為何「量子電腦」(Quantum Computer) 會緊跟在人工智慧 (AI) 之後活躍於人們的視線？作為先驅，「2018 IBM 科技論壇」給了清晰的脈絡。受邀與會座談的科技部長陳良基表示，AI 至少經過兩波以上的震盪，這回捲土重來的最大不同之處在於：大數據 (Big Data)、物聯網 (IoT)、運算力 (Computing Power) 等基本條件的到位，終於讓許多過去無法實現的精妙演算法得以付諸行動，為深度學習 (Deep Learning) 提供良好基礎。他強調，「明天不會用 AI，將面臨跟今天不會用網路一樣的困境；推估四年後，許多元件都必須具備 AI 能力」。
陳良基分析，台灣可望在硬體加值與裝配工程展現優勢。著眼於此一願景，科技部去年擬訂「智慧終端半導體製程與晶片系統研發專案計畫」(半導體射月計畫)，期許在 2020 年前，讓台灣躋身全球關鍵元件的重要供應商；另為充實人才，於今年在台大、清大、交大、成大等四校啟動「AI 創新研究中心」，投入醫療、智慧製造和智慧服務等應用。「AI 與傳統互聯網的最大不同在於：市場不會由一、兩家全拿，不同應用領域會有不同的贏家；從核心向外展延，台灣在許多細分市場都有很好的機會，語音就是其中一項，而資料是 AI 的基礎」，陳良基說。
照片人物：科技部長陳良基
語音，潛力無窮的人機介面
有鑑於語音在人機介面應用漸廣，且台灣擁有豐富的語系資源，但由廠商自行建置資料庫會有一定難度，科技部特意展開策略佈局：與電台合作，協助廠商建置多達 2,000 小時、不同應用情境的語音資料庫 (目標是 5, 000 小時)。陳良基回顧今年四月的美國 IBM 實驗室參訪之旅，有兩樣東西特別令人印象深刻：一是 Watson (華生) AI 系統，另一個就是擅長解決「非線性」邏輯的量子電腦——預計五年後將出現實質應用、大量應用可能在十年後。他指出，受限於產業規模和博奕能量，台商雖不易投入大量資源、在技術前沿取得先勝，但仍可以小搏大。
有鑑於語音在人機介面應用漸廣，且台灣擁有豐富的語系資源，但由廠商自行建置資料庫會有一定難度，科技部特意展開策略佈局：與電台合作，協助廠商建置多達 2,000 小時、不同應用情境的語音資料庫 (目標是 5, 000 小時)。陳良基回顧今年四月的美國 IBM 實驗室參訪之旅，有兩樣東西特別令人印象深刻：一是 Watson (華生) AI 系統，另一個就是擅長解決「非線性」邏輯的量子電腦——預計五年後將出現實質應用、大量應用可能在十年後。他指出，受限於產業規模和博奕能量，台商雖不易投入大量資源、在技術前沿取得先勝，但仍可以小搏大。
陳良基認為，「這是一場長跑競賽，站在 IBM 這些領先巨擘的肩膀上，也是養成未來競爭力的方式」。IBM 已承諾將在 5 Qbit 和 16 Qbit 平台與台灣合作，供開發更多演算法以解決複雜問題。全球有高達 75% 的半導體是由台灣所生產、製造，科技部的藍圖是佈建兩個團隊、雙管齊下：一是扶植學術團隊專攻量子應用，二是與產業共同開發「常溫」裝置。他表示，雖然 IBM 目前所展示的 50 Qbit 運算能力須在「絕對零度」(0度K) 環境中才能順利運行，但日後若要大量應用，勢必還是要走入常溫的半導體製程。
台灣 IBM 總經理高璐華則從「科技賦能」的角度來看 AI：旨在運用科技提升組織的競爭力和生產力。例如，玉山、星展銀行開始採用聊天機器人 (Chatbot) 加入客服行列；Watson 技術幫醫師消化成千上萬的醫療文獻、尋求更好的診斷和用藥；淡江大學發展 AI 機器人以開拓更多應用……，皆與 IBM 力倡的「有『智』者，事竟成」(Putting Smart to Work) 不謀而合。IBM 對於開發創新技術不遺餘力，過去 25 年在美國專利數皆名列第一，去年單是與 AI 相關的專題就超過 1,400 項，包括：CPU / GPU 加速、圖形解析、語音解讀、資料加密等。
照片人物：台灣 IBM 總經理高璐華
「數位轉型」，是危機或轉機？
高璐華指出，一般在談到 AI 時，首先會想到的是軟體和數據，但其實硬體與架構影響甚鉅，故 IBM 拍板四大營運方針：安全、開放、多雲和 AI 軟體。據她觀察，台灣有幾個產業對於「數位轉型」尤顯需求孔急：1.金融業——法規漸有鬆綁之勢，可藉以開發新產品／服務；2.製造業——利用大數據和 AI 提升產線良率；3.醫療——決策支援，讓醫師有更多時間專注於診斷；4.零售——提升使用者體驗、更了解消費者偏好。過程中，資料科學家 (Data Scientist) 等 AI 專才的培育工作亦刻不容緩。
高璐華指出，一般在談到 AI 時，首先會想到的是軟體和數據，但其實硬體與架構影響甚鉅，故 IBM 拍板四大營運方針：安全、開放、多雲和 AI 軟體。據她觀察，台灣有幾個產業對於「數位轉型」尤顯需求孔急：1.金融業——法規漸有鬆綁之勢，可藉以開發新產品／服務；2.製造業——利用大數據和 AI 提升產線良率；3.醫療——決策支援，讓醫師有更多時間專注於診斷；4.零售——提升使用者體驗、更了解消費者偏好。過程中，資料科學家 (Data Scientist) 等 AI 專才的培育工作亦刻不容緩。
為此，IBM 透過捐贈軟、硬體設備給「台灣人工智慧學校」等培訓機構、舉辦實作競賽，並與教育部啟動 P-TECH (前期科技學院高中學校教育路徑) 五年教育，冀讓畢業後的人才可立即為企業所用。常年偏向保守的金融業，也發生質變。新光金控資訊長章光祖不諱言，O2O 等 FinTech 對金融業所帶來的衝擊，甚至大於十年前的金融海嘯。過去，金融機構與消費者總存在那麼一絲隔閡與不對等；如今，是使用者介面 (UI) 與體驗至上的時代。與此同時，金融業長期從核心向外擴充的思維，也面臨區塊鏈 (Blockchain) 等去中心化的浪潮強襲。
以往的運作模式，常造成開發速度的緩慢，迫使金融業不得不仿效「資訊模組化」、轉向「小核心、大週邊」策略，期在穩定、安全之外，再添創新活水。為跟上時代脈動，企業轉型須從「組織變革」根本著手、由高層帶領跨部門協作。章光祖點出，AI 有個很要務是：從結構化資料找出價值，而金融、保險業基於安全考量，傾向將 AI 系統和資料庫建置在內部；此時，友善的操作介面可協助使用者儘速上手，不需花太多心力鑽研架構技術、更能專注於營運本身，他大方分享：「這也是我們選擇 IBM 的理由」。
照片人物：新光金控資訊長章光祖
