隨著AI應用日愈擴大且趨於複雜，運算能力成為當今推動AI發展的新動能。可以預見的是，硬體IC產業將陪伴新興AI產業的成長。本文敘述AI的長短處，以及AI神鷹設計理想的、互補的協同合作模式。

過去十多年來，大數據是推動AI發展的主力。隨著AI應用日愈擴大且日趨複雜，運算能力成為當今推動AI發展的新動能。30多年前，台積電公司開創了新IC產業分工模式和協同體系。如今為了結合IC產業，AI產業的智能組件化是必然潮流，AI產業的分工體系也悄悄地進化之中。可以預見的是，硬體IC產業將陪伴新興AI產業的成長，且融合為一。

AI的長處是什麼?

一般而言，進入到AI領域，首先都會去理解AI可以幫人們做什麼（What）。AI擁有非常強的技能，就是代替人類從複雜的大數據中找出規律，然後依據其得到的規律來幫人類進行預測（Prediction）。換句話說，考古題做多了，就會有心得和好用的法則，也就成為某個特定領域的專家了。而上述的心得和法則，提供了專家直覺，能鑒往知來，預測短期未來的變化。

AI就如同訓練有素的狗，在機場裏穿梭於旅客之中，靈敏地嗅聞行李箱裏是否有大麻、毒品等。這些訓練有素的狗，可以瞬間搜索行李箱裏的大麻、毒品味道。所以，AI也一樣，除了可以考古、預測和鑒往知來之外，還能發揮其專家直覺，不費時、不費力地進行新事物。因此，AI對往事擅於「考古」，對當下擅於「探索」。

AI的短處是什麼?

AI有其長處，當然也有短處。AI對中長期的未來事物變遷的預測（Forecasting）能力卻非常薄弱。因為AI沒有擬定（對未來的）假設或假說（Hypothesis）的能力，而且它又沒有關於未來可變事物的數據。所以，AI對往事擅於「考古」，對當下擅於「探索」，對未來的「假設」幾乎無能為力。

在AI時代裏，AI負責考古和探索眼前事實；人類則觀想未來和擬定假設性方案。AI的能力與人類能力能夠形成互補，相輔相成。於是，我們只要找到最佳的互補模式，就對了。至於什?是理想的、互補的協同合作模式呢？這並無標準答案。

AI神鷹的起源

我從《成吉思汗與神鷹》的故事裏，發現了一個AI設計模式，我稱它為：「AI神鷹」。

圖一 : 成吉思汗的神鷹和獵狗 （source:呢圖網）

AI神鷹的基本主張是： 比起「有所為」，「有所而不為」可能更關鍵。與 AI神鷹互補的是：AI獵狗。兩者相輔相成，AI獵狗建議人類「有所為」；AI神鷹則建議人類「有所不為」。有所為，追求獲利；有所不為，降低風險。兩者就如同於登山者與雪巴人之間的協同合作模式。

AI神鷹的需求範例

一個常見的AI神鷹是：幫忙醫師核對處方上用藥的副作用。醫師開立處方單時，先交給AI神鷹審視，若藥物之間的交叉副作用過高，神鷹會通知醫師（人），重新思考其用藥。而常見的AI獵狗之一是輔助醫師判斷超音波圖像。

圖二 : 醫師的神鷹和獵狗 （source:呢圖網）

AI獵狗作用於人類的「決策前」；而AI神鷹作用於「決策後」。這兩項AI成為人類決策者的最佳夥伴。對於基層經理人（決策）而言，AI獵狗可以發揮很大的輔助效果。對於高層總裁（決策）而言，AI神鷹可以發揮關鍵性的效益。所以成吉思汗出行時，隨身?帶神鷹，而不是獵狗。

獵狗看利益，神鷹看風險。兩者協同合作，帶給人類趨吉避凶的效果，讓企業勢如破竹。如成吉思汗一般，建立地球史上最大版圖的帝國。

AI神鷹設計模式（Design Pattern）

AI具有「考古」和當下「探索」的?大能力，也就是說，AI本來就具有獵狗的天份，能極靈敏地嗅出利益機會（例如知道哪裏有兔子），相當於一般統稱的預測（Predict）能力，這種極靈敏能力既可以用來嗅出利益，也可以用來嗅出危險。於是，將一群擅於嗅出風險的AI獵狗們，巧妙組合成為一個團隊，就成為一隻「AI神鷹」了。

例如，在機場來往的行李箱可能裝有「危險」物品（如毒品），警察就組織一群獵狗來嗅出行李箱裏的「危險」物。這位警察和一群擅於嗅出毒品的獵狗們，巧妙組合成為一個團隊，就成為一隻「機場的神鷹」了。

從設計到實現

AI獵狗的模型、算法和訓練方法都是一樣的，其差別只在於嗅聞的目標（利益vs.風險）不同罷了。因此，就把來自CNN中我常用的〈格格／丫嬛〉模型引過來，成為AI神鷹的基礎架構：

圖三 : AI神鷹的基礎架構 （source:呢圖網）

如果您已經熟悉了CNN的架構和術語，就可以理解如何實踐這神鷹理論了：AI丫嬛對應到CNN的卷積層；而AI格格則對應到CNN的全連接層。換句話說，我們可以直接運用CNN的基本模型來實踐和訓練基礎的AI神鷹，幾乎不必耗費額外的學習和建模成本。只需讓一群嗅危險的AI獵狗們，能和諧地協同合作，並產生整體綜效即可。

像AI神鷹的協同合作結構，可以應用於醫療、股市、警政、軍事等各種場域，是一種通用型的「設計模式（Design Pattern）」。這種AI模式通常會使用多個模版（Template）來實踐，而模版則由多個Excel工作表和多個Python程序來實踐。然後，這些Python程序則表達了複雜的AI演算法。

模式比較接近人的世界，模版則接近於機器的世界。

模式：讓AI模擬一群人之間的協同合作（Collaboration）。

模版：讓AI機器模擬個人的思考和學習（Learning）。

圖四 : AI模板的元素：Excel + Python （source:呢圖網）

邁向「AI智能、軟體與IC」三合一架構時代

於是，我們的終極目標是：人機共舞。而短期願景是讓IC產業與AI智能產業心心相印、融合為一。例如，綜觀現代的IC製程分工是：設計→製造→測封→組裝（組成PC、手機等）。於是，我們可以依循一樣的思維，把AI製程分工定義為：AI設計（使用模式）→AI程序開發（使用模版）→AI測試QA→整合成為AI應用系統（Application）。

過去30年來，軟體和硬體都經歷過組件化（Component）的成長之路，而實現了軟硬結合的今日IT潮流。過去是軟硬整合架構，現在是「AI智能（算法）+軟體+IC」三合一架構。

反觀當今的AI應用系統開發，一個公司或一個團隊把設計、製造（編程）、測試、組裝（Assembly）都全包辦了，其相當於30年前的IC（半導體）產業結構。

在2020年代的未來AI產業，智能組件化是必然的潮流，隨著AI應用日愈擴大日趨複雜，產業的分工體系亦隨之進化。讓IC產業來陪新興AI產業的成長，且心心相印、融合為一，從此，公主（AI）與王子（IC）過著幸福快樂的日子。