讀者：蔡依橙

人工智慧書很多，這本有何不一樣？

關於人工智慧的書很多，不管是做演算法研究的、「未來學」的、資訊科技業的，幾乎都有人出書。這本書的角度不太一樣，由於其作者與任職機構的關係，更為務實、少了恐嚇，值得一看。

為什麼呢？因為本書是由任職「野村總合研究所（Nomura Research Institute; NRI）」的兩位研究員，古明地正俊（首席）與長谷佳明（高級），共同合著而成。「野村總合研究所」的業務，主要是提供企業諮詢顧問服務與資訊系統建置，1994 年於台灣也成立了分公司。

務實精鍊，以真實商業考量為核心。

出版的目的，書中並未多著墨，但推測是為了增加企業（野村潛在客戶）對人工智慧的認知，並順道做火力展示，告訴潛在客戶們：「我們懂人工智慧、我們理解世界現況、我們能用白話說明、我們隨時理解未來趨勢。」期待當企業需要類似諮詢與系統時，能以野村作為首選。

這本出版物，對野村是策略性的投資。但對我們讀者來說，也有很實際的好處。（上次同是遠流出的《解讀東協》一書，也有異曲同工之妙！）

因為本書是諮詢顧問公司出的，白紙黑字寫下來，會被客戶與潛在對手仔細檢驗，所以內容有憑有據，講技術的部分很白話，細節點到為止，講實例都用實際存在這世界上的新創公司與服務來說，沒有想當然爾的腦補、不會用科幻小說式的預測來恐嚇讀者。

也由於他們所服務的大型企業，在發展新業務上，難免有法規與倫理的議題必須與政府打交道，在這兩個領域的延伸也非常務實。

基本上，就是一本以商業為核心，兼論政治、法規、倫理、技術發展，把「人工智慧」的現況與可見的未來，做很清楚整理的書。

日本人寫商管書有種獨特的精鍊，很實際，不太跟你感性的。也造就了本書僅 255 頁，一兩個晚上可看完的小篇幅。我個人獲益良多。

推薦讀法一：邊讀邊搜尋

推薦就跟著作者的介紹順序，一頁一頁推進，在他介紹很酷炫的商業服務時，到 Google 搜尋「影片」來體驗一下，現在的新創公司，在影片製作上，都會考慮到氛圍與技術準確性。畢竟這是他們要募資、要說服客戶的材料，氛圍當然重要；而且影片公布於網路上，如果誇大不實，隨便一個人都可以寫部落格踢爆，技術準確性更是預防公關災難的重要一環。

我自己對有興趣的主題做過搜尋，的確幾乎都找得到！像是 Local Motors 的 Olli，搭載 IBM Watson 人工智慧系統的無人電動巴士，且製造預計全用 3D 列印，可少量訂購，交期超快！

推薦讀法二：以自身角度提問

在正式開始讀之前，你更可以從自己的角度思考，帶著問題去讀這本書，自己找答案。以我來說，作為專業人士、教育從業者、兩個小孩的爸，我帶著的問題是以下幾個：

• 在醫學專業的世界，人工智慧的趨勢，會讓我失業嗎？怎樣的特質，會讓我們站上人工智慧的浪潮，而不是被人工智慧取代？
• 在教育的世界，我們該怎麼運用資訊變革與相關工具，並給學員良好的建議？也就是說，哪些事情該用手工與記憶比較快，哪些又根本不需要學，直接建議好工具。
• 做為家長的角度，我們自己都不知道未來是什麼樣子，但孩子應該往那個「大方向」學習？怎樣的訓練、怎樣的生活習慣，會讓他們不自覺地成為人工智慧浪潮的受害者？怎樣的環境準備，則能讓他們養成與人工智慧協作，甚至持續定位自己做超越科技的那些人類獨有智能職業？
• 如果孩子日後對這領域有興趣，目前的科技大國是哪些，他們的發展方式有何不同？日後該用什麼語言、去那個國家學習？（先劇透一下，美國與中國最大，前者科技突破，後者結合政治力做其他國家做不到的大數據整合收集與分析）

震撼：未來已經到來，只是還沒成為主流。

由於在這個領域思考已久，這些問題多數是給我本來已經做好的決定與行動，達成強化的效果。最大的震撼是，作者們對已經開發出服務的新創公司很熟悉，旁徵博引，我上 Google 搜尋後，才知道這些都已經不是科幻小說，而是真正在身邊的科技了，只是我們不見得注意到。

例如：日本豪斯登堡集團的 Henn-na Hotel，是已經能在 Booking.com 與 Hotels.com 看到的成熟服務，創立之初就大量使用機器人，72 間客房，只有 10 名人類員工，之後擴充一倍，成為 144 間客房，一樣還是只請 10 名人類員工，一個工作職缺都沒增加！

上網看過後，嚴格來說，他們所使用的技術並非高科技，但把成熟科技實際應用，而且有效擴充卻不需要增加人手，這都是很令人震撼的趨勢細節。而且，用恐龍布偶作接待員，以及人機互動的噱頭與驚喜，更是商務運轉的重要軟實力！

科技快速進步的時代，的確令人無所適從。但另一個角度想，越能掌握資訊、細節，並萃取關鍵，做出有用決策的人，更有機會彎道超車，活出想要的人生。

社會不變，比起社會持續改變，我想還是後者比較好。

相關連結

• 《AI人工智慧的現在‧未來進行式》
• 由此連結購買，你沒損失，4% 購書介紹費捐贈公益計畫。

網路搜尋記錄

• IBM Watson 的實際應用畫面展示
• Henry Markram 創辦 Human Brain Project 後，拿到 1.3b Euro 的經費，也做出了一些成果（建構出小白鼠的部分大腦），但因管理不善，且過於吹牛，被要求辭職下台。
• 我做研究的心得就是，眼楮看到的前方應該是比較空曠的。如果你眼楮看到的前方是熱鬧的，那這個方向就不是最好的研究方向。而空曠的地方一般都不是熱點，因此你必須找準自己的焦點。
• 李飛飛的 TED 演講，關於 ImageNet 如何用大數據與機器學習，教會電腦認識物品。
• AutoStore Logistic – Technical presentation
• 自編碼 (Autoencoder)

閱讀筆記 / 小孩教養