[情報] 靠AI轉型、台灣企業只剩10年準備

作者: zxcvxx (zxcvxx)   2018-02-08 13:39:49
[情報] 靠AI轉型、台灣企業只剩10年準備
http://bit.ly/2nKl8x4
資誠聯合會計師事務所(PwC)發布「AI機器人真的會偷走我們的工作嗎?自動化對工作
之潛在影響」研究報告,分析全球29國超過20萬名勞工工作任務和技術,就不同性別、年
齡與教育程度,評估自動化在西元2030年可能對各產業勞工的潛在衝擊。
因應人工智慧(AI)發展帶來的自動化趨勢,台灣僅有10年時間可準備,政府、企業、工
會和其他組織,都須增加投資教育和技能,以幫助勞工在職涯中適應技術變革。另外也很
重要的是,工作的總需求水平必須保持在高水位,以便創造新的就業機會。例如,可透過
增加公共和私人基礎設施,投資在交通和住宅等領域。
報告指出,自動化對工作帶來的衝擊分為三波,第一波是演算法衝擊,第二波是增強效益
帶來的衝擊,第三波是自主化衝擊。
首先,演算法的衝擊已在進行,主要是透過自動化分析結構化的數據,及執行簡單的數位
工作。據報告指出,這波創新浪潮可能會在2020年代早期到來。
增強效益帶來的衝擊也已在進行中,但到2020年代晚期才會成熟。這波重點是重複性工作
和資訊交換自動化,及空中無人機、倉儲機器人和半自動車輛進一步發展。
最後一波的自主化衝擊,到2030年代中期逐漸成熟。報告指出,AI將越來越能分析多個來
源的數據,並在沒有或極少人為干預情況下做出決策並採取行動,例如完全自主的無人駕
駛車輛可大規模運行。
報告提及,到2030年代中期,現有工作高度可能被自動化取代的比率,將因不同國家而異
。在東亞和北歐的平均教育程度相對較高的經濟體中,估計只有20%到25%左右。不過,東
歐經濟體的工業生產更容易自動化,可能有40%以上的工作會被機器人取代。
各個產業工作受自動化影響的差異很大,工作高度可能被自動化取代的比率最高三名依序
是運輸與倉儲業(52%)、製造業(45%)和建築業(38%);最低的是教育業,僅有8%;次低的
是人類健康與社會工作(21%)。
PWC表示,雖然自動化可能造成某些工作被機器人取代,但自動化的新技術將帶來更大和
更富裕經濟,可望創造新就業機會,且新的就業機會很可能會超出被機器人取代的工作。
從數位革命發展至今,甚至到2030年代,自動化都不至於導致大規模技術失業。
AI技術每天都變得越來越複雜,企業需要了解未來在何時何地可能受影響,提早了解自動
化帶來的風險和機會並預作準備。
http://bit.ly/2nKl8x4
作者: Huffman (HuffmanAlgorithm)   2018-02-08 14:11:00
炒作
作者: ypc1994 (dicker)   2018-02-08 14:15:00
會計師事務所最懂AI
作者: miname (>.<)   2018-02-08 14:26:00
AI喊了幾十年了,從圖靈就開始做了
作者: nikolas (你花多少時間?)   2018-02-08 14:30:00
雖然很久以前就有 但當時的硬體跟現在的硬體能比嗎?
作者: ariz283 (ariz)   2018-02-08 14:42:00
以前又沒有這麼強大的老黃跟TPU而且光論神經網絡發展 以前是單純的神經網絡 現在發展到多複雜 CNN RNN GANs 加上增強學習那邊的發展 能一日而語嗎?
作者: miname (>.<)   2018-02-08 14:48:00
人工智慧不是只有類神經網路,幾十年來其他研究才是主流
作者: ariz283 (ariz)   2018-02-08 14:54:00
Then? 沒人說忽略了ML大範圍的Q-learning SVM stochasticdecision tree等等的發展吧?重點應該是 與其一直說以前就有 不如好好認真看看今日的發展對人們生活的改變 比如以前估狗這麼強大嗎一味矇住雙眼 跟 一味跟風盲從都是不好的
作者: miname (>.<)   2018-02-08 14:55:00
AI一直都很重要,你家洗衣機也有用AI,你會想裝1080在洗衣機上面嗎?砸計算量的話深藍就幹過了AI一直都有進展,DNN只是其中一個里程碑,沒啥特別的
作者: ariz283 (ariz)   2018-02-08 15:03:00
算量力一直以來都不是全部 演算法才是重點 但如果沒有算量能力 再好的演算法也難研究發展證明也難應用 誰說洗衣機不能應用 誰說輕量型的邊際運算不會普及 讓我們生活更聰明方便有效率才是重點 但並不是為導入而導入 現在的重點該是了解技術能為自己的產業工作做到多好的改善與改變而不是一味待在過去 守舊不是壞事 但是要都了解了才選擇守舊 那才是真正的與時俱進沒啥特別的?語音辨識技術 聊天機器人 能一直改善的視覺辨識 文本產生 自動語言翻譯學習 人臉自動產生 這些以前能靠數據做到會自我改善的表現?
作者: WenliYang (羊蹄嘟)   2018-02-08 15:09:00
別擔心 等軟硬體成熟了 台廠再跟進metoo costdown! WIN
作者: miname (>.<)   2018-02-08 15:11:00
你說的應用2012年前都有了喔,我以為衡量演算法好壞其中一個指標是複雜度,好的演算法不需要大量硬體資源也能跑
作者: ice80712 (我很有事)   2018-02-08 15:14:00
svm早就落伍了 現在很多商用的都是dnn
作者: ariz283 (ariz)   2018-02-08 15:17:00
凡事都有階段性的發展 一直一直往前走的 不可能一蹴而就而軟硬體互相的搭配發展進步 不可能就斷定日後就不會更好 而與其去鄙夷否定 不如拋下驕傲 正視 才是重點
作者: elements (Helianthus annuns)   2018-02-08 15:21:00
早期的圖像語音識別應該是爛到有目共睹。目標的確不是新的,但是DNN逐漸成熟後這些成果都大量進步,的確DNN不是就代表AI,但他的貢獻我想不是普通而已。
作者: cityhunter04 (無聊的乖小孩 )   2018-02-08 15:23:00
想做永遠不嫌晚...但問題是老闆不想花錢!
作者: zhi5566 (協志 5566 最棒)   2018-02-08 20:04:00
AI是不是雷不知道 還沒出現殺手級產品 目前應用炒股蠻威
作者: checkmarx (marx)   2018-02-09 09:09:00
87pwc
作者: a866662 (seal)   2018-02-10 11:53:00
現在洗衣機應該很少有人工智慧喔 只是一些指令而已

Links booklink

Contact Us: admin [ a t ] ucptt.com