聯合國世界知識產權組織 WIPO 發布了一份 158 頁的《2019 年技術趨勢報告—人工智慧》(WIPO Technology Trends 2019 – Artificial Intelligence)，按此下載。這是該組織所發布的第一版以人工智慧為主題的報告，透過分析人工智慧相關的發明專利、科學出版品、訴訟文件和收購活動，目的是揭示自 1950 年代人工智慧領域開始發展以來的創新趨勢，同時也彙整 20 多位世界級人工智慧領域專家的產業與評論觀點。
觀點：人工智慧已創造了巨大的經濟價值，並且將繼續推動企業利用人工智慧進行轉型
深度學習技術仍有長路要走
知名的人工智慧專家吳恩達 (Andrew Ng) 為此作序，他說道：
This report illustrates some of those possibilities and where they are arising. One of its findings is that deep learning is the biggest and fastest growing technique in AI.
這份報告說明了其中一些可能性及其產生的原因。其中一個發現是：深度學習是人工智慧領域中，規模最大、發展最快的技術。
不過，吳恩達舉了一個簡單的例子，說明深度學習技術還有好長的路要走。例如，一個還在蹣跚學步的孩子看到一隻貓就能認出它來，可是電腦仍然需要「學習」，而且不能只有一個「樣本」。他說：
We need to find ways to train computers on training datasets as small as 100, or even 10.
我們需要找到一種方法，在少於 100 甚至少於 10 個訓練數據集上進行訓練。
因為，沒有任何一個工廠生產線願意或能容忍用百萬個不良品來讓電腦學習辨識。因此，
Effective “unsupervised learning” – learning without labelled data – remains a holy grail of AI.
有效的「非監督式學習」(不帶標籤的數據) 仍然是人工智慧的聖杯 (意指突破的關鍵)。
不過，吳恩達說：
Even without this “holy grail,” AI is already creating massive economic value in the world today… it… will continue as incumbent companies across all industries transform themselves with AI.
即使沒有這個「聖杯」，人工智慧早已在今日創造了巨大的經濟價值，並且將繼續推動各行各業的企業利用人工智慧進行轉型。
善用結構化數據是企業轉型的驅動力
一般談到人工智慧時，大都會聚焦在影像辨識 (image)、語言辨識 (speech) 或自然語言處理 (NLP, Natural Language Processing) 上，因為這些來自於人本身的感官或人際之間的互動比較容易理解與想像。然而，今日談人工智慧的價值時，
a lot of the economic value today is driven through deep learning on “structured data.”
更多的是經由對「結構化數據」的深度學習而來。
例如，電商平台該對哪些特定的客戶推送哪些相關產品、車隊管理公司在什麼時候該派哪些車出去載人或載貨等等。
今日深藏在企業內部的結構化數據或許不是那麼直覺、不容易找出關聯性，或難以被視覺化，但，用吳恩達的話來說：
Structured data… is driving massive value today and will continue as incumbent companies across all industries transform themselves with AI.
這些結構化數據正藉由人工智慧驅動各產業的轉型。
如互聯網般的影響力，卻遠超過軟體所能及之處
人工智慧能改變每一個產業，它能創造巨大的經濟價值，而且其所引發的技術變革跟互聯網一樣深遠。以吳恩達的實務觀察，他認為目前最大的濳在機會不在軟體業，而是在農業、醫療保健和製造業等產業之中。
三個轉型建議行動
吳恩達提出以下三點建議行動：
一、建立更多的合作夥伴關係 (Build more public–private partnerships)
當企業、學術機構或政府單位合作時，彼此都能受益。例如，研究機構透過企業取得更多的真實數據，便能分析問題、找出洞察觀點，企業也能從中瞭解最新的技術突破和獲得 (相對) 最佳的解決方案建議。
二、持續推動免費且開放的人工智慧知識與資源 (Continue promoting the free and open sharing of AI knowledge and resources)
例如 arXiv 和 GitHub 這樣的平台，大大地加快了思想的傳播速度。各領域都可以擷取這樣的精神：免費、開放、共享。遠離付費期刊。
三、多方增進對人工智慧的理解 (Promote increased understanding of AI)
今天，你可以多唸一個人工智慧博士學位來學習人工智慧，但這不是唯一的選擇。網路上有數不盡輕的資源可以使用，例如 MOOC、Coursera 都是不用出門在家就能學習的平台。當能獲取的資訊越廣泛，我們的學習方式就必須越靈活性。
以穿戴式心電衣產品為例
以我曾經參與開發的穿戴式心電衣 (ECG Cloth, 12-Lead / 3-Lead) 為例，其中的利益相關者有聯想研究院、醫院和大學研究室三者。其中，硬體和軟體由聯想研究院負責設計開發；醫院代表的醫學權威和推薦病人使用；大學方面則專注於將所收集來的心電數據進行後台清洗與整理，再經由演算法分析，提供心臟相關疾病的提前預警。
這是一個三方各自提供擅長的技術投入的計畫，大學教授們的理論有了可以驗證的出口，醫院讓等穿戴 24 小時笨重 Hauter 的病人有更好的體驗，企業也藉由這個產品跨進健康醫療領域。
這不正是很棒的一個合作方式嗎！
