個人觀點：面對AI 人工智慧，了解自己的優勢

• AI人工智慧是什麼?
• AI人工智慧需要更多資源
• AI人工智慧之量子電腦

AI人工智慧是什麼?

智慧是意識（consciousness）、自我（self）、心靈（mind），包括無意識的精神（unconscious mind）。因此部分科學家認為，意識是判斷智慧的一個關鍵因素，不論有沒有意識，我們可以知道智慧是一種綜合的能力，對於各種不同問題都各自有解決的能力。科學家們的結論是機器必需擁有意識才能思考，2017年AI打敗圍棋世界冠軍，用的是幾百萬小時的圍棋資料訓練，用電腦科學家門發展出更厲害的演算法，找到人類3000年來下圍棋的盲點。
AI的背後是透過人類訓養演算法的結果，可以說是智慧嗎?好像是也好像不是，因為電腦可以不吃不喝，幾百萬小時的快速訓練，做到人類做不到的事情。一連串決策行為其實就是演算法，只是我們無法說出憑直覺背後的原因，那是經驗的積累。
在了解AI人工智慧之前，先說說人類的智慧，人類肯定是有智慧的。我們從用石頭當工具用，突然學會種植農作物作為食物來源開始，到近代能夠發射火箭登陸月球。幾千年來的人類身體結構沒有什麼特別的演化，全部都是知識的積累，那是好幾代人透過筆記、寫成書、教育與傳承給下一代，透過基礎建設系統建造了城市，創造了經濟體系，商業上的競爭，也加速了科技發展，每個人只要學習，站在巨人的肩膀上，延伸創意和解決問題。
AI人工智慧就是這個情況下的產物，人類發現問題，透過電腦來解決，寫演算法讓AI人工智慧學會自動解決類似的問題或是在這個領域的新問題。若是轉換不同領域，需要人類工程師去請教人類專家是如何解決問題的，然後同樣用修改演算法去解決或是設計新的演算法去解決。
AI人工智慧也很多有趣的應用，在我們生活中，寫詩的微軟小冰，生活助手的Apple Siri、Amazon Alexa，下棋的AlphaGo，商業應用的Adobe Sensei等。這些AI應用，更貼近人類生活，也讓我們認識AI人工智慧。

AI人工智慧需要更多資源

AI人工智慧擁有比人類強大的運算能力，但需要消耗巨大的能源，AlphaGo下一場棋使用了1920個CPU和280個GPU，電費約3000美元左右。人類棋手李世乭本人，可能只需要一餐的熱量和睡上一覺。為了實現AI人工智慧，就需要更專精的電腦科學家加入開發，同樣也消耗大量的人類腦力，現實就是很難商業化。

工業革命，不過就是能源的轉換，越來越有效率!-以色列歷史學家Yuval Noah Harari”

實際上，AI人工智慧並非僅適用於取代人類工作，而是能做到更多人類無法完成的複雜計算工作，而且，透過AI人工智慧解決問題的方法，找到新的觀點。
簡單介紹一下機器學習的幾種方式，就會發現機器學習都是透過數學、統計迴歸、演算法、函數學習的。
監督式學習（英語：Supervised learning）
一個機器學習中的方法，可以由訓練資料中學到或建立一個模式（函數 / learning model），並依此模式推測新的實例。訓練資料是由輸入物件（通常是向量）和一種機器學習的方式，並不需要人力來輸入標籤。它是監督式學習和強化學習等策略之外的一種選擇。在監督式學習中，典型的任務是分類和迴歸分析，且需要使用到人工預先準備好的範例(base)。
一個常見的非監督式學習是數據聚類。在人工神經網路中，生成對抗網絡（GAN）、自組織映射（SOM）和適應性共振理論（ART）則是最常用的非監督式學習。
強化學習（英語：Reinforcement learning，簡稱RL）
機器學習中的一個領域，強調如何基於環境而行動，以取得最大化的預期利益。其靈感來源於心理學中的行為主義理論，即有機體如何在環境給予的獎勵或懲罰的刺激下，逐步形成對刺激的預期，產生能獲得最大利益的習慣性行為。
這個方法具有普適性，因此在其他許多領域都有研究，例如博弈論、控制論、運籌學、資訊理論、仿真優化、多主體系統學習、群體智能、統計學以及遺傳算法。在運籌學和控制理論研究的語境下，強化學習被稱作「近似動態規劃」（approximate dynamic programming，ADP）。
其實我們根本不必要去擔心電腦取代人腦，該擔心的是人腦活得越來越像電腦，只會重複的工作…
電腦最擅長重複的事情，而且準確性高，這點是人類無法比擬的，光是工廠的機器手臂定位抓取的效率，就遠遠超過人類。
人類擅長面對未知快速的學習和判斷，還有模仿別人的行為，透過模仿學習各種不同的技術和技能，但人類同時也非常喜新厭舊，對於重複無聊、沒有刺激的行為，很容易感受到疲憊。不論是多刺激的遊戲，只要重複個10次以上，我們適應了也開始感受到無聊了。
但也有例外，現代社會人手一機，智慧型手機已經抓取我們的注意力，讓我們重複不斷地接受刺激，不斷滑手機，而無法自拔。讓我們降低接受平常現實社會中，與人際的互動、學習、溝通，我們開始有點全面崩壞的狀況發生，這種情況發生在全世界。

“科技其實沒有改變我們，而是我們不知不覺中被科技改變”

AI人工智慧之量子電腦

圖片來源:Intel
2011年 加拿大公司D-Wave，推出第一台商用量子電腦。
2016年 IBM開發出具有 5 量子位元（qubit）的量子電腦。
2017年 IBM宣布研發出全世界第一台50量子位元（qubit）的量子電腦。
2018年 Google公布具備72量子位元（qubit）的處理器「Bristlecone」。
AI人工智慧是一個廣泛性的概念，量子電腦(quantum computer)則是硬體，也是資訊時代後，下一個世代的最強悍的科技。因為傳統電腦是用二進位制，儲存資料也是我們熟悉的0和1，傳統電腦用簡單的0與1位元（bit）來儲存資訊，而量子電腦可以將0或1、0與1相互疊加，處理更多、更複雜的資訊。
什麼意思?我自己解讀是指電腦運算的時候，可以同時用四種不同類型的位元做運算，也就是00,11,01,10。
量子電腦不像傳統電腦，運算步驟被位元數限制；如果想找出4位元(可為0或1)組合中某一組數字，傳統電腦最多需要嘗試到16次，平均需要嘗試8次，如果想找出20位元組合的其中一組數字，最多需要嘗試到約一百萬次運算步驟，由此可知傳統電腦在解決這類問題時，嘗試的次數和所欲搜尋的數字可能組數呈線性關係，當所運算的可能性呈指數成長時，即使是超級電腦，所需要的運算時間將長到無法實際用來解決問題。
量子運算由於其特殊的量子特性，在上述的4位元組合數字問題，量子運算可以在4次運算後直接得到16種可能情形中的解答，在1,000次運算後即可找出20位元組合，一百萬個可能的其中一組特定數字，運算次數只需可能情形總數的平方根，滿足指數型的複雜運算需求。*5
量子電腦我相信絕對是可以讓AI運算大躍進的一種新科技，但運算速度變快，相對的也代表過去我們用演算法製作的金鑰系統，都有可能被解開。比如說我們用SHA512演算法製作一個長度是2048位元的SSL金鑰，把我們在網路上刷信用卡的資料加密後傳輸到銀行，這個過程資訊被攔截後，透過量子電腦運算，可能短短不到3小時，就可以解密了。
**若是傳統的超級電腦，可能需要耗上很長很長的時間，去解密。駭客只需要去攔截封包，再解密就能取得我的信用卡資料，不論銀行再如何加密，都能夠被輕鬆破解。***6
補充：1024位元的金鑰至少需要10年的時間去解密。
當量子電腦全面商業化時，我們勢必就需要更複雜方式的演算法去做加密金鑰了。
但在強悍的科技終有限制，目前量子電腦只能在絕對零度*7下運算，若不是在絕對零度下運算，電腦就會出錯。這不是我們用傳統的CPU風扇吹一吹，就可以解決散熱的。目前google已開發出的72量子位元電腦，但錯誤率很高，所以還無法正式使用。根據資料顯示，量子電腦全面商業化，必須有百萬量子位元的運算能力。屆時，我們傳統電腦的主機板、硬碟、網卡、記憶體等硬體裝置，是不是也需要新一代的技術去相容量子電腦？

總結

AI人工智慧只是一個開端，隨著運算速度越來越快，科技發展的速度就會越來越快。呈現指數化的爆發性成長，但不論科技如何成長，都是讓我們生活更加便利。AI人工智慧一定會取代一些工作，如：工廠作業員、
面對科技發展速度飛快，過去受的教育，在今日的職場已無法派上用場，在新科技競爭的環境，你面對的已經不是同齡、或是已經在職場多年的人，更要面對AI人工智慧。美國Northeastern University的校長Joseph Aoun建議：要防止工作被機器人取代，就要在職業中不斷更新自己的技能，而不是選擇一份安穩的工作。
建議三個強化自己的方向：

1. 提高技術能力
2. 掌握數據運用
3. 增強人類特有優勢

• 量子電腦－曙光乍現 https://portal.stpi.narl.org.tw/index/article/10374
• 全面取代傳統電腦，人類該害怕量子電腦嗎？https://bit.ly/2IyebYa
• 絕對零度是僅存於理論的下限值，其熱力學溫標寫成K，等於攝氏溫標零下273.15度（即−273.15℃）。