還記得3月初轟動一時的圍棋人機世紀大戰嗎？Google旗下的新一代人工智能AlphaGo以4比1大勝世界第一把交椅的韓籍李世石，正式向世人揭開人工智慧新時代。
除了人機大戰之外，你也能從電影題材中嗅到人工智慧的商機，不管是「鋼鐵人」裡的智慧管家，還是「雲端情人」裡的莎曼珊，不只幫你解決生活雜事，還能平撫你的心靈，現在人工智慧正一步一步侵略我們的生活，甚至已有研究顯示，機器人的識字能力，已超越人類。
很多人常誤以為，人工智慧等於機器人，其實不然，機器人只是人工智慧的一種應用方式，其實像現在的自動翻譯、最近很夯的自動駕駛、無人機，甚至是股票自動交易等，背後都隱含了人工智慧。人工智慧正以意想不到的方式呈現在世人眼前，而且發展速度將比人們想像的還要快速。
辨別日文手寫文字 準確度高達98.66%
這間位於東京，成立還不到兩年的新創公司Reactive，擁有4名程式設計師，在完全不懂日語的情況下，短短幾個月就開發出一套能準確辨別日文手寫文字的程式，而且辨識準確率高達98.66%，近期像他們一樣的全球開發者和投資者無不試圖挖掘神經網絡所帶來的潛力，為的就是向世界證明，人工智慧不是只會回答問題或下下棋盤遊戲而已，還能做到更貼近生活層面的應用。
人工智慧以往只專屬於Google、Facebook或其他科技巨頭的天下，但現在，任何一家研發深度學習人工智慧的創業公司都可以使用雲端計算平台，而像Microsoft 、Nvidia或Amazon則將人工智慧當作一種應用程式去銷售。擁有機器學習博士學位的David Malkin表示：「如果是好幾年前，只有真正的天才才有辦法做到這件事，但現在，只有是有能力的人都能開發出有用的工具，而未來要將這一技術應用到商業上則需要發揮更多的想像力。」
(圖片來源/Bloomberg)
Reactive新創公司麻雀雖小，五臟俱全，證明即使是沒有太多經驗的小團隊也能開發出複雜的應用程式，但困難點就出在如何找到適合的商業模式，現階段，Reactive希望能幫助日本學校批閲試卷，因為現階段日本考試仍採用手寫答卷，Reactive此項研發將可為日本考試帶來有效改革。
目前，David Malkin和他的同事，Joe Bullard、Philippe Remy和Philip Irri在其研發上已經取得前所為有的進展，Joe Bullard就曾在Google日本總部的社交聚會上向人工智慧的愛好者公開展示該團隊的成果，雖然數據還尚未得到獨立驗證或同業評斷，但當時程式表現幾乎可說是無懈可擊，然而他們很有可能會因為語言限制而遇到瓶頸。
對深度學習人工智慧技術來說，英文的手寫辨識難度不大，但日文的手寫識別情況卻完全不同，日語是由漢字和假名組成，一個漢字往往就有多個筆畫，而且常用的漢字就多達達2000多個，要解決此項困難，訣竅就是一次處理一個筆劃，Reactive採用神經網絡進行模式匹配的演算方法，加另一個筆劃然後不斷重複，慢慢逼近最準確的結果，該公司統計下來約用了180萬個手寫漢字來訓練此神經網絡的辨識能力。
(圖說 : 左手邊的字是藉由右邊的神經網路一層層滲透而成，較亮的地方是相對應的部分，直到最後最終層的字就會出現。圖片來源/Bloomberg)
中文辨識人工智慧 很快將超越人類水準
著手研究手寫中文辨識程式的富士通實驗室計劃負責人Seishi Okamoto表示：「這項技術有其專業性，而且在商用領域的可擴展性有相當大的優勢。」在中文辨識程式開發領域中，Seishi Okamoto就表示：「用於手寫中文辨識的深度學習人工智慧已達到人類的水平，而且很快就能超過人類水平。」
不同於依硬性規則運作的傳統演算法，深度學習人工智慧技術模仿人腦處理信息的方式，只要輸入足夠的數據，並設定期望的輸出結果，神經網絡就能自動進行中間過程的處理，從而找到不同於傳統方法的解決方案，例如語音表達和標記圖像。
特利爾大學計算機科學教授Yoshua Bengio表示：「這其中涉及到多方面因素，高性能計算成為實質的商品，大規模數據整合達到可用性，而基礎科學研究也在不斷進步。工具民主化將能有助於第二層用戶更方便地開發新的應用程式和新産品。」
程式設計師和投資者的研究將不斷加速人工智慧技術的開發，根據CB Insights的數據顯示，2015年，專注於教育、零售和農業等領域的人工智慧新創公司就獲得的3.1億美元的投資，5年時間增長了近7倍，對於人工智慧技術的開發可說是前所未有的發展。
(資料來源/Bloomberg Technology)
