台大電資學院院長:台灣的學術研究是亞洲前段班

產官學都喊AI 但台灣研發能量竟輸伊朗、巴西?

文 / 謝明彧   攝影 / 蘇義傑   2018-05-15
產官學都喊AI 但台灣研發能量竟輸伊朗、巴西?


2018年是政府宣告的「AI實踐年」,科技部帶頭提出五大發展策略:AI研發平台、AI創新研究中心、智慧機器人創新基地、半導體射月計畫和科技大擂台,從軟硬體建置、研發服務、創新研究,到人才培育、實做場域、國際競賽等一應俱全。

然而,當政府帶頭喊、企業努力衝的時候,AI產業發展最重要的底蘊:學術研究,台灣究竟夠不夠強?

答案,可能並不樂觀。

台灣AI學術排名世界第16,輸給中、印、韓,甚至伊朗、巴西

2017年,韓國基礎科學支援硏究院(NRF)提出一份報告,根據包含人工智慧AI在內的工業4.0趨勢,選出五大未來產業關鍵字,來分析韓國的學術研發能量。

《遠見》依據韓國研究基金會(NRF)所選用的關鍵字和調查模式,與世界知名學術資料庫Scopus合作,分析台灣AI研發能量在哪裡?

結果,台灣在全球AI領域的學術能量只排名第16,不僅遠遠落後排名第一、第二的美國和中國,第五名的印度,第六名的日本,第13名的韓國,甚至連印象中科技產業不算發達的伊朗(第12名)、巴西(第14名)都贏過台灣。

圖/此分析報告關鍵字為韓國研究基金會NRF(National Research Foundation of Korea)工業4.0報告所使用,數據輸出時間為於 2017 年 12 月,由 Scopus 資料庫及 SciVal 研究成果分析系統分析2012-2016年之數據。

進一步檢視2012~2016年在AI領域學術論文發表量最高的前20名國際學術機構,結果美國有9家上榜(如哈佛大學),中國有5家(如中國科學院),英國和法國各2家,而台灣學術龍頭台大,則連前一百名都進不去。

AI若是台灣產業升級的未來指標,但卻沒有足夠的學術研究能量,產業發展得起來嗎?

台大電資學院院長陳銘憲:加入「影響力」指標,台灣AI研發力全球第13!

「人工智慧的全球大學排名,台大排全球13,亞洲更是第一!」針對上述結果,台大電資學院院長陳銘憲表示,要計算一國或一所機構的AI研發水準程度,不能只看論文數量、論文質量和論文被引用數,還要加入「影響力」,例如人工智慧領域傑出校友數等。

他舉例,去年八月中國大陸的烏鎮智庫聯合網易科技、網易智慧曾推出一份《烏鎮指數:全球人工智慧發展報告》,針對全球各大學的AI發展做評比,結果前50大之中,沒有一所中國大學入榜,台大則名列全球37,是亞洲第一,日本東京大學名列47,新加坡國立大學更只有第50名。

圖/台大電資學院院長陳銘憲

其次,若看「QS世界大學排名」,過去三年,台大電機學院在全球電資學院排名一直都在前30強,2015年是全球第15,和UCLA(加州大學洛杉磯分校)差不多;2016年排23,2017排27。而計算機領域,2015~2017年分別排名46、46、41名。

「AI、大數據等都屬於計算機領域,台大全球排名40出頭,是很不錯的水準,」陳銘憲說。

再看電資相關領域最重要的兩個學會:電機電子工程師學會(Institute of Electrical and Electronics Engineers,IEEE)和國際電腦協會(Association for Computing Machinery,ACM),要能成為其中院士(Fellow),必須是產業中最頂尖的重量級人物。

以ACM Fellow來說,中國大陸本地產生的院士只有4位,台灣蕞爾小島,也有4位院士,至於伊朗、巴西、俄羅斯等國,一位都沒有。陳銘憲說,以產業影響力來說,台灣的能見度絕對不低。

台灣最強在軟硬整合,帶領「AI產業化」與「產業AI化」

「台灣的學術研究在亞洲算前段班,但並不代表產業高枕無憂,」陳銘憲說,全世界朝大數據、AI、雲端等工業4.0的方向發展,對台灣來說是個強烈衝擊,卻也是個轉型契機。

台灣過去都是靠「刻苦耐勞」(efficient)與「降低成本」(cost-down)來賺錢,工程師能力強又肯加班,但壓低勞動薪資的做法早已不具競爭優勢,台灣必須往價值鏈上游走。

陳銘憲說,台灣有很強的硬體製造經驗,踏上AI浪潮,未來可往3S(即solution、service、system)方向前進。

Solution就是解決方案,根據目的找出做法;service是提出各種應用服務;system就是軟硬整合。

在產業AI化方面,有三大目標:包含「知識發掘」(inside discovery),對問題本質深入了解,例如針對某項疾病去探究它的病徵、病菌結構等。其次,決策支援(decision support),例如經營一家便利商店,協助店長找出夏天哪些東西最好賣、產品要怎麼擺最吸引客人,決策更聰明。最後是,流程改善(process optimization),例如台積電要提升良率,但製程的變數可能多達數千個,根本無法用人腦去評估,就可利用AI進行機器學習,辨認出哪一個變數組合會是最佳解方。

「這個改變就如大江東流,不管你喜不喜歡,都會發生,」陳銘憲強調,台灣無法阻擋,也不用妄自菲薄,台灣的AI學術能量有人才與產業優勢,配合硬體實力,絕對可以創造新的可能。

關鍵字: 科技全球焦點傳產

延伸閱讀

您也可能喜歡這些文章
您也可能喜歡這些文章
置頂