AI年會關注實用 技術落地不打高空
2024台灣人工智慧年會於本月27日至28日假中研院人社中心舉行（註1），以「百工百業用AI」為題探討AI技術應用、數據取用與管制，同時關注AI人才培育、數位轉型等議題 。開幕式更邀請到副總統蕭美琴致詞，她直言：「在這個AI革命中，成敗在於我們是否能夠一起跟上時代。」會議中產官學研專家主張重視AI實用、深入產業，本文彙整討論內容與相關報導，與讀者一同追蹤近期趨勢。
數據是重中之重
影響人工智能發展的重要變因，即是算力與數據。在本會中則可以看見，各界對於數據的重要性更加重視，中研院資創中心研究員李育杰即點出：「算力不必一次到位，可以hybrid（混成）。」原因很簡單：模型可能會隨著時代潮流被淘汰，但資料一旦搜集就能長久累積。也因如此，資料蒐集與維護即成首要考量。
2022年發表初稿、今年6月最終發表的一篇論文預測，若目前的 LLM 發展趨勢持續，模型將在 2026 年至 2032 年間、甚至更早的時間點耗盡現有的公開人類生成文本數據。學者所提出的解方包括合成數據生成、跨模態遷移學習和使用非公開數據， 但這些方法也各有挑戰：使用模型本身生成更多數據（合成數據生成） 的有效性目前尚不明確，原始人類數據可能會在迭代中遺失，導致重複訓練生成的數據造成模型輸出越來越同質化，甚至產生遞減或負回報；跨模態遷移學習，即利用其他數據集（例如不同領域的數據）訓練語言模型，雖然有潛力，但目前證據表明此法尚不足以突破瓶頸；使用非公開數據（例如社群媒體平台和即時通訊應用程序的數據）可能嚴重侵犯用戶隱私，且分散在各個平台，雖量體龐大，但蒐集困難且有法律危機，況其品質可能遠低於現行所使用的數據。總言之，數據挑戰仍是未來所需關注的核心議題。
國家定位：主權、策略、環境
以國家層次觀之，對外，資料安全具有主權性質，和碩科技董事長童子賢以「主權AI」的概念強調這點，如果無法掌握AI，就很難掌握資料，能外乎於他國自處的主權便形同虛設，國科會所推出的TAIDE即為我國數位主權之展現；對內，則涉及國家智慧化，如何以數位轉型提高治理效能方爲癥結。
於公於私，最關鍵的是AI策略。現今對於企業最有幫助的finetuning、RAG技術，雖對一時的應用有所幫助，但技術迭代之快，應用或許會跟不上時代。因此，底定組織自身對AI的基本態度與規範策略是才能AI應用的首要條件。缺乏策略的AI應用會造成目標錯置，大量資源將被浪費，因此其合理的成功策略應當循序漸進地進行體系整合，並且能以友善使用者介面與社會相接。在社會面，外貿協會董事長、前外交部長黃志芳在專題演講中指出，AI的影響並非僅停留在物質，其對各國文化之衝擊乃至背後所掀起的文化戰爭才是深刻改變世界格局的關鍵：主權AI的崛起將撕裂全球化、資本主義可能加劇貧富差距、各國產業與金融的自由化會開始降低。舉例而言，美國兩黨就重建製造業已然達成共識，我國半導體製造業勢將有所衝擊 。
在教育面，學用落差成為焦點。因為算力所需的龐大資金，學界在AI研發上淪為弱勢，人才開始流動，產業也重新洗牌，學界在研發上難行，又不受重視應用，產業界則重商用與開發，但其不受學界包袱限制，更無庸談及考量社會衝擊。可以看見，缺乏人才的情況之下，可能會從一極化（重研發、弱應用）的趨勢走向無極化（兩者兼弱），產學不但未能雙贏，甚至可能雙輸。因此，人才培育對於形塑AI時代的長期大環境至關重要。中研院李育杰研究員即指出，公務體系中高階文官所受的AI訓練會決定政府部門運用AI技術的效率。然而，對於高階人才來說，即便不談轉型成本，學習動力何來？Appier 獨立董事簡立峰就此提出建議，主張「任務型學習」是可行之道。
產業定位：應用比製造重要
展望AI時代，黃志芳也點出，未來需轉變商業模式，當聚焦於AI應用，不能一昧投入研發製造。對大多企業而言，應用人工智能技術的核心價值在於降低技術門檻或提升工作效率。不過，產業準備好真正迎接AI時代了嗎？去年由知名網路系統公司思科進行的調查顯示，僅19%台灣企業充分準備好部署AI技術，且逾半數企業認為若未在一年內採取行動將嚴重影響業務。過了一年，現況如何？實然上不盡理想 。今年八月下旬，Google Cloud與人工智慧科技基金會調查我國101間企業，共同發表《台灣企業AI準備度調查報告》。報告顯示，台灣企業在數據力上表現最佳，但在治理力方面則相對薄弱。同樣的狀況也出現在英國，英國智庫YouGov 和 ANS 聯合進行的一項研究發現，企業在 AI 應用上卻存在滯後現象，只有兩成的中型企業（註3）已將 AI 整合到其業務運營當中。簡言之，多數企業已經很會蒐集資料，但進一步數據處理和應用方面仍需有待提升。
整體觀之，對產業來講，多數領導層都已明確瞭解AI的重要性，但仍然無法採用相關技術。企業卻步不前的原因為何？大多不離缺乏專業知識、無法有效確保數據安全性、不確定性投資報酬率或預算限制。解方為何？若能從小型的簡單專案入手，或能逐步建立信心和經驗，我國企業即可挾此優勢維持國際競爭力。
綜評：成敗在此一舉
在AI領域，研發的產業價值在於對於應用革新的期待，如果空有期待而無實用，便似新瓶裝舊酒，外表亮麗已矣。AI是全新的工業革命，而「在這個AI革命中，成敗在於我們是否能夠一起跟上時代。」副總統蕭美琴如此評論。
（作者為本會研究助理 羅澤）
註1：主辦單位為財團法人台灣人工智慧學校基金會，由中央研究院資訊科學研究所、資訊科技創新研究中心協辦，台塑、奇美、英業達、義隆、聯發科、友達、新光等企業捐助。
註2：政府單位包括總統府、行政院、國科會、財政部、國網中心及晶創計劃；產業界則有涵蓋眾多科技公司、金融機構及製造業，和碩聯合科技、外貿協會、玉山銀行、Qualcomm、Intel、聯發科技、鴻海研究院、CyCraft、英業達、cacaFly、群聯電子、中華電信、台灣大哥大、Cadence、安謀國際、中鋼、微星科技、AMD、廣達電腦、Appier以及先知科技等眾多企業；學界部分，除了主辦單位台灣人工智慧學校、中央研究院之外，臺灣大學、清華大學、交通大學、成功大學、政治大學皆有專家出席，其他學研機構包括工研院、臺灣科技大學、中央大學、國立高雄大學等也參與其中。
註3：該研究定義為「員工數 250 至 999 人」。
參考資料：
思科最新調查：企業人工智慧準備度存在明顯不足（2023）。CIO TAIWAN。https://reurl.cc/eyZd9Q
黃義書（2024）。台灣AI年會今開幕 蕭美琴：能否跟上時代決定成敗。經濟日報。https://money.udn.com/money/amp/story/5648/8255045
台灣企業 AI 準備度調查報告。(2024)。 人工智慧科技基金會 、 Google Cloud。https://inthecloud.withgoogle.com/taiwan-ai-readiness-survey-whitepaper/dl-cd.html?utm_content=inside&utm_medium=eblast&utm_source=inside&utm_campaign=FY24-Q2-apac-ASPA1199-website-dl-TWAIReadinessSurveyWhitepaper_MC&utm_term=-
Villalobos, P., Sevilla, J., Heim, L., Besiroglu, T., Hobbhahn, M., & Ho, A. (2022). Will we run out of data? an analysis of the limits of scaling datasets in machine learning. arXiv preprint arXiv:2211.04325. https://arxiv.org/abs/2211.04325
McCann, K. (2024). STX Next AI Lead on Risk of Employing AI Without a Strategy. AI Magazine. https://aimagazine.com/articles/stx-next-explains-risk-of-implementing-ai-without-a-strategy
Wheeler, K. (2024). Why Businesses are Still Struggling to Adopt AI. AI Magazine. https://aimagazine.com/ai-applications/yougov-ans-uk-businesses-lag-in-ai-adoption