近年來各大媒體、公司或研討會無不提及人工智慧、AI詞彙，深怕不講兩句這些名詞會被認為跟不上時代。人工智慧在這2、30年來歷經兩次低谷，這次搭上電腦運算速度的突破再度重返舞台，加上IOT成熟技術的助攻，變成所有事物都與人工智慧掛勾。

在人工智慧當道的世代下，卻開始有人跳出來吶喊人工智能寒冬即將來襲，大型企業將會減少相關投資，技術發展步調趨緩。2018年一篇 「AI Winter is Well on its Way」文章震攝了喧囂的人工智能天空，文章發表人是電腦視覺與人工智能專家 Filip Piekniewski，他認為人工智能的火花已燃燒4、5年，終將再度回到寂靜。

人工智能寒冬是否真的來襲?

「AI Winter is Well on its Way」提到近年隨著大量投資資金進入，卻沒有產生出相對的突破性技術，大部分的演算法都是針對特定領域進行設計，在特殊任務上運作的很完美，但卻無法擴展到其他領域。

人工智能其中一代表性應用為自動駕駛，雖然電腦視覺在數字辨識能力已宣稱超越人類，但要進行道路路況辨識還是差強人意。最近google自動車進行道路測試，路口轉彎決策緩慢、車輛急煞增加其他車輛的危險性，不少民眾抱怨道路測試的不滿。相同情況也出現在Tesla自動駕駛系統上，因自動駕駛輔助系統出錯而撞上路邊警車，雖然 Tesla汽車執行長馬斯克一直強調人工智能即將來臨，卻連道路影像辨識也搞不定，代表人工智能要達到一定水平還有很大空間。

前google brain首席Andrew Ng曾在twitter發表影像診斷醫療人員將會被人工智能取代，但很快的就被更多資料反駁演算法並不如人工判斷。

如同上面所述，人工智能在擴展性上還無法有通用的模型，數字辨識的成功不代表醫療影像診斷的成功，更不代表現在道路辨識技術能夠像人類一樣準確。

我只想做人工智能相關應用就好

有上過資料探勘課程的人都會知道一些典型的資料分析應用，像是百年不變的推薦系統，在現實狀況中確實大部分電商都需要推薦系統，分析的資料不外乎是顧客購買商品歷史紀錄、顧客個人資料等，幾乎只要打造一套推薦系統就適用所有電商的資料來賺錢，所以大部分會被分析的資料通常都是通用性高、商業價值性高資料，像是醫療資料、工業製程機台感測資料，而一些看起來無法賺錢的像政府開放資料、兒福機構資料、家暴統計資料、環境空汙感測資料就會非常缺乏分析與應用，但這些看似沒有價值資料是真的不值得分析嗎?

以台灣相關環保人士一直力推的PM2.5空汙感測器空氣盒子為例，早年人民對空汙所造成的肺部疾病的嚴重性意識薄弱，加上工業發展剛起步，各種工廠為了賺錢有毒空氣日日夜夜大肆排放，使的近年背景空汙數值比早年高上不少，尤其重工業園區的空汙監測數值長年維持在超標狀態，而附近居民也被相關研究證實癌症發生率較其他空氣較好的地區高。為了改善空汙，政府開始撥經費進行環境整治計畫，以往不受重視的空汙資料被大量研究人員分析成因，甚至透過人工智慧分析最佳空氣交通路徑賣錢。

人工智慧技術很難，但可以應用的資料好像很多?

現階段在人工智慧技術上要達到強智慧還需要更多研究人才進入，但發展幅度確實逐漸變慢，較大突破性技術越來越少，如果要短期靠技術就能賺錢，技術職這塊是比較困難，隨著知識累積，模型難度會越來越複雜，技術的汰換率也比較高。

而另一方面，現在各種資料才剛開始開放或逐漸累積起來，以現有的人工智慧技術做創新應用較能夠快速得到收益，同時相關人工智慧工具持續開源出來，降低了人工智慧演算法應用難度與入門門檻。

Reference

1. AI寒冬将至？「人工智能衰退论」再起，却遭LeCun怒斥
2. 微軟沈向洋：人工智能的寒冬一定會再來
3. Google自動車路口唔識轉彎 險象環生民眾不滿
4. Tesla自動駕駛系統又發生車禍，Model S一頭撞向警車
5. 同步更新blog