小學至大學研究所的AI教育如火如荼的展開，早已離開學校、身在業界、迫切需要即戰力的人又該怎麼辦呢？
為台灣育成具有人工智慧技術思維與實戰經驗人才的台灣人工智慧學校，才成立1年多，全台4個校區已培育出4,700 位產業AI人才，日前（7/20）台北總校已舉辦第5期開學典禮，足見產業界對AI能力與人才的求之若渴。
人工智慧非單一技術
史丹佛學院做過一個實驗， 以35,000張男女性的人臉照，讓機器學習辨識同性戀／異性戀，人類猜中男性的機率為6成，猜中女性者為5成4，而電腦透過機器學習，準確率大幅提高，猜中男性的機率達9成，猜中女性者達8成3。
這樣的「故事」我們並不陌生，常聽聞運用AI達到某些「神乎其技」的目標或成效，然而台灣人工智慧學校執行長陳昇瑋卻指出，AI並沒有你想像的「神」，今天的聊天機器人根本不知自己跟你聊什麼！
「人工智慧不是一種技術，而是讓電腦學習人類知識的方式」，他揭露其中關鍵就在於「深度學習」，從資料中找規則的學習方式，「透過人類看不懂的複雜規則，機器自己抓到辨識的規則」，用於辨識或預測非常精準。以Google翻譯為例，不用任何一本字典，也無需語言學家，給機器許多篇法文文章、許多篇英文文章，電腦就能學會翻譯。
人工智慧的發展
人工智慧的起點可從1 9 5 0 年代起算， 至今的進展不可謂快， 問題出在人類的智慧外化（Externalization）本就不是一件容易的事，這也是此前人工智慧進展困難的原因。直到一場視覺辨識競賽，加拿大一團隊使用深度學習，使過去傳統機器學習不低於25%的錯誤率降至16%，幾年後再降至3%，因為愈來愈精準而備受矚目。讓電腦從經驗裡萃取出規則的演算法，規則由機器自己定，讓它自己學，「只要資料夠多、有關聯性，機器學習可以找出人類看似沒有關聯的關聯，即使是寫機器學習程式的工程師也無法解釋機器學習的複雜規則。」陳昇瑋說，「深度學習、機器學習、專家系統都是技術，但人工智慧不是技術，而是一個目標」。
AI的極限與弱點
難道深度學習會是AI發展、世界問題的全解方？陳昇瑋直指深度學習的缺點，只能解決部分問題，並且有其限制。首先，必需要有資料，且資料需大量才能顯出其精準；其次，資料多，運算量大，需具備一定的硬體；而且模型複雜，需要更多素質好的工程師，人才荒的問題將逐漸浮現。對於人工智慧，許多人又愛又怕，擔心有一天被取代，陳昇瑋在一場台灣人工智慧學校開學典禮上開宗明義指出AI的極限：
1. 推論能力並不強，例如要讓小孩認識香蕉，只要吃過就知道；然而AI要給它成熟、非成熟、長黑斑、吃一半、有皮、沒有皮等各種狀態的眾多香蕉照片，才能學會辨識。
2. 學習能力弱，AI並不特別聰明，而是仰賴非常大量的學習，例如AlphaGo與韓國棋王李世乭對決前，與另一台AlphaGo下了3,000萬盤棋，「沒有人一輩子能下這麼大量的棋，」陳昇瑋笑稱：「這根本是作弊！」AlphaGo獲勝的背後，其實仰賴大量高速電腦伺服器同時運算，它只勝在運算速度快，人類每過1天，相當於AI模擬學習180年。
3. 無喜怒哀樂，無法感知感受。人工智慧並沒有自己的感覺，更無法自行感受到人的感覺或情緒變化。
人工智慧大未來
今日，善用AI的優勢，可應用發展更安全的無人車、更精準的診斷以提供個人化醫療……，還有足堪使用的語言翻譯，協助回答解決問題，但也只是一般所稱的「弱人工智慧」（weak AI），雖然功能受限、也不具備我們所想像的「智慧」，但已足以推動第4波工業革命，影響生產、製造、就業結構乃至消費方式的巨大改變。進入AI時代，產業間的界線愈來愈模糊，例如掌握AI思維與工具的科技業，早已著手跟醫學機構合作，做心臟病、糖尿病……等的檢測與預測。
如何有效與人工智慧協作，將是決定下個產業世代競爭力的關鍵所在。
台灣人工智慧學校以優秀的師資、與產學界的密切合作，為產業界培訓人工智慧的種子技術人才，深入台灣產業各層面，結合專業及AI技術，協助企業解決智慧化轉型過程中所面臨的挑戰與問題。人工智慧的相關技術才剛開始發展，就如同1994年的網際網路一般，可預見的是，未來將會以前所未有的快速出現許多殺手級的應用，而此刻，正是產業人才投入的關鍵時代！你準備好了嗎？
圖、文/智媒科技、台灣人工智慧學校臉書