非資訊背景人士更應該學習人工智慧

Published in

MasterTalks.tw

5 min readOct 18, 2018

作者：東吳大學鄭江宇教授

2018年可說是AI人工智慧爆發年代，舉凡食、衣、住、行、育、樂，各大產業無不強調AI的重要性。國際知名市調機構IDC預測，直到2022年為止，全世界人工智慧的相關支出將高達576億美元。然而正當大家欣聞人工智慧時代來臨之際，卻有不少專家學者主張人類社會將有不少工作會被AI人工智慧取代。

此話一出開始有許多人擔心自己飯碗不保! 確實，AI人工智慧的研發初衷就是希望能夠輔助人類從事許多事物，但與其坐以待斃地擔憂自己被淘汰，倒不如雙手擁抱AI人工智慧時代到來。換句話說，在人類社會邁向人工智慧化的過程中，只要設法填補自身技能與當代潮流之間的落差，便能順利在AI浪潮中成為各界所急於爭取的人才。

Goolge 台灣董事總經理簡立峰曾在一場會議中提到

正當智慧型手機致力於走向AI化時，對於專注硬體製造發展的台灣來說是一個千載難逢的機會，然而必須注意的是，AI應用一定得『跨領域』發展。

這樣的呼籲亦不難從人力市場中嗅得相似氛圍

精誠集團人資長黃郁仁指出

該集團自2018年啟動產業應用情境AI策略，擬招募百位以上具備『跨界、跨域、跨組織與跨能力』的人工智慧人才。

『跨』這個字無疑成為迎接AI人工智慧時代的重要關鍵字，換句話說，AI人工智慧高度強調跨領域技能，因此大家不妨透過下圖的技能分析矩陣來檢視自己是否已具備AI人工智慧的跨領域訴求。

淘汰者

淘汰者指的是不具備領域知識亦不具備跨域知識，這類型的人較容易被AI人工智慧所取代，主要原因在於他們所擅長的事物通常屬於高度例行性與標準化，而這正是AI最為拿手的項目之一，例如AI可以實現工廠產線無人化的大量生產目標。

守舊者

守舊者指的是具備領域知識但不具備跨域知識，這類型的人時常表現出專精而不廣識的做事態度，雖然姑且可在自己領域內佔有一席之地，但難保哪天自己所安身立命的領域知識受到時代潮流演進挑戰而淘汰，此事一旦成真恐怕在新時代下難有舊事物可以看守。

分散者

分散者是指不具備領域知識但卻具備跨域知識，此類型的人看似博學多聞，但其實是博學而不精。每當自己想要實現許多想法時，必然會遇到自己領域知識不足夠之窘境，也就難以在AI人工智慧時代中實現自我理想。

青睞者

青睞者是指不但具備領域知識也同時擁有跨域知識，這樣的人可謂是博大精深，其中『博』泛指擁有跨界廣域知識，而『深』則指領域內的知識高度深化。一但具備這兩項特質，勢必能夠成為AI人工智慧時代中產官學界競相延攬之稀有人才，畢竟少了這兩項要素，AI充其量只是不具備智能的軀殼。

透過以上的矩陣分析，相信大家可以觀察到，就算自己目前所擁有的領域知識無關於AI人工智慧，也能夠藉由跨預知識的充實來強化自身在AI時代的競爭力，所以千萬別因為自己不具備資訊背景，就放棄成為AI時代所青睞的跨域人才良機!

如果自己已經意識到AI人工智慧並非屬於資訊背景人士的專利，那麼該如何從諸多AI技術中著手呢? 其實從最新的iPhone X或是其他手機製造商所推出的機型 (如華為、小米、三星) 就可以推敲出學習方向，那就是所謂的『人臉辨識』。

知名市調機構MarketsandMarkets報告指出，全世界人臉辨識的市場規模將從2017年的40.5億美元激增至2022年的77.6億美元。由此可知『人臉辨識』必定是未來AI人工智慧的學習重點，畢竟視訊鏡頭辨識就好比AI人工智慧的雙眼，少了雙眼的人工智慧就會像盲人一般失去視覺資料收集的能力。

近年來有越來越多的影像識別庫可應用在人臉辨識情境，像是Tensor Flow、OpenCV等，其中以OpenCV歷史最為悠久，它是由INTEL英代爾全球CPU製造龍頭於1999年所啟動的一項計畫，相關參考資料或是線上課程較為豐富且技術成熟度較高，因此建議初學者可從OpenCV的學習來切入AI人工智慧影像辨識。

中央通訊社相關報導：AI時代選擇讓「斜槓」更有價值的進修課程