今年5月，Google開發的AlphaGo打敗圍棋世界排名第一的柯潔，人工智慧自此進入一般大眾的討論話題。自動駕駛、理財機器人、門市機器人，逐漸出現在我們的生活。

其實，人工智慧並不是現在才出現的名詞，但一直因為成本高、技術難、障礙多而無法普及。「直到深度學習的技術出現，掀起人工智慧的第三波革命。」創新工廠董事長兼執行長李開復解釋，深度學習就如同你擁有一個「超級Excel」，人類只要設定某一個領域、給予足夠的數據，後續無人工智慧就能運算、分析，依照數據的邏輯，做出更精確的判讀。

比方說，醫院在保護病患隱私的前提下，將大量的X光片及診斷結果交給人工智慧來分析和運算，人工智慧能「讀」過這些資料後，成為未來判別X光片的好幫手，只要有新的X光片進來資料庫，人工智慧馬上就能得知該病患是否得某種疾病。

在這波人工智慧帶來的變革中，「台灣不容易蒐集到夠多的數據，」李開復認為，想在台灣設計、創造一套人工智慧系統的難度較高。 不過他強調，只要找對切入點，台灣仍可以跟上人工智慧的浪潮。 李開復在《人工智慧來了》論壇將人工智慧的應用分為4種類型，一一解析台灣可以把握哪些機會：

1. 從網路、APP取得使用者數據

深度學習仰賴大量資料，因此網路、APP公司得天獨厚，可以透過點擊、瀏覽等方式取得使用者資料，進而分析使用者行為、喜好。只要把這些數據交給人工智慧學習，就能優化他們提供的服務，像是Google能把廣告投得更精準，就屬於搭上這波浪潮的公司。

創新工廠投資的「用錢寶」是個比較新的例子。這是供民眾貸款的App，使用者只要輸入自己的姓名、住址等資訊，APP背後的人工智慧系統會上網蒐集用戶相關的公開紀錄，透過自己的運算機制，判斷借貸給該用戶的風險，以及可借額度的範圍。快速、簡單的審核，取代原本須由人工比對的工作，壞帳率比銀行還低，2017年預計可以借出3000萬筆資金，等同於整個台灣人都借過一次款，是很驚人的成績。

不過，李開復說，App和網路公司必須要做到巨頭，才容易蒐集足量的數據，現在已經很難出現可以超越騰訊、Google的新公司，台灣的機會也相對較少。

2. 從既有的商業流程蒐集使用者數據

金融業尤其適合。銀行通常都有開戶投資的買賣紀錄、投保的保險項目、理賠次數與原因等，都可以是發展人工智慧的基礎數據。

客服同樣是這波浪潮的典型案例，目前中國最大的叫車公司滴滴出行，已將其客服交給追一科技設計的聊天機器人，該公司的人工智慧系統，蒐集滴滴出行過去的客服紀錄進行深度學習，已能歸納出各種投訴的原因，並直接回應對應的解決方法，因此幫滴滴出行減少上千位的客服人力成本。

針對既有的商業流程，台灣確實有機會發展對應的人工智慧服務，但金融業受限於政府監管嚴格、可蒐集數據較少，建議著眼在醫療業。 「台灣健保制度完善、醫療技術進步，若能兼顧病患隱私，極具發展潛力。」

3. 從實體商店取得數據

我們在網路上的一舉一動，都被蒐集為數據，那麼在線下的購物和活動呢？李開復指出，商店已經可以在各處安裝上攝影機或感應器，紀錄顧客的動線、喜歡在哪些貨架前停留很久等，成為另一種數據，用於設計店面和選品的依據。

而要打造出這類型的商店或線下體驗，就必須擁有高品質、技術好的感測器和攝影機，這些硬體設備就是台灣能夠發揮的領域，像是大立光等公司，都擁有世界數一數二的製造能力。

4. 從自動駕駛、機器人取得數據

Apple、Google或汽車製造商福特（Ford）、特斯拉（Tesla）都熱衷的人工智慧，就是自動駕駛。自動駕駛帶來的效益，不只是降低人們駕駛汽車的時間，或帶來更安全的交通環境，同時它還能一邊蒐集數據，記錄你去了哪裡、哪些時段你一定會用車，了解你生活的路徑。只要有這些活動數據，可以發展的服務就非常多了。

雖然台灣難有適合自動駕駛研發和測試的環境， 但一樣可以專注於自動駕駛和機器人所需的零組件，若可以領先世界，研發出智慧製造的系統和設備，會是台灣未來在人工智慧上的利基點。 他最後也總結，台灣不一定要追求人工智慧核心技術上的領先，硬體與應用方式，反而是更應該把握的機會。