2016年圍棋軟體Alpha Go問世後，人工智慧(AI)技術成為熱門話題。直至2020年，人工智慧的技術發展邁向普及，廣泛應用於各領域之外，機器學習(Machine Learning, ML)、深度學習(Deep Learning)、邊緣運算(Edge Computing)的技術都更臻成熟。今年疫情掀起智慧醫療討論風潮，將AI用於藥物研發與病毒研究，同時回顧自2012年AlexNet架構問世後，影像辨識大量運用在診斷及手術輔助場景。另一方面，結合AR的人機介面往智慧輔具方面發展，透過生物感測輔助身障人士擁有更便利的生活。種種醫療照護領域應用需求，搭配台灣AI技術的破壞式創新，使得台廠有望在市場中搶得商機。
AI朝向深度學習/少資料訓練發展
資策會產業情報研究所(MIC)資深產業分析師兼組長韓揚銘說明，MIC統計在2016年Alpha Go出現以後的深度學習框架更新狀況，發現2018年度各框架的更新總次數最高，總共達31次。框架更新的過程中，可觀察到有兩大趨勢，一是很多公司提供深度學習的框架加速AI模型的開發，二則是許多公司討論深度增強式學習框架應用的可能性。市場上的深度學習框架開發仍處於百家爭鳴階段，大廠之間不斷競爭，希望成為未來應用主流。
現階段的人工智慧技術由深度學習主導，朝向改善深度學習、解開AI判讀過程的黑盒子，以及使用少量資料訓練模型的方向發展。其中Meta-Learning只需要搜集少數資料，即可從不同的模型架構來快速獲得學習能力，達到通用的學習效果。影像辨識的模型訓練，也可以使用生成對抗網路(GAN)合成影像資料，再透過生成模型與判別模型相互訓練，達成多樣本訓練的需求。部分醫療影像便是使用GAN技術，用2D影像資料訓練模型，來進行3D影像的判讀。
韓揚銘分析現階段台灣的AI市場，由AI起家的AI產業，以及做出AI產品的科技公司所形成的產業AI，統計共有342家，並擴及13領域。技術分布上，以數據推論為大宗，第二大為電腦視覺(圖1)。成立時間上，以2016年Alpha Go研發前後為分界，2013年AI相關的公司開始大幅增加，又以2017年增加幅度最高。投入的領域方面，2016年以前成立的公司，以製造、跨域整合及商業服務為主，2016年以後，多數公司投入跨域整合、醫療健康、行銷與媒體。
為疫情協作 補足AI算力需求
2020年隨新型冠狀病毒(COVID-19)疫情發生，AI技術大量應用在疫苗及藥物的研發工作，其中所需要的大量運算能力，可藉由分散式的協作達成。工研院產科國際所研究經理陳右怡舉例說明，AI進行疫苗研發跟藥物開發需要強大的算力，而為了補足算力，史丹佛大學的實驗室透過網站提供軟體下載，全球各地的志願者下載後，可以設定電腦在閒置的時段內提供算力來解碼病毒，並將結果回傳實驗室，由全球百萬台電腦共同進行，拆解COVID-19的病毒結構，以利藥物研究。
影像辨識助臨床診斷
回顧AI在智慧醫療領域的進程，新冠疫情尚未爆發前，2012年Google發表AlexNet架構，人類在影像辨別上有大幅的技術成長，資策會MIC資深產業分析師吳駿驊表示，自此開始AI相關的論文數量在六年間成長六倍。然而新技術的研發伴隨法規等落地挑戰，由於診療輔助的AI系統來自於大量醫療數據的機器學習成果，上市前達成臨床與效能評估後導入醫院，但是進入實際應用場景後，仍會隨著比對醫師診斷結果、搜集更多使用者數據而不斷的循環更新。換句話說，AI診斷系統上市後仍因為持續的訓練、優化而改變，但是當時的規範無法歸類相關產品，AI系統因而面臨醫療法規認證的挑戰。直到2018年4月FDA採認全球首款AI設備，通過一款近視視網膜的AI影像辨識系統的認證。吳駿驊進一步說明，目前世界各國的規範不同，但是隨著AI的技術持續推進，法規就會逐漸具體化。
就AI醫療發展的現況而言，MIC統計CB Insights在2020年5月挑選百大新創的AI公司中(圖2)，醫療領域在去年跟今年都有14家，14家之中又以診斷輔助為大宗，數量跟募資金額皆最高。吳駿驊提及，影像辨識的判讀輔助是最具快速商用機會的應用，來自量測腫瘤、斷層掃描、病理切片、核磁共振、超音波及X光的影像數據，可以協助醫師快速分類並判讀病徵，找到高風險的影像或者避免醫師漏診。
生物感測搭配UI成就智慧輔具
除了AI醫療的臨床應用，非接觸式的人機介面也是AI在醫療照顧領域有成功案例的技術趨勢。當AI結合跨領域知識，便可以造福過往不易接觸科技的族群，如視障/聽障/身障人士，皆可透過生理感測技術，取得智慧輔具而獲得更便利的生活。此外AR應用的加入，則為醫生提供更多手術所需的參考依據。
資策會MIC資深產業分析師林巧珍提及，非接觸的人機介面結合生物感測，能夠開發出更人性化且價格親民的輔具，也能在手術方面輔助醫生判斷病人狀態。例如智慧義肢BrainCo藉由感測腦波跟肌肉訊號，達到控制智慧義肢的目的，並且結合演算法學習使用者的習慣，協助肢障人士做到拿杯子、握手等動作。視障輔具Orcam則是結合手勢辨識、語音與視覺UI的產品，當視障者將Orcam戴在眼睛旁邊，手指向任何物品或文字，裝置即可朗誦內容或提供物品名稱。在購物情境中，裝置會告訴使用者手中的鈔票面額，或者閱讀時為使用者朗讀內容。
人機介面用在智慧輔具之外，結合AR所做的Medivis是手術房的混合實境系統，由兩位醫師號召軟體工程師創業，可應用在手術房與教學情境中。以腦部手術為例，傳統上醫生會先從平面顯示器觀看患者大致的2D器官位置圖片，現在如果改用混合實境的視覺UI介面，能夠把患者的全息影像直接覆蓋、顯示在患者的身體上面，手術醫生可以隔空透過手勢即時與影像互動，即可看到患者的器官全貌，找到精準的下刀位置，大幅降低手術風險。此外，Medivis還能用於醫學院的教學訓練。除了顯示虛擬實境3D影像，Medivis可以容納最多20個學生跟同一個影像互動，降低模擬手術成本的同時提高學生學習成效。
林巧珍認為，目前UI技術由不同單位各自研發，但是接下來將走向合作，形成跨領域產業。整體而言，智慧輔具作為剛性需求，賦能載具將開枝散葉，市場敏感度高的新公司即便沒有大廠的知名度跟資源，還是有機會突圍成為獨角獸公司。加上未來三到五年AR/MR的技術越加活絡，科技設備的控制會跳脫螢幕與滑鼠，直接由視覺、手勢甚至意識操控。
台廠機會在精準醫療
綜觀AI醫療的走向，吳駿驊提出台灣廠商的三大機會。一是在原先以國際大廠為主流的醫療產業中，AI破壞式創新的快速研發形式，使得台灣有機會進入醫療的核心市場。其二是醫療儀器生產多來自大型廠商，而雲端廠商如Google、阿里巴巴皆想競爭智慧醫療的軟體市場，除了面臨多數醫院資料不能上傳雲端的問題，軟硬體產商也都積極尋找合作夥伴，以提供完整的方案。
在產業的競合關係中，ICT業者可以考慮利用新創與醫院的合作優勢，打造國內醫院的智慧解決方案，包括如何收資料、部署AI等，在應用的流程中隨時搜集資料。第三個機會則來自精準醫療的需求。生病往往是飲食不對、沒有運動等生活習慣導致，如果能夠搜集並分析生理數據，便有可能達到疾病預防的效果。而搜集數據所需的感測器，包含穿戴裝置使用的判斷模型皆是台灣的技術強項，因此可以發展相關的消費性電子產品(圖3)。
