目次

• AI的發展歷程
• AI五大應用領域
• 專利佈局與趨勢
• 深度學習的統計資料
• 機器學習的統計資料
• 結論

我在2018年曾關注過我國人工智慧（Artificial Intelligence, AI）之技術專利佈局的機會與挑戰，並於某電子報發布過相關文章。近5年來AI技術持續發展，我回顧自己當時所寫的內容，仍有值得參考之處，因此決定在部落格中再次整理與分享。

鑑於國際調研機構Gartner預估2025年全球AI市場經濟價值將上看50兆美元，認為AI將成為國家競爭力之關鍵及世界各國的發展重點目標之一，而且我國又將2017年視為AI元年，可見全球對AI發展相當重視。但是能如何推動我國各領域發展及應用AI技術，以讓產業獲得資源並帶動其未來發展？以下將參考前述研討會的部份內容，一探我國發展AI技術及應用之方向。

一、AI的發展歷程

AI一詞早在1956年的一場達特茅斯（Dartmouth）會議上出現，於1956年至1974年間，社會對AI前景樂觀並投入大量研究經費，直到1974年至1980年間，因研究學者普遍認為人工智慧不具有思考能力，使得AI進入第一次的低谷。1980年至1993年間，產業雖發展出廣受好評的專家系統，但專家系統維護成本高、實用性低，使得AI跌入第二次的低谷。但是在1993年起至今，軟硬體科技的發展日新月異，逐漸的產生驅動AI發展的四大因子：運算與儲存技術提升、演算法累積及突破、各種數據開放及分享、物聯裝置興起。

雖然AI的發展已超過六十年，期間經歷過高低起伏，尤其1997年IBM的深藍擊敗西洋棋世界冠軍卡斯帕洛夫之後，一直受到關注並討論的是，AI是否能夠挑戰圍棋，圍棋約有10⁷⁰⁰種變化，是極度複雜的，而且電腦無法預算完所有走法，而近年來AI的風潮又再次興起，2016年AlphaGo終於在一場圍棋對弈中，以4:1打敗世界頂尖職業棋士李世乭，究竟AlphaGo重大突破的關鍵何在？其實，並不是硬體的運算速度大幅提升，AlphaGo主要的做法是將演算法進行改良，以有效鎖定最有可能勝出的走法，並減少搜尋範圍。

我國產業應投入應用技術，將基礎能量橋接至應用與服務。但是何謂AI的基礎技術？下圖呈現了人工智慧（AI）發展的歷程，涵蓋了一些重要的里程碑：

• 1950年：阿蘭·圖靈提出了圖靈測試，這是衡量機器是否具備智能的一種方法。
• 1956年：在達特茅斯會議上，人工智慧作為一個研究領域正式誕生。
• 1966年：ELIZA誕生，這是第一個聊天機器人。
• 1972年：MYCIN作為第一個專家系統被引入，用於醫學診斷。
• 1980年：神經網絡技術的引入，推動了機器學習的發展。
• 1997年：IBM的深藍電腦擊敗了世界棋王，加里·卡斯帕羅夫。
• 2011年：IBM的Watson在《危險邊緣》節目中戰勝了人類冠軍。
• 2016年：AlphaGo擊敗圍棋冠軍李世石，展示了深度學習的強大。
• 2023年：GPT-4成為最先進的語言模型之一，展示了自然語言處理的新高度。

在AI技術中的一個分支技術稱為「機器學習(Machine Learning)」，其他分支技術還包括神經網路、基因模式、專家系統、模糊邏輯、自然語言處理等，在發展AI技術的實務上，經常會將該等分支技術（機器學習、神經網路、基因模式、專家系統、模糊邏輯、自然語言處理）進行組合、串接或改良後再組合。再進一步的，機器學習的一個分支技術則稱為「深度學習(Deep Learning)」，而近年來產業界中最熱門的AI基礎技術就是機器學習、深度學習，並透過AI基礎技術於不同應用領域中發展新的應用技術及應用服務。

二、AI的五大應用領域

我國的AI產業約可區分為五大應用領域，其包括智慧製造、智慧醫療、智慧金融、智慧零售、智慧交通：

• 智慧製造（Smart Manufacturing）
  • 包括工業4.0、自動化生產線、機器視覺檢測等應用。AI技術在製造業中的應用有助於提高生產效率、降低成本和提升產品品質。
• 智慧醫療（Smart Healthcare）
  • 涵蓋醫療影像分析、智能診斷、健康管理平台等應用。AI可以幫助醫療機構提高診斷精度、改善病患護理質量以及加速新藥研發。
• 智慧金融（Smart Finance）
  • 包括智能理財、風險管理、詐欺檢測等應用。AI技術可以提升金融服務的效率和安全性，並提供個性化的金融建議。
• 智慧零售（Smart Retail）
  • 涵蓋智能推薦系統、客戶行為分析、自動化售貨系統等應用。AI可以幫助零售商更好地理解顧客需求、提高銷售業績並改善客戶體驗。
• 智慧交通（Smart Transportation）
  • 包括自動駕駛、智慧交通管理系統、物流優化等應用。AI技術可以提高交通運輸的效率和安全性，減少交通擁堵和排放。

由上述的五大應用領域及其應用項目即可理解，雖然目前產業對於AI的應用需求度高，但關鍵仍在於我國業者於AI技術的研發能量究竟能投入多少，以及在AI技術的專利佈局上是否能跟上國際的腳步，甚至在特定應用領域中搶得先機？因此，若要推動我國的AI產業發展，我國所面臨的挑戰卻可能是來自技術、專利與人才的不足。

三、專利佈局與趨勢

目前AI產業的專利佈局，企業和研究機構都積極進行，特別是在提高效率、提升安全性和增強個性化服務的技術上。隨著AI技術的不斷進步，這些趨勢將進一步推動相關領域的創新和發展。根據目前AI產業的五大應用領域的專利佈局趨勢，可以發現有以下的發展趨勢：

• 自動化與機器視覺
  • 企業在智慧製造領域的專利佈局集中在機器視覺、自動化生產線和工業物聯網（IIoT）等技術。這些專利技術可以提高生產效率、減少人工干預，並提升產品質量。例如，具有智能檢測和質量控制功能的機器視覺系統相關專利數量顯著增長。
• 醫療影像分析與個性化醫療
  • 智慧醫療領域的專利佈局主要集中在醫療影像分析、智能診斷和健康管理平台等技術上。這些專利技術可以幫助醫療機構提高診斷精度和治療效果。特別是在癌症篩查、心血管疾病預測等高風險疾病的AI診斷技術上，有大量的專利申請。
• 風險管理與詐欺檢測
  • 在智慧金融領域，專利佈局主要集中在智能理財、風險管理和詐欺檢測技術。這些專利可以幫助金融機構提高業務安全性和運營效率。尤其是利用AI進行大數據分析，以預測金融市場趨勢和檢測可疑交易的技術專利增長迅速。
• 個性化推薦與客戶行為分析
  • 智慧零售領域的專利佈局集中在智能推薦系統、客戶行為分析和自動化售貨系統上。這些專利技術可以提升顧客體驗，增加銷售機會。例如，基於AI的個性化推薦系統和虛擬試衣間技術的專利申請增多，這些技術可以大幅改善線上購物體驗。
• 自動駕駛與智慧交通管理
  • 智慧交通領域的專利佈局主要集中在自動駕駛技術、智慧交通管理系統和物流優化等方面。這些專利技術可以提高交通運輸效率和安全性。例如，自動駕駛汽車的感知和決策算法，以及智慧交通信號控制系統相關的專利數量顯著增長。

對於龐大資料量需求，可研發對訓練資料量需求較低的演算法，或可採用生成對抗網路，也就是複製並調整原訓練資料，以當作新的訓練資料；對於需要重新再訓練之問題，可利用遷移學習法，找出演算法之共通性，並共用部分訓練模型，以降低重新再訓練之成本；對於無法依賴雲端運算，可使用邊緣運算及發展AI晶片。

至2024年深度學習的統計資料

截至2024年，深度學習的主要技術的主要專利申請局及其申請數量依序大約為：美國（20,000件）、中國（15,000件）、歐洲（10,000件）、日本（9,000件）、韓國（5,000件）。由前述統計資料可看出，申請量大多集中在美國及中國，相對的我國業者申請量非常少。

結論

從我國的AI產業之五大應用領域也可以看出，產業對AI之應用具有高度需求，然而基礎技術我國業者卻沒有大量掌握，即代表了研發能量的投入不足，再從目前全球的專利佈局與趨勢中可觀察到，對於深度學習的專利申請國主要集中在美國及中國，我國業者的申請量偏少，代表我國這幾年在AI技術的專利佈局並沒有能夠顯著地跟上國際的腳步。

我國的產業特性是擅長於發展應用方面的技術，而AI的基礎技術可應用於智慧硬體、智慧服務、智慧產業，這些會是我國在AI技術專利佈局的機會，但另一面而言，若要加強發展AI技術或發展特定應用方面的技術，我國所面臨的挑戰卻又是來自人才與技術專利佈局的不足，因此，我國AI業者應可考慮就針對特定應用領域進行技術專利佈局，並透過增加研發、專利佈局的成本，在這次進入AI時代的浪潮中搶得先機。