2021年「台灣人工智慧年會暨AI技術應用論壇」，首場對談「台灣四大AI的研究成果與未來展望」。圖片來源：台灣人工智慧學校
台灣人工智慧學校將於(2021)十月六日，舉辦線上「台灣人工智慧年會暨AI技術應用論壇」。
第一場「AI領航者們的對談」，將由前科技部長、台大電機系講座教授陳良基，與台灣大學、成功大學、清華大學與陽明交通大學AI中心主任，對談「台灣四大AI的研究成果與未來展望」。
以下是未來城市記者在錄影現場記錄的對談精華。
台大電機系講座教授陳良基：
2017年規劃台灣AI研究方向的時候，全國及全世界，都對AI對人類所能做的貢獻非常期待。當時我們規劃在2018年一月一號，正式啟動台灣AI尖端研究；經過幾個月競爭跟審查，台大、清大、交大與成大分別成立了AI中心。
四年來，四個中心有300多位教授參與，每年培育將近1,500位碩博士生。大學研究最重要的任務是探索未知，但社會對大學也有期待；我期待，四大AI中心在演算法、平台、數據上，都可以帶領台灣往前邁進。
今天非常榮幸邀請到四大研究中心的主任，讓更多觀眾了解四大中心四年來的研究成果。
陽明交大智慧科學暨綠能學院院長、科技部人工智慧普適研究中心主任曾煜棋：
陽明交通大學成立了「人工智慧普適研究中心」（Pervasive Artificial Intelligent Research Labs），「普適」的概念，就是把人工智慧放在各個服務上，發揮價值。當年的網際網路，拉平了知識和數位落差；這幾年，人工智慧也扮演一個特殊且有趣的角色。
每一個人IQ都不太一樣，每一個產業的競爭力也不太一樣，但AI可以拉平競爭。也就是說，人的競爭力除了本身的體質，可以加上EQ，產業的EQ就是人工智慧。如果能善用這一個觀念，不管是產業或個人，競爭力都可能因為善用這個工具而加強。
部長當時交付給我們的任務，是智慧服務。當初收到這個任務的時候其實很頭痛，有點摸不清楚方向；但後來發現，我們能服務的產業層面非常廣。在這四年裡，我們走向金融業、工廠自動化、醫療，甚至最近的奧運比賽，我們也用大數據幫選手在球場的競爭力加分。
善用工具，可以為各行各業，從服務的角度加分。
另外，接到這個任務時，部長給我們一個抽象的概念：要成為世界知名。
實驗室才成立第一天，四年後卻要成為世界知名，就要思索如何一步步達成這個任務。盤點以後，大概有幾個方向：
第一，一定要有一個核心技術能量。科技部給我們一個很大的團隊，第一年有17、18個計劃。
第二，找到產業應用。很多台灣中小型企業都樂意接受AI導入。
第三，國際鏈接，我們每年都在盤點，有沒有多做一些國際化事務。
第四，回饋社會，科技並非遙不可及，要跟各單位接軌。
台灣大學特聘教授、科技部人工智慧技術暨全幅健康照護聯合研究中心主任陳信希：
台大主要有兩個議題，智慧技術和智慧醫療。
我們團隊是四大中心最多的，有30幾個，也在頂尖國際會議表現突出，希望所做的工具、模型為世界採用。
其中一個例子，就是中研院資訊所廖弘源所長的YOLO4，是一個非常棒的研究成果，可以免費公開地應用在物件偵測。
今年五月，進階版YOLOR做出來了，速度、應用面更廣，通過這樣的工具，我們把台灣的AI技術成果帶向全世界。
人才是研究和產業的根本。台大AI中心成立後，每年都與Google何辦暑假AI夏令營。Google找來頂尖研究人員，台灣團隊也進來，這兩年報名人數都超過500人。
AI中心過去四年暑假也辦了暑期班（Summer School），前三年希望跟研究所接軌，希望研究生進入研究所前，能學好基本工具。今年第四年，我們把規模擴大到全世界，辦了一個機器學習暑期班。
這個活動三個禮拜，有1,760個來自全世界對AI有興趣的學生或研究人員、工程師、專家，涵蓋61個國家；找了19位世界級的研究人員，和四個我們的研究人員一起來上課。
我們正在走向國際，不只是培養自己的人才，也把研究成果帶上國際。
成功大學醫學資訊所所長、科技部人工智慧生技醫療創新研究中心梁勝富：
成大AI中心研究方向非常專注，做的是生技醫療。我們跟台大密切合作，有一些相同的題目，很多課程活動一起舉辦。
生技醫療涵蓋照顧、診斷、生技、倫理跟決策，AI落地後形成的服務範圍都涵蓋了。
我們一直認為，我們不是成大的AI中心，而是服務全台的AI中心。所以，以養殖而言，從海洋大學的深海、近海養殖，到中山大學陸上的養殖，都是生技創造新經濟的示範。
以醫療而言，我們合作的團隊從成大醫院擴展到台大、榮總。一開始，我們中心主任是孫永年主任，他的技術已經變成新創公司，所以現在是我接班。
今年五月，衛福部食藥署有新的醫材法規，成立智慧醫材辦公室來輔導智慧醫材。要能夠被輔導，就表示要有新技術。2018年AI中心成立之後，孫主任團隊的肺結核智慧技術成為第一個AI中心提出去的輔導團隊，這學研界的一個代表的成果。
我們的AI技術，除了診斷、影像，有沒有辦法提升照顧者的專業技能？我們就用轄下中心團隊的睡眠判讀平台，這個平台是一個雲端平台，我們也它用線上做培訓。
這個平台召集了全台灣八成的現職判讀技師，用AI來訓練技師判；雲端判決結果經過分析，告訴每一位技師他的弱點，個別診斷他的弱點，讓他訓練之後再學習、再判斷。
這讓全台灣的技師整體的判斷提升五％。但它不只是協助專業人士的工具，也能貢獻給臨床醫療，每一位到睡眠中心做睡眠檢查的人都受惠這個技術。
我們中心目前的任務，是成為把學界研發技術轉為取證的示範。把智慧醫材輔導經驗，變成一個專業輔導團隊，把服務能量擴展到全台。
清華大學工業工程與工程管理學系講座教授、科技部人工智慧製造系統研究中心主任簡禎富：
清華大學是針對智慧製造，有很強跨校技術團隊。在國際上，特別製造相關，包括影像辨識、動態影像（錄影），工具機的機器手臂抓取感測等，都有突出的成果。
我們12個團隊獨立出六家公司，在技術移轉上，平均每個團隊這四年都超過1,500萬元，在產業化有具體成果。
我們本來就有很好的團隊，所以中心主要是扮演整合的角色。2018年成立的時候，我們組一個理事會，請行政院長當理事會主席，找了台積電董事長劉德音，漢翔董事長廖廖榮鑫，生技會會長張善政、智邦董事長盧崑瑞，還有科技部代表廖婉君教授，還有我們的學術副校長陳信文等等。團隊不是報告給主任，是報告給這些產業界的領袖。
在落地上，我們特別找大的場域，比如漢翔。漢翔的計劃已經到第三年，有三、四個團隊，跟資訊、工業、工程、機械相關。
因為都在同一個場域、解決不同的問題，過程就起了垂直整合的作用。
比如說，工業工程談的是生產運籌，如何用大數據做預測、定價，甚至用拍賣決定價格。
另一方面在雲端還有視覺上，還有加工過程怎麽樣利用感測器的資料，辨別哪些動作可以減少等。
我們也在這個過程建立團隊默契，有這樣的基礎再去找其他產業。現在半導體、面板產業在台灣的應用比較快，但隨著半導體超越摩爾定律，很多連接的功能跑到PCB板；現在中美貿易大戰，很多PCB廠回台設智慧工廠，給我們一個很大的機會。所以清華又跟PCＢ龍頭臻鼎成立聯合研究中心，利用比較長的五年計劃，讓我們的團隊進來，這樣的過程彼此學到很多，創造合作的綜效。
在這個過程，我們希望建立產業生態系統。製造是台灣比較普遍的產業，所以我們盡量扮演鏈接的角色，不要跟法人或公協會重工。
比如，台灣的公司學校常常辦很好的活動，我們願意當做協辦；我們舉辦活動的時候，也找工研院、資策會或中部工具機業者串聯，綜效比較好。
我們也跟媒體，比如電子時報、天下雜誌合作，也跟勤業眾信做智慧製造調查。
因為台灣有200萬家公司，98%是中小企業，照顧了八成的就業人口。我們希望能夠外溢這些效果，把技術研發變成一個參考設計，告訴中小企業怎麽樣按部就班去做，這也會推動更多產學合作產業化，讓新創公司有更好的客戶基礎。
我們也想要練自己的兵，所以也成立一個高階主管專班，定位是EMBA層級，可是是針對技術，現在已經第三屆，蠻多產業界高級主管或二代、新創來上課，可以認識跨校跨領域。
以前製造比較常跟製造互動，在這班以後，他們可以從中央研究院，從其他學校，甚至從我們學校的統計系、電機系等，都能找到相關的領域專家跟老師，讓綜效更強。
比如，利用這樣的機制，康舒科技的學員去年又跟我們學校成立一個聯合研究中心。
陳良基：人工智慧是跨領域跨產業，四個中心中心設立在各個學校，但不代表中心成員只有現在的學校，四個中心都相當跨領域。人工智慧蓬勃發展的時候，所有前瞻的想法、創新的技術，最後要落地，才能對社會有幫助。
我們在規劃的時候，台大與成大是以智慧醫療為主軸，所有智慧醫療團隊得到科技部支持，就送去這兩個中心整合；智慧服務就放到陽明交大那邊去；如果是製造為主體的，就在清大做會診。
結合台灣幾個重要的大學研究團隊，透過大平台，讓技術產出能夠落地。
2018年到現在，三、四年來應該要有一些項目可以產業化，讓大家享受高科技進展的成果。請主任們舉一兩個亮點，一般人比較清楚感受到的是哪產業效益?
梁勝富：我們中心有生技跟醫療，生技主要是做養殖，我們的中山大學分隊魚塭上有光電板，魚塭下養蝦，未來很有機會在市面上看到「AI蝦」，它是一個自有品牌養殖的成果，兼具綠能跟養殖的結合。
另外，台灣肺結核的案例不多，但肺結核在全世界是很需要處理的疾病，怎麽在台灣做這個研究？這時候就需要匯集全台灣的資料，這時候就有衛福部幫忙，讓孫永年教授的偵測技術來作智慧判讀。
大家認為AI就是做影像判讀，如果要提供服務，需要系統整合。
比如說影像判讀，要能快速偵測，就要自動送片，送到顯微鏡後要自動對焦，自動對焦之後又能自動判讀，然後自動診斷。我們的研究團隊有能力整合整個系統，兼具了AI與系統，也兼具了臨床價值和批次診斷。
"我們希望把這樣的技術變成領證技術，之後有機會幫助全世界，Taiwan can help。負起對社會、對世界的責任。"
陳良基：從學校的角度來看，技術研發到真正落地，面臨哪些的困難？
梁勝富：我們的團隊都是從學研開始，變成可營運的技術後，會需要專利布局、醫材法規、人才，甚至做技術鑑價。但科技部計劃補助的就是團隊研發經費，後面這些事團隊是沒有經驗的。
所以，我們中心的角色就是根據團隊共同需求，做密集的專業培訓。比如說，要真的變成技轉產品，價值是多少？怎麽樣讓專利得到保護？怎麽樣協調不同醫學中心共享資料或技術？
這兩年我們技術成熟期之後，AI中心就是輔導團隊，走最後這一哩路。
我們今年度的任務，是幫所有需要服務的團隊做「健檢」，也希望這個服務不只服務目前中心的團隊，全台灣的團隊或未來的團隊，都是服務的目標。
簡禎富：推動智慧製造時，是以先進產業比如半導體，當做科技的趨動力，再把前瞻科技擴散到周邊，像面板、PCB，然後到傳統產業、中小企業。
以技術來講，半導體產業要跟時間賽跑，趨勢跟中醫一樣，叫「治未病」。因為加工時間很長，如果等到最後才發現問題再回溯，已經太慢，最好是即時決策。
但挑戰在於，資料能看的深度很淺；加上設備都自動化，資料維度很高。發展過程要整合大數據，還有很多感應氣要萃取成機台狀態資料，這些資料合起來以後，再發展AI模型，然後自我學習，隨時檢測；因為是新製程、新產品，還要能遷移學習。
我們發展這套完整的方法，用在國內產業，像美光科技。
個別技術在智慧製造裡都要整合，單一技術無法解決問題，所以我們也把這樣的技術用在其他領域。
比如環保節能。現在要做冰機，一方面預測溫度，知道機器在不同的狀態的表現效益。在一個很大的廠區里面，可能有好幾台冰機，要開哪幾台？還有組合優化的問題；早上跟下午溫度會變化，也必須要考慮時間軸，一直動態優化。把技術用在這上面，不只能節省成本，對環保也非常有貢獻。
我們甚至把這樣的技術結合廢水處理，因為高科技產業生產過程用了很多強酸、強鹼，排放法規都是治病於未發，而不是等到有污染源的時候再來彌補。
曾煜棋：人工智慧將來在對民生的影響非常大，包括金融科技。去跟銀行業者談，從匯率到保險，可以提出20條想優化的項目。
普適的人工智慧服務，落地有一個重點，不管接觸任何一個產業，要想辦法讓他說出目前的痛點或想優化的部分，你拿出相關技術配合。如果能取得這個重要咨詢，題目就非常容易切入。
比如說，剛才從樓下上到13樓的時候，大家都坐電梯，電梯就有非常多可優化的部分。你可以想，四座電梯怎樣做好排程？
待會要坐計程車回家，一上車也有很多議題會發生，比如車子和人有沒有買保險？馬上就帶入精準保險。精準保險跟費率有關，未來保費一定不是固定的，是浮動的，是按照駕駛的行為、路線和很多資訊，最後決定你明年要交的保費。
我們也做運動。一個球員上場，打球打了兩個小時結束，分數出來，這個過程隱藏了大量的數據。這一球是用什麽策略？這部分為什麽輸掉？上次輸掉又是如何？這些例子都要變成數據。
但數據從哪里來？其實很簡單。外面很多影音平台，如果能用工具去分析，一場比賽兩小時，但很多場比賽加起來可能是200小時，就形成了球員的戰績分析，他的習慣、他的球路，這都是數據的黃金價值。
陳良基：剛剛有兩個議題，一個是跨域，一個是落地。台大AI中心負責智慧技術跟智慧醫療，是很明顯跨領域的例子。
陳信希：台大醫院是我們落地的場域，題目是智慧急診。急診在醫院是非常重要的部門，從病人發生警急情況進到醫院，留在醫院做觀察；我們要判斷，讓他安全離開，還是住院？整個流程有很多事情要優化。
當我們把AI技術迎接到這個流程裡，就要探討病人進來後，怎麽判斷檢查分到哪一級？我們必須透過病史，分析他可能有哪些慢性病？必須留意他在留院過程有沒有危險的事情發生。我們要及時判斷，讓他安全離開醫院，也要能判斷他72小時內會不會再回來。
整個研究成果若能真實應用，協助醫師幫助病人，就叫做「落地」。
醫院是一個特殊的場域，牽涉很多病人隱私、治療安全；所以「落地」不是馬上落地。在我們的規劃裡叫做「落地使用」，必須判斷整個模型能不能顧及資料安全、考慮到病人隱私；要把系統跟目前的醫療諮詢系統介接的時候，會不會影響到效能，有很多議題必須探討。
落地之後，就進入取證階段。食藥署在產品取證方面有大進展，讓我們把技術變成產品。這裡有一個問題：建立到模型程度的時候，希望能夠新創，找到商業模式。
學校是用校務基金，公立醫院是另外一種制度。醫院有蠻多的產品，也可能變成新創，但以目前的作業形式，是不可能的事。怎麽樣讓AI有更多突破，還是要制度配合。
陳良基：醫院是救人的地方，是非營利組織。智慧醫療的模式應該是決戰在醫院之外，讓服務進到產業，全世界都是這個形態，優化的部分在醫院做，但不以盈利為目的，醫療產業賺錢，但醫院本身不會賺錢。
今年的年會特別標出「大國競逐下的AI新方向」，除了回顧四個中心四年來的努力，全世界投入AI的資源愈來愈多，台灣的方向到底在哪？有哪幾個方向應該持續投入？國家資源怎麽更多協助？
中心有沒有好的想法、新的方向，能給政府參考？
簡禎富：台灣有一些世界標竿企業，比如半導體、面板、PCB；但台灣有98%公司是中小企業，照顧八成就業人口。
在產業轉型升級的過程，怎麽樣讓中小型，或至少讓中間企業能順利轉型？AI中心執行過程中發現很多需求。很多這一類公司來找我們，他們有資源，也有心；可它很難在內部建一個像台積電或美光，這麽大的團隊。
所以我借用半導體產業發展的過程，半導體有水平分工，最後產生IC設計服務業、IP廠商。將來AI有沒有辦法也這樣發展，讓中小型公司的需求集中到分析服務業，解決方案提供者變成IP廠商，這樣不只可以幫助台灣產業整體升級，甚至可以輸出到新南向國家。
陳良基：應該可以更多投入在資料科學，畢竟這是一個核心能力，透過大學的資源把它增強後，建制成垂直分工的服務機制。
台灣對晶圓代工很熟，可以想「AI代工」——透過尖端科技撐起來，說不定新方向就是未來尖端技術的投入，結合資料科學，大家從不同的應用抓下來核心技術，變成服務的內容，就有一個分工機制，把台灣的新產業跟研究整合起來。
台灣有主場優勢，再結合半導體算力的想象，很值得思考。
梁勝富：從生技醫療的角度來看，跨領域人才培育是很重要的需求。各個專業，不管是臨床或工程，我們都是「行內人」，但要橋接這兩個領域，其實需要「內行者」。所以我們在大學培養內行人。
培養內行人之後的下一個問題是，醫院都有成立AI中心，計劃結束之後，有沒有位置讓人才繼續留在醫院？在醫院裡的定位是什麽？可以給這些人什麽待遇？
很多醫院要AI或跨域人才，我們很難說服說他留在資訊室，因為他太多機會了，台灣求才若渴。國家端、醫院端、學校端、產業端，都要能體會這些人才的價值。
"台灣最美麗的風景是人，人就是專業人才。現在有點狀況的是，很多醫院開始做AI，臨床醫師學AI模型，工程師也學AI模型，他們的共同語言是AI，而不是臨床怎麽用、技術怎麽提供服務，有點偏差。"
系統臨床服務怎麽切入，連界面軟體都要考慮。回到本身的專業來評估各系統該有的面貌，可能比談用什麼模型更重要，這是提供服務時要考慮的面向。
曾煜棋：談到大國競逐，我覺得還是回到基本面，一定要持續掌握AI核心技術。
四年前中心剛開始的時候，老師們接觸到的核心技術，今天可能已經落伍了。核心技術如何掌握？除了自己開發，還要了解全世界的發展。
AI領域非常辛苦，每年重要研討會一開，以前會發表1,000篇、1,500篇論文，現在一開就是2,000篇、3,000篇論文。掌握核心技術發展，要花時間投入。
"第二點，要求一個AI學者跟另外一個AI學者互相合作，蠻困難的。A教授開發A模型，B教授開發B模型，如何讓AI的各種模型合作，是很不容易的事情。"
下一個階段，希望有一個平台來做這件事。
陳良基：大學的重點還是科學研究，佈建核心技術。核心技術會隨著時代一直演變，當大國資源投入一個方向，台灣要不要跟，是決策考慮。
台灣還是應該以我們的強項持續深耕，這是大學對整體社會可以做的貢獻，也是國家資源投入時應該考量。
陳信希：我們把舞台伸展到國際。我請部長寫推薦信，擊敗了紐西蘭、澳洲跟印度，讓資訊檢索領域頂級學術會議ACM SIGIR，2023年到台灣來舉辦。
人工智慧技術的發展非常快速，很多工具都是開放原始碼，能發展很多應用。主要的挑戰在於，選擇一個好的應用，收集好的資料，組織一個好的團隊，在人工智慧領域上往前走。
我們要組一個台灣AI國家隊，未來10年、20年，能夠在世界舞台上發光。
陳良基：人文為本、科技為用，科技是一個工具，核心技術往前邁進，但人文的考量必須是中心思想。
所以後來我們也要求中心要有人文社會科學團隊，協助引導技術對社會未來有所貢獻。
我們非常期待透過尖端研究，在全球競逐AI的舞台上，幫台灣占有一席之地，還要建立好的產業規模。
中小企業的數位轉型，只要人工智慧的人才跟技術到位，跟上來腳步就可以快一點，這個也是過去跨部會的合作。
我們期待，當AI變成改變人類社會的重要力量，台灣絕對不會缺席，我們尖端研究人員與團隊已經有很多好點子，透過四大研究中心與政府、社會的資源跟期待，一定能持續在大國競爭之中，找出台灣的競爭力。
本文來源：未來城市＠天下 https://futurecity.cw.com.tw/article/2229