2018年7月31日

為了這世界的美好

李依庭/本刊主編。

近年來,人工智慧議題發燒,全世界都在瘋AI,各領域更是隨處可聽見此字眼。在學術與產業領域中,學者與工程師們無不卯足全力開發出各種不同情境下能使用的演算法、機器學習或深度學習相關軟體,以因應現今大數據時代的來臨。縱使,社會中也存在著不同的聲音,認為現今發展尚未完全成熟,還不足以稱作是人工智慧。不過,透過各界學者、工程師的努力,現階段其實已有些初步的成果與相關應用。人工智慧對於人們而言,似乎也不是如此遙不可及……。

進擊的汽車
汽車工業的發展至今已有百餘年的歷史,在行車性能與安全性上已有很完善的設備,不過,這是指依靠人類駕駛時的情況。這些年來,在半導體面板、自動控制技術的進步之下,已有不少裝有各種先進駕駛輔助系統(ADAS)功能的汽車問世,像是前方碰撞警示、車道偏移警示、障礙物偵測示警、盲點偵測警示、彎道翻覆示警、停車輔助或駕駛狀態監控系統等,讓汽車能夠協助人們在行車時更加便捷、簡單。

但是,不論是自動主車道維持、自動適應巡航控制、自動煞車或各種警示系統等,皆屬於自駕車的初階等級,在必要時仍需駕駛者進行手動的操控,距離完全不需人們手動控制的自駕車或無人車仍十分遙遠。而面對此差距,便得嘗試從人工智慧的範疇進行突破。

想打造一台完全由機器進行主導的自駕車,首先得跨越4個關卡,必須讓汽車能判斷現在是身處何處、周遭微環境的觀察、行車時的即時路況與在面對各種狀況的判斷,才能確保車內、外的人事物安全。所以,一開始便需要十分精準的定位系統,以現今的Google 地圖為例,其誤差大約是介於5~20公尺,然而這對於行車時間距可能僅數十公分或甚至有時需開進小巷、與差距僅10~30公分的另一車輛會車而言,精準度遠遠不夠。第二個關卡則是要讓汽車能判斷周圍的景象,包含各種路牌、安全島或紅綠燈號誌等;接下來則必須對行車時的即時路況進行判別,像是行人突然從車子左邊竄出、有另外一輛車靠近等;進行判別後,進一步需要能做出及時反應,如同人腦快速思考與運轉後所做出的反應一般,當能完美無缺的做出判斷並執行動作時,才能稱作是自駕車。

為此,工研院開發出自駕車虛擬驗證發展平台,先利用電腦進行相關模擬,當中包含虛擬實境、各種突發狀況的擴增實境;提供白天、夜晚、晴天和雨天等不同的真實環境和各種模擬的虛擬系統。再者,為了讓自駕車能夠像人一樣進行各種即時判斷,團隊先利用人們手動駕駛時所提供的各種路況情境的操作,錄製成大量的感測與控制數據後,再透過演算法運算與深度機器學習,建立出自駕軟體。經過4年多來的研究,如今工研院中已備有自駕車實驗場域,能實際測試自駕時可能會發生的情境。

工研院機械與機電系統研究所所長吳竹生表示,現今的汽車相關模組,是著重給人們使用;而未來自駕車關鍵模組的開發,則必須專為自駕車而設計。他也表示目前的人們具備以汽車物理現象為基礎的數學模型,未來則需將此基礎往外延伸,加入以數據驅動的機器學習自駕軟體,才能解決實際上自駕車會遭遇的所有問題。除此之外,自駕車的安全性,也是人們關注且不容忽視的一大問題。根據實驗數據統計,在美國,平均每1億英里的距離,會有一人因手動駕駛而死亡。因此,對於自駕車而言,未來要如何到達此安全性或甚至是更優化。這不僅是人類對有效安全性的認可,更是自駕車未來的挑戰。

醫療體系大逆襲
臺灣自1995年開始,不分男女老少,皆全面實施全民健保。而全民健保的建立,卻意外地為20年後的人工智慧,帶來不容小覷的優勢。

為什麼說全民健保使臺灣有實力發展醫療AI,兩者間有什麼關聯性?其實,關鍵在於全民健保此一特殊的醫療體系。自健保第一天實施開始,全臺民眾至醫院看病時,皆使用制式化的電子病歷(e-claim),且所有的診斷、用藥統一直接由醫生進行編碼,使電子病歷資料有一個標準化的系統。所以,截至2018年,臺灣已在這23年來累積了大量的醫療資料庫,未來在人工智慧持續發展之下,此大數據庫將能有助臺灣在醫療方面的競爭力。......【更多內容請閱讀科學月刊第584期】

沒有留言: