2017年AI開始普及化，技術競賽白熱化

去年5月，AlphaGo打敗了韓國圍棋棋王，讓全世界感受到AI技術的威力，竟然在最複雜的遊戲中，打敗了人類，在今年5月更進一步打敗了職業圍棋排名世界第一的柯潔，儘管催生AlphaGo的DeepMind公司在賽後也隨即宣布這是AlphaGo最後一場戰役，爾後將從圍棋界退休，但AlphaGo這股打遍圍棋界無敵手的氣勢，早已在世界各地的人們心中，喚起了對AI的重視和擔憂。

人工智慧無疑是近兩年來最夯的技術，早在2、3年前，許多科技巨頭仍舊主打雲端第一或行動第一的策略，但是到了去年紛紛轉向AI第一的戰略，今年更是明顯。

根據市調機構IDC在2016年中時預估，全球AI（含認知服務）投資規模預估是80億美元（相當於臺幣2,400億元。），但是，IDC在今年4月揭露的全球AI投資半年報中更大膽預測，2017年全球AI支出規模將會達到125億美元（約3,750億元），比去年成長了近6成，而且，這股投資成長力道將持續，每年以54%的成長力道增加，預計在2020年時，全球AI投資規模將達到460億美元，這個規模比2017年全球雲端投資規模還要高。Gartner研究總監Angela Mclntyre更預估，2020年時的AI商機更將超過3千億美元。

今年主要有5大類的AI投資，包括了品質管理和推薦系統、診斷和治療系統、自動化客服引擎、威脅情資自動化和預防，最後一類是防詐騙分析和調查。IDC估計，這5大類的AI投資占了今年整體AI支出的一半。

目前，美國是AI投資最多的國家，IDC預估將達到97億美元規模，超過2017年AI整體支出的一半，但是，到了2020年時，IDC反而預測，全球AI投資主力將轉移到亞太地區，尤其日本在未來3年將會有107%的AI投資規模成長。

深度學習技術、GPU和大數據讓原本停滯的AI應用開始有了爆炸性的成長，尤其是深度學習技術彷彿隔空出世，Google臺灣董事總經理簡立峰更指出，深度學習技術帶來機器學習演算法上的突破，最大關鍵是可以善用大量資料。

幾年前，在Google年度大會中，深度學習展示了快速提升語音辨識技術的驚人效果之後，也吸引了IT巨頭相繼投入研發，甚至為了催生更多應用，從2015年底到2016年，不只Google、微軟、IBM、臉書、百度等紛紛開源釋出了自家的深度學習技術，這更進一步帶動了AI產品和AI服務平臺商品化的發展，在2017年形成了一股AI應用普及化的風潮，開始進入一般企業、各種產業應用領域的關鍵。

今年無疑是AI發展大步起飛，甚至是遍地開發，開始普及化應用的一年，主要有3大驅力。

驅力一：AI平臺服務相繼出爐，降低企業採用AI的門檻

不同於去年AI技術大多是整合到科技巨頭自家消費端產品或App中，今年反而有不少雲端巨頭開始主打AI雲端平臺服務，要讓企業或一般開發者，不需自行建置AI平臺，也能打造出各種AI服務。

例如Google雲端機器學習服務正式推出，企業可以直接在雲端租用一個機器學習環境，不用自建。而很早就開始主推華生AI服務的IBM，以及以今年以Azure快速搶下雲端市占第二的微軟，都開始力推認知服務，並以Chatbot平臺作為主打號召，將自家各種AI技術藏在Chatbot服務後端，作為分析和處理的後臺引擎，AWS也在今年4月正式將自家智慧語音助理Alexa的核心引擎Lex釋出，成了人人可租用的技術。Chatbot成了吸引企業導入AI應用的應用形式，也再次降低企業採用AI技術的門檻，不用採用整套AI平臺，可以租用部分AI雲端服務來改善自家的Chatbot。

驅力二：AI硬體化風潮興起，專用設備相繼亮相

除了雲端AI平臺服務的出現，以GPU帶動機器學習和AI技術發展的Nvidia，今年繼續推出新一代資料中心等級的GPU，比起上一代Pascal架構的技術，新的Volta架構能提高5倍的浮點運算效能，這也讓倚賴大量資料訓練的深度學習技術，有更快的發展，而也有越來越多的廠商採用GPU來提供AI專用伺服器產品，如Nvidia去年就發表了AI整合型設備DGX-1，富士通的AI專用伺服器也在今年中上市，讓企業更容易建置自家的AI運算平臺。

甚至，Google自己研發的AI晶片TPU，今年也發展到了第二代，針對自家深度學習框架TensorFlow進行優化，不過沒有對外銷售，而是用來強化自家雲端AI服務。

不過，很早就開始運用各種AI技術的自駕車，今年則進入了新的競爭階段，不再只是網路或科技公司帶頭研究，不少車廠都紛紛投入自駕車，而且開始從研發階段進入了道路實測階段，全球多國可以看到自駕車的實驗，甚至預告準備開始上路提供服務，不過，自駕車仍舊還未進入普及化階段，大多用於特定用途，無新加坡的無人計程車實驗，臺灣也將有無人公車上路，杜拜警方則打算用無人車在風景區巡邏。

驅力三：AI大眾化風潮崛起，未來要讓AI人人容易可用

隨著AI技術和平臺技術越來越商品化，另一股風潮也開始醞釀，那就是Democratizing AI的趨勢，一種常見翻譯是AI民主化，不過，AI大眾化的說法更能貼近原意，要讓AI技術成為人人可用的技術。

微軟去年先提出了AI大眾化的未來願景，將AI視為可以改變生活、人與電腦互動方式的根本技術，因此，微軟計畫在自家所有產品，從裝置、應用系統、APP、雲端服務或基礎架構平臺產品中，都運用AI技術。Google雲端人工智慧與機器學習首席科學家李飛飛在今年3月的Next年度大會中，宣布了Google機器學習的未來戰略目標也是「AI大眾化」，要讓人人都有能力使用AI，Google想要推動的AI大眾化方向，包括了4個：運算、資料、演算法和人的能力。這也是Google併購了全球最大資料科學社群平臺Kaggle的原因，要讓更多開發者、使用者和企業有能力運用AI。

曾一手創立Google大腦計畫的AI專家吳恩達在離開百度時也提出，AI將成為電力一樣普及的技術的想法，他將致力於讓大公司以及企業都使用並熟悉AI，努力推動讓全世界的人都能使用AI。

就像2006、2007年時，雲端運算崛起之際，專家們紛紛預言雲端將成為未來像電力設施一樣的公共性服務（Utility Services），人人可用。過了十年後，如此，人人生活中隨手可得的各種服務大多上了雲端，甚至公有雲服務也成了企業節省自家機房建置的另一個成熟的選擇，就像是電力設施一樣。

儘管深度學習只是人工智慧的其中一項重要突破，距離通用性AI技術的出現，還有很長一段距離，不過，AI開始也像十年前的雲端運算技術一樣，想要成為新的電力服務，人人容易可用的願景，在雲端巨頭帶頭之下，也邁出的關鍵的第一步。

 100項 IT人不可不知的AI發展  

No.001 2017年全球AI支出規模預估125億美元

No.002 2020年全球AI市場規模上看460億美元

No.003 雲端巨頭要靠AI服務搶市場

No.004 AI硬體化風潮興起，專用設備相繼亮相

No.005 AI大眾化風潮崛起，未來要讓AI人人容易可用

 相關報導  AI 100（上）  AI 100 （下）