AI能做什麼事？從工人智慧到人工智慧，如何期待又不怕受傷害？——機器學習月/人工智慧跨域領袖營

用 AI 救人：觀察細微脈博

「余憶童稚時，能張目對日，明察秋毫。見藐小微物，必細察其紋理，故時有物外之趣。」若你曾在國文課本讀到這段，可曾驚嘆沈復的好眼力？

現在你可以拍拍沈復的肩膀說「以 AI 細視，汝更覺呀然驚恐」。因為人工智慧的影像處理技術宛如一副神奇眼鏡，能看到肉眼察覺不到的細微變化，例如：當血液隨脈博通過臉部，造成的膚色變化。

心跳訊號放大 100 倍的手機拍攝影像，可以看見當血液被打上來通過臉部，皮膚顏色明顯變紅（右圖）。影片／Revealing Invisible Changes In The World

這個影像放大技術反之，也能藉由偵測臉部皮膚顏色變化的頻率，回推心跳速率。對於新手爸媽而言，常見的焦慮是「總想確認寶寶還在呼吸嗎」，因為嬰兒熟睡時一吸一吐的胸部起伏相當細微，從外觀難以分辨。

發展這個影像放大技術的團隊，發現也能從嬰兒睡覺的影像推估心跳速率，數值準確度可與醫療監測器相比，有機會應用於家庭日常的呼吸監測，預防嬰兒猝死症 (SIDS)。

大眾看新聞時，經常好奇螢幕中人說話是否屬實，例如當立委說出「一生監督你一人」時，政府官員是否有動情。表情可以透過臉部肌肉控制，而脈搏跳動加快、引起血液流經臉部的膚色變化，透過這個訊號放大技術解析，就藏不住心跳了。

用 AI 聚集靈感：社會物理學

俗話說：「三個臭皮匠，勝過一個諸葛亮」，但如果臭皮匠高達成千上萬名呢？

透過社群網絡，串起成千上萬名臭皮匠互相交流資訊、溝通意念，並透過資料科學依此預測未來的行為、找出問題的對策，可說是「社會物理學 (Social Physics) 」的奧義。而提倡社會物理學這門新科學之人，是被《富比世》雜誌譽為「全球 7 大權威資料科學家之一」的 Alex “Sandy” Pentland 教授。

儘管 YouTube 出身的 HowHow 堪稱「邊緣人中的霸主」，而生活中也有許多人在群體中感到孤立，但 Alex “Sandy” Pentland 教授指出，無論在虛擬社群和真實社會中，沒有人是獨立切割的。

每個人都是社會的一部分，共享資料、共享資訊，這時意念彷彿化為一條時間長河、流動著，每個人涉身其中，從彼此的經驗想法中學習，最終成就我們自己的習慣和興趣。

而這些可共享、可分析的資料從何而來？就在人們身邊各處──包含通話紀錄、信用卡交易、 GPS 定位紀錄等等，像是糖果屋童話中撒下的「數位麵包屑」，表達著你的生活行蹤與選擇偏好，而差別是不會被森林裡的動物吃掉。

數位麵包屑與臉書（Facebook）貼文大不相同，臉書貼文是人們選擇性過濾、編輯的資訊。比起人們自己說自己做了什麼，日常的數位麵包屑反而更能反映個人真實情況。

Steve Jobs 曾說：「所謂的創造力，只是將事物聯繫起來」，而社會物理學基於貝氏網路 (Bayesian network)發展，透過數位麵包屑將不同情況聯繫起來，找出「情況 A 」和「相關情況」之間的機率關係。

Alex “Sandy” Pentland 教授再舉例，若在地圖看到 GPS 人流移動到了城郊某一地帶就停止，傳達的資訊是：當大多數人停止前往該區，代表該區容易有犯罪活動。並另以北京的資料指出，若當地的交通網絡完善、社群流動越密集，未來三年該區的經濟成長機率也偏高。這些社群行動觀察，有助於城市規劃與犯罪防治，而且運用的資料無須涉及記名資訊。

社群範圍也能縮小到公司。 Alex “Sandy” Pentland 團隊與美國銀行（Bank of America）的電話客服中心合作，實驗若客服員之間有越多的想法交流，是否能降低每通客服電話的處理時間。分析結果發現，比起客服員逐一單獨休息，讓整個客服團隊一起休息更好，因為有助增進團隊間的交談、交流工作竅門，讓處理客服電話的平均時間大幅降低。

從工人智慧到人工智慧，期待又怕受傷害

適合發展 AI 的是「有特定知識」、「行為可預測」的領域，並且應善用「原本就有的資料」，例如臺灣累積豐富的醫學影像，這些影像透過機器學習就能轉換為知識，而非從頭開發網站，去蒐集新的使用者資料。

在 Google 有幾萬名工程師在進行幾千項專案，各種領域都有人嘗試，甚至包含用影像辨識判斷正在飛行是不是母蚊，是的話就擊殺，藉此來斷絕蚊子成為疾病傳染源。簡立峰分享， Google 若進行 5000 項 AI 專案，最後證實有用的不到 10 項，實作後會發現論文演算法講得頭頭是道，但實作後好像不是這回事，許多參數調不出來。

然而，這些過程不是白費。 Google 從這些專案裡的工程師選出 50 位較富經驗者、組成顧問團，再引導大家嘗試各種 AI 專案，而前提是要建立開源文化，開放讓所有員工自由修改程式碼，應用在自己的專案中。

許多人會好奇，為什麼 Google 軟體開發這麼厲害？簡立峰提到，臺灣生產「硬體」的組織結構，是將軍關在辦公室，帶領生產線的幾千名士兵，一起完成最後的產品。「軟體」的思維要倒過來，Google 採取「有將軍沒有兵」的模式，人人都是將軍，讓神人站上第一線寫程式，自己 debug 解決問題。

「 AI 是當紅的產業趨勢，但我的小孩不是讀這個領域的怎麼辦？」在演講中，一位中年父親提出許多家長會有的疑問。

「通常華人的傳統，生了兩個小孩，一個會讓他出去外面的世界闖，一個會留下來照顧老家……」簡立峰從社會文化與人之常情，比喻臺灣整體產業發展。

在 AI 時代，科學可以突破百分之八九十，但最後一哩路比想像中難度更高。哪裡熱門、大家都趨之若鶩，即使可能史上最大的失敗就在眼前。這是出去闖的孩子會面對的問題。簡立峰提到，臺灣可以參考以色列的產業策略，弱水三千只取一瓢飲，著重發展大市場需要的尖端技術，例如臺灣的鏡頭技術世界知名，就有更多優勢延伸發展電腦視覺領域。

而若不在 AI 領域，留下來的孩子，則應跟臺灣土地有所連結，發展他國取代不了、有信賴感的產業：例如醫療、食品、農業，讓在外面闖的孩子無論什麼時候回家，都能感受到在地文化、安心踏實。

學界與產業離很遠？創造一個機會齊動腦！

2017 年政府宣示「臺灣 AI 元年」即刻開始，但要落實到業界尚有層層挑戰。為此，科技部與中研院舉辦五天四夜的密集研習，向國內外講師借智慧、聚集學員間的意念流，來討論各產業要懂哪些 AI 先備知識、遇到的問題如何解決。

以臺灣醫療產業而言，優勢是已累積豐富的影像診斷資料，若在保護病人隱私的前提下開放資料，就有機會透過電腦視覺協助醫師診斷病情，或是監測嬰兒老人的睡眠呼吸中止情況。甚至在診間，當病人聽完診斷滿臉問號，這時一旁的鏡頭偵測到病人表情，就能提醒醫生要再多加說明、增進醫病關係。

製造業的學員則回饋，若企業自己架設機房、自己租用雲端伺服器，這種燒錢行為會降低轉型意願，希望政府能提供雲端運算資源的協助，例如國家實驗研究院高速網路與計算中心（國網中心）的 GPU 伺服器。

「在華爾街大量招募資料科學家的趨勢下，臺灣的 FinTech（金融科技）仍受限法規，綁手綁腳無法前進！」來自金融界的學員表示。希望能透過調整金融法規、個資法規，讓去識別化的財務資料成為可應用數據，藉以分析客戶的潛在風險、或預測未來交易。或者，開戶時結合電腦視覺技術，透過影像辨識開戶者是否有異常的心跳表現、說謊的可能性，及早阻止不當的金融交易。

最後，無論是想出去或留下來的孩子，以及學界產業界的人士，若有興趣進一步了解 AI 領域中各技術有何不同，下圖的「資料科學學習地圖」將能作為指引。

初次進入 AI 領域，需從核心課程出發，再依興趣或需求轉往「資料探勘」、「網路爬蟲」、「進階應用」方向。圖／臺灣資料科學協會

儘管 AI 之路讓人既期待又怕受傷害，但如同電影《三個傻瓜》所言：「請把手放在心上說『一切都好』，我們的心太容易害怕，你得哄騙它。不管天大問題，告訴你的心『一切都好』，那會讓你有勇氣去面對問題。」