上改變內部結構，是一種自適應系統，通俗的講就是具備學習功能。
神經網路的構築理念是受到生物（人或其他動物）神經網路功能的運作啟發而產生的。人工神經網路通常是通過一個基於數學統計學類型的學習方法（Learning Method）得以最佳化，所以人工神經網路也是數學統計學方法的一種實際應用，通過統計學的標準數學方法我們能夠得到大量的可以用函式來表達的局部結構空間，另一方面在人工智慧學的人工感知領域，我們通過數學統計學的應用可以來做人工感知方面的決定問題（也就是說通過統計學的方法，人工神經網路能夠類似人一樣具有簡單的決定能力和簡單的判斷能力），這種方法比起正式的邏輯學推理演算更具有優勢。
和其他機器學習方法一樣，神經網路已經被用於解決各種各樣的問題，例如機器視覺和語音識別。這些問題都是很難被傳統基於規則的編程所解決的。
為何企業或組織需要引進AI？
今天的社會，不論我們稱之為「後工業社會」、「數位社會」或「工業4.0社會」，所強調的都是我們正在脫離傳統的工業社會，邁向一個全新的時代。不但所有的產業都會受到衝擊，連非營利組織和政府機構也會受到很大的影響。如同過去三十年人類社會受惠於電腦、手機和網路，改變了工作和生活風貌，即將來臨的人工智慧相關科技很確定又會掀起一波革命。上一波的數位網路技術徹底擊垮了柯達那麼大的企業，也讓報紙、雜誌和唱片業備受打擊，企業和組織要早日因應政要來的巨浪，早做準備，否則會成為汰弱存強現實的受害者。記得在互聯網興起那段時間一位有名的學者說過：「如果改變像壓路機輾過草地，寧願成為壓路機的一部份，也不要做心存僥倖的小草。」

科技部長陳良基在一場玉山科技協會演講中，強調台灣一定要掌握AI的機會，他將2017訂為台灣AI元年，科技部編列大規模預算，成立北中南三個研究中心。

AI成功應用實例

◆ 臉書的人工智慧工作坊
臉書有一個在人工智慧方面的推動團隊，負責建立平台，將機器學習等工具置於平台上，供全公司使用。他們從社群對話分析，設法了解使用者的意圖，以協助使用者找出需要的服務或答案。臉書也投資人臉辨識技術，讓使用者為認識的人標記，這些技術蘊含著相當大的商業價值。目前臉書的機器學習團隊中，有數百位員工，每天進行數千個實驗，希望能將人工智慧充分運用在臉書的事業上。

◆ 台積電的數位大腦，
台積電的官網上寫著：「台積公司的敏捷製造整合了供需模型、精實的 製品管理、派工與排程、準時交貨系統、以提供較短的製程週期、穩定的生產和準時交貨。這套系統也提供了高度彈性，以快速支援客戶的緊急需求。」 台積電用十年的時間打造出一個「軍機處」，
台積電非常重視製造上的數據分析，曾經用大數據方法改善製程，獲致良好的結果，基於數位決策應用上厚實的基礎，當智慧化工具出現突破性發展時，就能

企業或團體如何導入AI？

首先，公司或非營利團體的高階決策主管必須要有決心，確定公司引進AI的政策和時程，並向全體員工宣示此項政策；其次擬定長中短期的目標，並選出適任的專案領導人，擬定執行計畫。由於AI的引進有可能改變工作流程和組織型態，專案的規畫特別要注意組織的變革，及早規劃人才的配置和培訓。

點線面網，循序漸進

正如同電腦系統導入的過程一樣，AI的導入也需要長期的投入，高層的支持以及一個專業的專案團隊密切配合
1. 由某一個功能或工作流程的智慧化開始，構成先期的點。最先的應用必須是容易成功和看出成效的，作為組織內大家有機會認識和學習的先導計畫。
2. 藉由已經完成的兩個或多個AI應用系統，結合成一條線，以組織內重要的工作流程的優化為思考重點。
3. 結合多個AI化的工作流程，組成事業體的全面性改善。
4. 建立跨事業部門的整合系統，並延伸內部系統跟外部結成智慧網絡