随着AI应用日愈扩大且趋于复杂，运算能力成为当今推动AI发展的新动能。可以预见的是，硬体IC产业将陪伴新兴AI产业的成长。本文叙述AI的长短处，以及AI神鹰设计理想的、互补的协同合作模式。

过去十多年来，大数据是推动AI发展的主力。随着AI应用日愈扩大且日趋复杂，运算能力成为当今推动AI发展的新动能。 30多年前，台积电公司开创了新IC产业分工模式和协同体系。如今为了结合IC产业，AI产业的智能组件化是必然潮流，AI产业的分工体系也悄悄地进化之中。可以预见的是，硬体IC产业将陪伴新兴AI产业的成长，且融合为一。

AI的长处是什么?

一般而言，进入到AI领域，首先都会去理解AI可以帮人们做什么（What）。 AI拥有非常强的技能，就是代替人类从复杂的大数据中找出规律，然后依据其得到的规律来帮人类进行预测（Prediction）。换句话说，考古题做多了，就会有心得和好用的法则，也就成为某个特定领域的专家了。而上述的心得和法则，提供了专家直觉，能鉴往知来，预测短期未来的变化。

AI就如同训练有素的狗，在机场里穿梭于旅客之中，灵敏地嗅闻行李箱里是否有大麻、毒品等。这些训练有素的狗，可以瞬间搜索行李箱里的大麻、毒品味道。所以，AI也一样，除了可以考古、预测和鉴往知来之外，还能发挥其专家直觉，不费时、不费力地进行新事物。因此，AI对往事擅于「考古」，对当下擅于「探索」。

AI的短处是什么?

AI有其长处，当然也有短处。 AI对中长期的未来事物变迁的预测（Forecasting）能力却非常薄弱。因为AI没有拟定（对未来的）假设或假说（Hypothesis）的能力，而且它又没有关于未来可变事物的数据。所以，AI对往事擅于「考古」，对当下擅于「探索」，对未来的「假设」几乎无能为力。

在AI时代里，AI负责考古和探索眼前事实；人类则观想未来和拟定假设性方案。 AI的能力与人类能力能够形成互补，相辅相成。于是，我们只要找到最佳的互补模式，就对了。至于什?是理想的、互补的协同合作模式呢？这并无标准答案。

AI神鹰的起源

我从《成吉思汗与神鹰》的故事里，发现了一个AI设计模式，我称它为：「AI神鹰」。

图一 : 成吉思汗的神鹰和猎狗 （source:呢图网）

AI神鹰的基本主张是： 比起「有所为」，「有所而不为」可能更关键。与 AI神鹰互补的是：AI猎狗。两者相辅相成，AI猎狗建议人类「有所为」；AI神鹰则建议人类「有所不为」。有所为，追求获利；有所不为，降低风险。两者就如同于登山者与雪巴人之间的协同合作模式。

AI神鹰的需求范例

一个常见的AI神鹰是：帮忙医师核对处方上用药的副作用。医师开立处方单时，先交给AI神鹰审视，若药物之间的交叉副作用过高，神鹰会通知医师（人），重新思考其用药。而常见的AI猎狗之一是辅助医师判断超音波图像。

图二 : 医师的神鹰和猎狗 （source:呢图网）

AI猎狗作用于人类的「决策前」；而AI神鹰作用于「决策后」。这两项AI成为人类决策者的最佳伙伴。对于基层经理人（决策）而言，AI猎狗可以发挥很大的辅助效果。对于高层总裁（决策）而言，AI神鹰可以发挥关键性的效益。所以成吉思汗出行时，随身?带神鹰，而不是猎狗。

猎狗看利益，神鹰看风险。两者协同合作，带给人类趋吉避凶的效果，让企业势如破竹。如成吉思汗一般，建立地球史上最大版图的帝国。

AI神鹰设计模式（Design Pattern）

AI具有「考古」和当下「探索」的?大能力，也就是说，AI本来就具有猎狗的天份，能极灵敏地嗅出利益机会（例如知道哪里有兔子），相当于一般统称的预测（Predict）能力，这种极灵敏能力既可以用来嗅出利益，也可以用来嗅出危险。于是，将一群擅于嗅出风险的AI猎狗们，巧妙组合成为一个团队，就成为一只「AI神鹰」了。

例如，在机场来往的行李箱可能装有「危险」物品（如毒品），警察就组织一群猎狗来嗅出行李箱里的「危险」物。这位警察和一群擅于嗅出毒品的猎狗们，巧妙组合成为一个团队，就成为一只「机场的神鹰」了。

从设计到实现

AI猎狗的模型、算法和训练方法都是一样的，其差别只在于嗅闻的目标（利益vs.风险）不同罢了。因此，就把来自CNN中我常用的〈格格／丫嬛〉模型引过来，成为AI神鹰的基础架构：

图三 : AI神鹰的基础架构 （source:呢图网）

如果您已经熟悉了CNN的架构和术语，就可以理解如何实践这神鹰理论了：AI丫嬛对应到CNN的卷积层；而AI格格则对应到CNN的全连接层。换句话说，我们可以直接运用CNN的基本模型来实践和训练基础的AI神鹰，几乎不必耗费额外的学习和建模成本。只需让一群嗅危险的AI猎狗们，能和谐地协同合作，并产生整体综效即可。

像AI神鹰的协同合作结构，可以应用于医疗、股市、警政、军事等各种场域，是一种通用型的「设计模式（Design Pattern）」。这种AI模式通常会使用多个模版（Template）来实践，而模版则由多个Excel工作表和多个Python程序来实践。然后，这些Python程序则表达了复杂的AI演算法。

模式比较接近人的世界，模版则接近于机器的世界。

模式：让AI模拟一群人之间的协同合作（Collaboration）。

模版：让AI机器模拟个人的思考和学习（Learning）。

图四 : AI模板的元素：Excel + Python （source:呢图网）

迈向「AI智能、软体与IC」三合一架构时代

于是，我们的终极目标是：人机共舞。而短期愿景是让IC产业与AI智能产业心心相印、融合为一。例如，综观现代的IC制程分工是：设计→制造→测封→组装（组成PC、手机等）。于是，我们可以依循一样的思维，把AI制程分工定义为：AI设计（使用模式）→AI程序开发（使用模版）→AI测试QA→整合成为AI应用系统（Application）。

过去30年来，软体和硬体都经历过组件化（Component）的成长之路，而实现了软硬结合的今日IT潮流。过去是软硬整合架构，现在是「AI智能（算法）+软体+IC」三合一架构。

反观当今的AI应用系统开发，一个公司或一个团队把设计、制造（编程）、测试、组装（Assembly）都全包办了，其相当于30年前的IC（半导体）产业结构。

在2020年代的未来AI产业，智能组件化是必然的潮流，随着AI应用日愈扩大日趋复杂，产业的分工体系亦随之进化。让IC产业来陪新兴AI产业的成长，且心心相印、融合为一，从此，公主（AI）与王子（IC）过着幸福快乐的日子。