大數據（Big Data）、 人工智慧 （ AI ）、機器人（Robot）、演算法（Algorithm）、機器學習（Machine Learning）、深度學習（Deep Learning）、物聯網（Internet of Thing，IoT）、感測器（Sensor）……，這些名詞，我們似乎每天都會看到或聽到，當人們還搞不清楚這些是什麼的時候，媒體即不斷地報導我們的工作很快會被取代，人們開始愈來愈焦慮！
我跟大家有一樣的疑惑，但資訊科學對我來說，始終有種致命的吸引力。可能因為我的第一份工作，是當了四年的程式設計師，也在電腦補習班教了四年的軟體應用，所以我才會在2016 年，毅然放下工作，去美國進修大數據預測科學。
我第一個主要的工作經歷是在奧美集團期間，幫助客戶打造世界級品牌；第二個主要的工作則是在王品集團，努力為自己服務的企業建立多品牌。要能建立品牌，就是要能用簡單的語言跟消費者溝通你的想法，因此現在我想用簡單的語言，幫大家釐清這些名詞的關係。
為什麼機器人會很厲害？
因為它裝上了人的大腦，也就是AI。AI 也有優劣，就跟人一樣，IQ 有高低之別。機器人厲不厲害，就看它的AI 好不好。所以，如果沒有AI，機器人就只是「機器」，不是「人」。
AI 如何變得厲害？
那就要餵它「吃」大數據，沒有大數據，AI 就不會變強大。大數據就像AI 的食物，跟人類一樣，吃進去的食物愈新鮮、愈營養，AI 就會愈健康。
AI 又如何吸收那麼多的食物？
就是用人類學習的方法，也就是所謂的機器學習及深度學習。
AI 又怎麼能將學習的內容轉換成智慧呢？
這就要靠演算法了。演算法決定AI 如何學習以及學習能力的強弱，也決定了機器人的智商。但演算法也有很多種，有預測分析的演算法、各類統計演算法、深度學習的演算法等等。
每個會寫程式的人，都可能創造自己的演算法。
AI 有了不同的演算法，就有了不同的專長
AI 的應用分布於不同的領域，如醫療、教育、製造、理財及自駕車等等領域；就如人類的腦袋瓜，每個人都不一樣，有的擅長分析、有的喜歡藝術、有人擅長科學，有人偏愛人文，從事各種各樣的工作。
不過，演算法的好壞，直接影響AI 的思考及判斷，也就决定AI 在該領域是否傑出。
2016 年，全球首宗自駕車撞上大貨車的意外，乃因Tesla的自動駕駛系統，無法辨識強烈日照下的反光大貨車，導致未即時做出煞車判斷，才釀成大禍。這就是因為演算法從未學習過這類大數據，導致AI 無法在當下做出正確判斷。
總之，健康的食物（大數據）加上聰明的大腦（演算法），AI 就有可能做出正確的判斷；如果判斷錯誤，後果則不堪設想。
現代企業又是如何收集大數據？
除了傳統的ERP（企業資源規劃，Enterprise Resource Planning）、CRM（顧客關係管理，Customer Relationship Management）之外，新的趨勢就是靠網路、物聯網以及裝設在人們四周圍的各種感測器了，這些就是機器人的手腳。
至於物聯網，就是把生活中的設備連上電腦
這並不是新概念，傳統零售業的POS 與電腦相連，就是物聯網的例子。只是網路發達，你想到的東西都可以連上電腦，如運動鞋墊連上網路，會提供你的運動頻率、里程數、健康狀況；工廠設備也可以連上網，隨時提供生產的數據、良率及設備運轉狀況；家庭用品如體重計、電燈、空氣清淨機也可以連上網，讓你可以隨時掌握家人的健康、監控家庭的環境，以及開關各類家電等等。
當AI 穿上了人類的「外衣」，長的跟人類一樣，就變成AI 機器人了
所以有一天，當AI 的外衣跟人類的皮膚有一樣的質感時，我們或許就會分不出到底那是人、還是機器人了！
然而，AI 機器人會因為大數據、機器學習、演算法等，變得愈來愈聰明；再透過深度學習演算法，變得跟人類一樣能自我學習。
但到了那一天，人類的工作到底會不會被替代呢？
Google 創辦的奇點大學教授霍華得（Jeremy Howard）擔心，未來發展中國家80% 的工作可能都會被AI 機器人取代。從無人商店、互聯網法庭、幫醫生讀X 光片辨認腫瘤、電腦問診開處方、大數據抓恐怖份子等都有可能，假設這並非誑語，那麼人類未來何去何從？
慶幸的是，根據目前的發展，AI 機器人有一項技能還學不會——問對問題
例如，Google 可以針對各種各樣問題提供解答，但卻無法問出一個你需要的問題。
所以在未來，學習如何「問對問題」，比「給對答案」重要，這也將是你最重要的價值！
作者：高端訓
出版社：時報出版
簡介：作者的工作生涯只做一件事，就是把「品牌」做好。在奧美集團期間，幫助客戶打造世界級品牌；在王品集團，則努力為企業創建多品牌。2015年，毅然放下工作，前往加州大學進修大數據預測科學，回來後，擔任多家企業首席顧問，致力將大數據預測科學導入品牌的經營。
Photo by NeONBRAND on Unsplash
若分享內容有侵害您的著作權，請來信或留言告知，我們將儘速處理回覆。
