曾耀寰∕中央研究院天文與天文物理研究所研究副技師，本刊理事長。

最近幾年全世界最熱門的科技就屬人工智慧（AI），但人工智慧並不是這幾年才出現。早在 1956 年，一場在美國達特茅斯學院（Dartmouth College）舉辦的會議中，美國計算機科學家麥卡錫（John McCarthy）提出人工智慧的說法，並給予明確的概念：「如果程式能夠根據已知數據和指令，自主推斷出可能導致的各種直接結果，我們就說這程式具有常識（common sense）。」

這樣的程式與一般程式的不同之處在於它能自主推斷，以往程式是根據程式設計師的要求，照著指令一步一步準確地執行，就像汽車工廠內的自動化製造，每隻機械手臂的動作都是依照程式設計，精準無誤地完成應有的動作，沒有意外之舉；但一個具有人工智慧的程式能像人類一樣學習，機械手臂就能根據現場影像判讀，將上個流程沒有做好的汽車零件從生產線上移除，就像以前的現場工人一般，挑出瑕疵並進行補強。麥卡錫也在當時提出人工智慧的最終目標，是讓程式能像人類一樣有效地學習經驗。

類神經網路打造人工智慧

人工智慧的發展經過數個階段的大起大落，主要都與核心技術的演變有關，由於發展當下能夠配合的軟硬體還跟不上腳步，人工智慧從 1956 年以來，始終跌跌撞撞，終於在 2017 年由 Google 開發的 AlphaGo 深度學習技術，擊敗了世界圍棋第一高手柯潔而聲名大噪後，人工智慧成了家喻戶曉的大熱門。深度學習的底層核心技術是類神經網路，這是模仿人類大腦的神經運作系統，當接收外部資料後，經過一連串複雜的神經元處理，得到一個可以進一步處理未來外部變化的模式，這個方法對於人來說，就成了知識。

在深入追究類神經網路到底是如何學習人類，我們只能說人工智慧的深度學習方式和人類並不太相同，或是科學家對於人類的意識仍處在迷團當中，即便是猶抱琵琶半遮面的長安倡女，看過一眼仍有辦法辨識，這是多麼地奇妙。在不清楚人類的認知模式之下，又遑論深度學習和人類認知之間的差別，但我們知道若要成就人工智慧，大量的數據絕對是關鍵。

大數據是人工智慧的發展關鍵

大數據是指數據量很大很多，又稱巨量資料。由於資料本身很難定義，舉例來說，一早起床，我們眼睛張開就會看到各式各樣的數據，光是進浴室的清潔動作，使用的牙刷牙膏的過程都可以是數據。一個都市有多少人使用傳統牙刷？多少人使用電動牙刷？而牙刷數量的統計可以成為一種數據，什麼時候進行刷牙的動作也可以是數據，哪類型人的刷牙時間更是數據。只要想得到，任何事物都可以變成數據。

但近年來對於各種數據的擷取和儲存有了跳躍式的進步，電腦速度的進展藉由摩爾定律（Moore's law），大約每隔18個月，速度就會增加一倍，這是根據經驗所算出的數值，主要是在積體電路的製造上，所含的電晶體數量增加一倍，計算速度自然也增加一倍。在數據儲存量，從 1980 年代開始，大約每 40 個月就變成兩倍。2012 年，每天大約有 2.5 艾位元組（EB，10¹⁸ 位元組）產生，預測到了 2025 年，每天則會有 163 皆位元組（ZB，10²¹ 位元組）。也就是說在 2025 年，現在市面上可以買到 10 TB（10¹³ 位元組）的硬碟，每天最少需要生產 100 億顆來儲存資料。

雖然資料本身難以定義，但大數據有四個特性，包括資料量龐大（volume）、資料型態多樣（variety）、資料處理速度快（velocity）和資料具真實性（veracity）。也就是說，現在的科學家面對的是又多又雜的數據，並要能迅速從中取出正確的數據，並進一步找出數據間的模式，作為預測未來的根據。二十世紀末，網際網路將全球各地的資訊資料和服務連接起來，數據始終存在，但由於人工智慧的強烈需求，一時之間，大數據變成了當紅炸子雞。

數據一直都在 但該如何使用？

數據始終存在，但能發揮最大功用，就要有合適的方法。大數據的運作主要有四個階段，從資料收集、資料儲存、資料處理，到最後的資料分析，才能將原本看似散落在海邊的白沙，轉變成耀眼璀璨的鑽石。這種鑽石不僅只為了好看，在現今的社會，應用範疇橫跨各行各業，例如精準農業、精準行銷及精準醫療等，與我們的日常生活密不可分。

在大數據運作的各個階段中，有許多科技需要密切配合，例如資料收集。資料收集必須牽涉到物聯網，在以往資料的提供方式，可能僅是一般數據的填寫，或是實驗室觀察的數據及計算的結果，但在物聯網的時代，各種不同類型的偵測器可以隨時隨地收集資料，例如手機 GPS 定位的提供，手機所拍攝的圖片，甚至到未來車輛行駛在道路上的各種環景資料、戶外的氣象資料到人們的個人的生理資料等，這些都需要特別設計的偵測器，能即時又準確地獲取人們需要的資料。當有了資料，還需要適當的儲存，不僅能快速且正確地存放在設備中，並且讓需要的人能隨時隨地取得，這就需要 5G（5th generation mobile networks）的快速傳輸及雲端的大量儲存。

資料分析要更快！

對於資料的處理，已經不可能只靠人力，甚至單一電腦設備進行，而是需以分散式儲存，以及分散式處理代替集中處理。以搜尋引擎為例，好的搜尋引擎必須能從分散在網路世界的各個資訊服務中心，同時找尋使用者想要的訊息，這種處理的方式不再只靠單一的處理程式，在大約 300 億個網頁之間，循序地一一查詢，而是需要同時進行許多的處理程式，才能在鍵盤彈指之間，就將訊息顯示出來。

關於大數據的概念及介紹，讀者可參閱《科學月刊》第 581 期的〈Google、縱橫字謎與大數據〉與 599 期的〈「數大」便是美——大數據與現代生活的連結〉。

大數據與人工智慧終將融入日常生活

最後的資料分析則是人工智慧的強項，透過各種已有的數學工具，詮釋複雜的資料，並能根據已有的資料，對未來進行辨識和預測。未來的世界將越來越複雜，整個世界的節奏也會變得越來越快，大數據和人工智慧不僅是資訊科學的範疇，它的影響將會和我們生活息息相關。就像現在的智慧型手機，十幾年前，你是沒辦法體會一支手持電話將改變人們的日常生活型態，而現代人已離不開手機，未來大數據和人工智慧也將會像智慧型手機一般，無形地滲透我們，再一次改變人類的生活。

▲圖為 PM_2.5 即時監測網。最早由環境感測網路系統（Location Aware Sensing System, LASS）民間組織發起，結合物聯網和大數據分析，以全臺超過 4000 台空氣盒子偵測器，每五分鐘回傳一筆資料，即時監控全臺空氣汙染的狀況， 至今已喚起政府與大眾對空汙的重視。（EdiGreen 空氣盒子，https://airbox.edimaxcloud.com/）

⇠上一篇：你是風兒，我是沙，一解建物的風工程

「數大」便是美——大數據與現代生活的連結：下一篇⇢