讀《人工智慧在台灣》學習如何跟上人工智慧 讓AI真的幫上忙

資料本身就有價值？

並不是所有的資料都是符合需求的資料，資料來源及資料本身需要進行相對應的前置處理及萃取，要將對的資料以對的方式放在對的應用場景，如電信業者的通話紀錄給行銷公司可能可以拿來做點電銷，但給治安機關則可能可以拿來偵破詐騙集團，同樣的資料光不同的場域就會造成不一樣的社會價值；是否有價值除了須檢驗資料是否完整及正確，也要了解資料與產出之間的連接，才能期許有較好的資料產出。

導入是資訊部門的事？

人工智慧所需要的資料勢必需要各使用單位的投入，進行完開發及分析後，仍須要有使用單位來協助驗證，若沒有跨部門的支持有可能發生責任歸屬的紛爭，讓後續遇到問題，長官的支持與鼓勵也是很重要的環節；資料分析就是產出報表？這個也特別有趣，能夠轉換成報表的常會是結構化的資料，針對這些結構化資料再轉成別的形式，作者認為是很多此一舉。

電腦決策贏不過人的經驗？

人的大腦記憶有限，會將資訊簡化成特定模式，這樣的認知與記憶方式造成人類在決策上會有忽略的盲點，或是有關聯的弱訊號無法掌握，而機器不會受到這樣的限制，只要有夠強大的運算能力及資料源即可；導入系統或平台就能解決問題？人工智慧與一般資訊系統不一樣，是一種以已知來預測未知的方法，應用的層面也包山包海，每家企業的做法都依照企業狀況而有所不同，問題不在有沒有導入人工智慧，而應該著重在人工智慧導入的深度及廣度。

人工智慧勢在必行，但要有好的應用跟導入有許多關鍵要素，需要有好的開發人員、好的資料來源、夠強的硬體基礎架設，長官的支持能夠不追求短期的效益，協助跨部門之間的合作，讓不同單位的人能夠找出適合的應用場景及問題，來讓人工智慧接手處理。

之前在前公司上班的時候也常常遇到這些迷思，我想這跟人工智慧與RPA的特性有點類似，哪裡都可以用，跟各個業務單位有非常密切的關係，所以在這種狀態下，找到對的應用場景跟有效益的流程變得格外的重要，那在流程自動化的過程中，比起直接把RPA當作一套工具帶入現有的流程，更應該要先將流程梳理清楚或是看是否能夠透過系統串接把問題解決。很多時候是跨部門之間互相了解的不夠通透，常常會是我們在中間協助以一個專家的口吻來幫忙企業內部各單位的溝通，也常常要告訴客戶流程自動化不是要取代人的工作，而是讓彼此的專業達到最大化。

流程自動化、資料倉儲、雲端運算之所以這麼的火熱，也跟企業們積極想要透過人工智慧找到解決企業困境的企圖心有十分緊密的關係。流程自動化將企業內外部所會遇到的業務流程產生的資訊留下數位軌跡，增加資料的廣度；資料倉儲協助將資料源進行前置的處理，以提供機器學習乾淨的資料源；雲端運算則協助企業不用花費大量的硬體設備投資，獲得足夠分析的運算能力，未來有更多的感測器、更多的數據，真的很期待未來各種人工智慧應用後可能會有的樣貌。

書中還有提到很多給政府的建言，對白領工作者的建議，要如何提升自己的技能，提升機器不擅長的領域，讓自己能夠跟上人機協作的浪潮，還有作者本人對台灣的觀察與期許，真的看完是滿滿的感動，很謝謝台灣還有像是作者這樣的學者好好的在耕耘這塊田地，是很棒的一本書，以台灣為背景出發特別的讓人有感。