(改寫自Microsoft ”Democratizing AI” )
人工智慧，在過去只在科技小說出現的情節，現在每天出現在我們的日常生活中。
每天上Facebook，總是跳出你想買的東西的廣告，一直誘惑著你；每次出國回國，盯著自動通關的螢幕，就是運用人臉辨識確認你的身份，如果不幸辨識失敗，很可能因為你出國吃喝地太過份了。我們已經活在一個充滿AI的世界裡，只會往前，回不去了。
話說AI也不是什麼新玩意兒，早在我們的教授還在唸書的時代，就有人在用類神經網路發展這個那個應用，那現在怎麼又紅了起來，以一種理所當然的姿態走進我們的生活? 原因只有三個字 – 雲、大、物 – 雲，垂手可得的雲端計算能力，不用花大錢建機房買設備，要什麼Algorithm 雲上面都找的到。大，大數據，Data滋養人工智慧的活水，愈訓練智慧愈澄澈。物，物聯網，我們隨身的手機、運動手環、路上的監視器、店裡的beacon，不斷地送出Data。 這雲大物的浪潮下，感覺科技没有極限，什麼事都有可能?
雲大物可以無窮無盡一直發展下去，但時間有限，生命無常。
AI發展的意義，就是體認到時間有限，而世上還有很多的難題是需要被解決的。我們能不能用AI，加快我們對世界的理解，更有效地治療疾病、預防天災、種植農作、甚至安慰寂寞的人們?
微軟在AI這個領域一直没閑著，事實上，早在1990年代，我們就深信自然語言將成為人機溝通的主流，Microsoft Research 一直在Speech 語言及語意辨識持續領先。在近30年以來，微軟持續發展語言辨識，透過深度學習，至今錯誤率已經降到5.9%。這技術已經被廣泛運用在會議上即時的記錄及字幕展現，在速食餐廳得來速接受點餐，準確的記下來你要幾份麥香雞全餐幾份單點、幾杯低糖可樂去冰。或是用來即時口譯，讓你在Skype上面跟各國老外網友聊天。圖像判別能力，更早就超出人類的能力，錯誤率只有3.5%，高度精確的圖像辨識能力， 讓你路上看到不知名的花草樹木，打開App就成為植物專家；看到漂亮的台灣藍鵲飛過，不再只能張口結舌叫著- “看… 那隻帶點藍藍的黑鳥, 好漂亮”…. 而在商業運用上，也可以在工廠裡被用來判別是工程師的手還是銲接鋼架，實現所謂的人機協同應用；用在自駕車上，判斷是從大人手中跑掉的幼童或只是跳到路上的籃球。
走出學術的象牙塔，脫下權貴才穿得起的華服，微軟想促成AI的民主化 (Democratization)。 政治上的民主化是眾人的事讓眾人參與，而AI的民主化則是讓AI技術，人人用的著、用得起、用得好。
當下要怎麼做啊 Where we are today…
要促成AI的民主化，為普世可用，目前微軟從四個管道著手:
Agents
貼心的個人助理 : 給你新型態的互動方式，讓你用最自然的交談方式來跟溝通，無論是跟機器還是人。以Cortana為例，她不但可以中規中矩地提醒你下一個會議快開始了，你最好現在就出門，而且走什麼路線最快，Cortana的中國分身 – 小冰，還可以陪你聊天對對聯，因而成為微博上的網紅。基本上，愈多人用，她們的IQ跟EQ也愈來愈高，目前累積下來已經有1億3千3百萬活躍的使用者，超過120億次的互動交談。
Applications
聰明的App: 從手機輸入法到工作必備的Office，充份感受你的App愈用愈聰明，愈個人化。以SwiftKey 這個智慧鍵盤軟體為例，就是運用類神經網路來學習你的打字習慣，猜測並建議你要打的下一個字或詞，可以加快輸入的速度，目前已經被廣泛地用在3億iOS及Android 的手機平板上，從10兆次的打字愈學愈精準，幫使用者一共省下了10萬年的輸入時間。 另一個我最常用的是Office 365 PowerPoint 上的”Design Ideas”，幫你把原本怎麼排怎麼怪的圖跟文，去分析你的主題及重點，再幫你編排出既專業又賞心悅目的簡報，再怎麼艱澀的題目，也變得時尚而吸睛起來了。而在其它的商務應用像是Outlook, CRM等都大量運用了AI來讓你更有效率地處理大量的信件，排定處理順序跟追踪客戶需求。
Services
開放的程式介面API: 程式開發者像是大廚，微軟幫你把食材備好，洗好切好，大廚專心作菜和擺盤就好。在AI的廚房裡，程式開發者可以直接呼叫AI程式介面，像是Cortana Intelligence Suite提供了視覺、語音語言、圖像辨識等認知服務，這些API服務已經被廣泛運用在個人化醫療、居家照護、及服務業，像是UBER就用Cognitive Services 來開發可供乘客確認司機的App，讓搭車更安全。而談話機器人也成為近年最熱門的新應用， 讓人跟機器可以透過自然人類語言做順暢的溝通，可以發掘出語言中提到的人事時地物(Contextual awareness)，並記住跟每個人的聊天歷程、推敲出語句背後要表達的用意(Intention)、了解當時情境並且能提供有溫度的回應。好像很難? 有了Bot Framework 也就没那麼難了，已經有超過5萬的程式開發者，用微軟Bot Framework SDK，加上Cognitive Services以及可連接到Facebook Messenger、Skype、SMS等各大社群及通訊管道， 讓大家快速可以打造一個談話機器程式，讓客服人員，可以將時間花在更複雜的問題上。
Infrastructure
隨選可得的基礎架構: 深度學習需要巨量平行運算的能力，所以過去AI的研究常需高額投資在買Server， 建HPC 高速運算中心。而現在，只要開個帳號就可運用微軟在全球38區佈署的Azure Cloud公有雲平台，彈指之間就可以使用Machine Learning訓練模型或是進階分析等。 進一步來看，透過深度類神經學習網絡(DNN，Deep neural networks)，讓我們在電腦視覺、翻譯及語言理解上有了突破性的進展。微軟也將在深度學習的研究成果釋出，包裝成Cognitive Toolkits 深度學習框架 (以前叫做CNDK) ，以open source方式放在GitHub上，讓開發者可以運用在local或是Azure Cloud上來針對海量數據來開發應用。
然而，要服務廣大來自Internet的在線需求，傳統CPU或是圖形加速運算(GPU)架構，還是會面臨傳輸延遲(latency)、成本、電力耗損、以及無法彈性調配capacity等限制。 因而微軟近年大幅投資在FPGA (Field-Programmable Gate Array，現場可程式化閘陣列) 架構, 跟晶片及研體夥伴合作, 在Azure Cloud上建構了可組態的FPGA的超級AI網格架構(FPGA-Based Configurable Cloud)，並且己經運用在Microsoft Bing的ranking服務上, 可支援到25GB/s 的Throughput, 延遲時間縮短至1/10。如果要將厚達1440頁的文學巨作 – 戰爭與和平從俄文翻到英文, 只用一個FPGA fabric的node, 只需要2秒半。
設計原則Design principles
坐在AI的這列特快車上的我們，是否擔心，會不會有一天AI取代了我的工作，而機器人用大數據，被訓練地比我們人類還要聰明？AI除了機器學習外，還會學習人類的感知，他們會不會變得比人類更懂人類，而終將統治人類?
人跟機器本來就不一樣，人類富有創意、同情心、各種情緒，而機器則擅長于在海量資料裡找出道理。機器，應該是來強化人們的分析判斷能力，克服時間的限制。人跟機器，應該是一起變出AI魔法的夥伴，而非相互競爭。
我們想要享受AI帶來的便利，也想要保護人類，保有人性。我們不只是在科技上持續創新，更需要所有勾勒美好願景的夢想者,及運用科技的實踐者, 共同信守一些價值觀或「心法」, 以坦誠、尊重、負責、包容的態度來相互協同合作。 微軟將之稱為設計準則 (Design Principles) –
透明化 Transparency
我們必須要了解技術的運作，跟背後的規則， 不只打造出有智慧可以理解人類的機器人，更需要了解機器人的智慧從何而來;不能只追求單向的人工智慧，更需要以雙向角度來發展「互利共生」智慧 (Symbiotic Intelligence)。做為AI原生物種的我們，要保有好奇心，試著了解。
尊重人性 多元包容 Respect dignity of people & Diversity:
AI 發展的出發點常是為了追求效率，但往往忽略了人性的需求；或是過於倚重大數據做為假設基礎， 顧及了廣大使用者的習慣， 而忽略了少數人的需求，甚至助長偏見的傳播。AI也需要加入文明進步的元素，鼓勵跨領域、跨國界的合作，以更細緻而先進的設計來尊重人性及包容多元性。
尊重隱私 Designed for Privacy
AI需要透過大數據來理解人類，而人也有保有隱私的權利。服務提供者除了需在每個環節，針對人、組織、裝置、通訊、應用等，提供全方位的資訊安全保障外，如何建構信賴關係(Trust)，又是另一層次的大哉問。
防錯防呆機制 Algorithmic Accountability
機器也會出錯，AI 必須可以修正可預期或不可預期的演算法錯誤，而且要找得到人負責修正錯誤。
我們這一代，AI世化原生物種，一面思考著AI對人性及社會帶來的挑戰和衝擊，身為吃科技飯的我，還是樂觀地相信 – 人類跟AI在一起，只要互相了解，是會幸福的。
(原文參見Microsoft ”Democratizing AI” https://news.microsoft.com/features/democratizing-ai/#SZR3oeU4bTm92s8R.97 )
雲大霧裡的二三事 