迈向AI与IC产业结合之路

　　高焕堂 （台湾VR产业联盟主席，厦门VR/AR协会荣誉会长兼顾问）

　　0 引言

　　过去十多年来，大数据是推动AI发展的主力。随着AI应用日愈扩大和日趋复杂，计算能力成为当今推动AI发展的新动能。30多年前，台积电公司开创了新IC产业分工模式和协同体系。如今为了结合IC产业，AI产业的智能组件化是必然潮流，AI产业的分工体系也渐渐地进化。于是有趣的是，硬件IC产业将伴随新兴AI产业的成长，且心心相印、融合为一。从此公主（AI）和王子（IC）过着幸福快乐的日子。

　　综观现代的IC制程分工是：设计→制造→测封→组装（成PC、手机等）。于是，我们可以依循一样的思维，把AI制程分工定义为：AI设计（使用模式）→AI程序开发（使用模版）→AI测试QA→整合成为AI应用系统（Application）。本文就从AI神鹰 ^[1] 的设计讲起。

　　1 AI的长处是什么?

　　一般而言，进入到AI领域，首先都会去理解AI可以帮人们做什么（What）。AI拥有非常强的技能就是：代替人类从复杂的大数据中找规律，然后依据得到的规律，来帮人类做预测（Prediction）。换句话说，考古题做多了，就会有心得和好用的法则，也就成为某个特定领域的专家了。而上述的心得和法则，提供了专家直觉，能鉴往知来，预测短期未来的变化。

　　AI就如同训练有素的狗，例如在机场里穿梭于旅客之中，灵敏地闻行李箱里是否有大麻毒品等。这些训练有素的狗可以瞬间搜索行李箱里的大麻毒品味道。所以AI也一样，除了可以考古、预测和鉴往知来之外，还能发挥其专家直觉，不费时不费力地进入新事物领域。因之，AI对往事擅于“考古”，对当下擅于“探索”。

　　2 AI的短处是什么?

　　AI有其长处，当然也有短处。AI对中长期的未来事物变迁的预测（Forecasting）能力却非常薄弱。因为AI没有拟定（对未来的）假设或假说（Hypothesis）的能力，而且它又没有关于未来可变事物的数据。所以，AI对往事擅于“考古”，对当下擅于“探索”，对未来的“假设”几乎无能为力。在AI时代里，AI负责考古和探索眼前事实；人类观想未来和拟定假设性方案。AI的能力与人类能力形成互补，相辅相成。于是，我们只要找到最佳的互补模式就对了。至于什么是理想的互补的协同合作模式呢？并无标准答案。

　　3 AI神鹰的起源

　　笔者从《成吉思汗与神鹰》的故事 ^[1] 里，发现了一个AI设计模式（Design Pattern），称之为：AI神鹰（如图1）。

　　AI神鹰的基本主张是： 比起“有所为”，“有所而不为”可能更关键。与 AI神鹰互补的是：AI猎狗。两者相辅相成，AI猎狗建议人类“有所为”；AI神鹰则建议人类“有所不为”。有所为，追求获利；有所不为，降低风险。就如同于登山者与雪巴人之间的协同合作模式 ^[1] 。

　　4 AI神鹰的需求范例

　　一个常见的AI神鹰是：帮助医师核对处方上用药的副作用。医师开立处方单时，先交给AI神鹰审视，若药物之间的交叉副作用过高，神鹰会通知医师（人），重新思考其用药。而一个常见的AI猎狗是：辅助医师判断超音波图像（如图2）。

　　AI猎狗作用于人类的“决策前”；而AI神鹰作用于“决策后”。这两项AI成为人类决策者的最佳伙伴。对于基层经理人（决策）而言，AI猎狗可以发挥很大的辅助效果。对于高层总裁（决策）而言，AI神鹰可以发挥关键性的效益。所以成吉思汗出行时，随身携带神鹰，而不是猎狗 ^[1] 。

　　猎狗看利益，神鹰看风险。两者协同合作，带给人类趋吉避凶效果，让企业势如破竹。如成吉思汗一般，建立地球史上最大版图的帝国。

　　5 AI神鹰设计模式（Design Pattern）

　　AI天生具有“考古”和当下“探索”的强大能力。也就是AI出生就具有猎狗的天分，能极灵敏地嗅出利益机会（如哪里有兔子）。也就是一般统称的“预测（Predict）”能力，这种极灵敏能力既可以用来嗅出“利益”，也可以用来嗅出“危险”。于是，将一群擅于嗅出风险的AI猎狗们，巧妙组合成为一个团队，就成为一只“AI神鹰”了。

　　例如，在机场来往的行李箱可能装有“危险”物品（如毒品），警察就让一群猎狗来嗅出行李箱里的“危险”物。这位警察和一群擅于嗅出毒品的猎狗们，巧妙组合成为一个团队，就成为一只“机场的神鹰”了。

　　6 从设计到实现

　　AI猎狗的模型、算法和训练方法都是一样的，其差别只在于闻嗅的目标（利益Vs.风险）不同罢了。因之，就把来自CNN的我常用的“格格/丫鬟”模型引过来 ^[2] ，成为AI神鹰的基础架构，如图3。

　　如果您已经熟悉了CNN的架构和术语，就可以理解如何实践这神鹰了：AI丫鬟对映到CNN的卷积层；而AI格格则对映到CNN的全连接层。换句话说，我们可以直接运用CNN的基本模型来实践和训练基础的AI神鹰，几乎不必耗费额外的学习和建模成本。只需让一群嗅危险的AI猎狗们能协同合作，并产生整体综效即可。

　　像AI神鹰的协同合作结构，可以应用于医疗、股市、警政、军事等各种领域，是一种通用型的“设计模式（Design Pattern）”，又称为“设计模式”。这种AI模式，通常会使用多个模版（Template）来实践。而模板则由多个Excel工作表和多个Python程序来实践。然后，这些Python程序则表达了复杂的AI算法。

　　模式比较接近人的世界 ， 模版接近机器的世界 。 模 版 ： 让AI机器模拟个人的思考和学习（Learning）。模式：让AI模拟一群人之间的协同合作（Collaboration），如图4。

　　7 迈向“智能、软件与IC”三合架构时代

　　于是，我们的终极目标是：人机共舞。而短期愿景是：让IC产业与AI智能产业心心相印、融合为一。例如，现代的IC制程分工是：设计→制造→测封→组装（成PC、手机等）。我们可以依循一样的思维，把AI制程分工定义为：AI设计（使用模式）→AI程序开发（使用模版）→AI测试QA→整合成为AI应用系统（Application）。 过去30年来，软件和硬体都经历过组件化（Component）的成长之路，而实现了软硬结合的今日IT潮流。过去是软硬结合架构，现在是“AI智能（算法）+软件+IC”三合一架构。

　　反观当今的AI应用系统开发，一个公司或一个团队 ， 把设计 、 制造（编程）、测试、组装（Assembly）都全包了。其相当于30年前的IC（半导体）产业结构。

　　在2020年代的未来AI产业，智能组件化是必然潮流，随着AI应用日愈扩大日趋复杂，产业的分工体系也在进化。让IC产业来陪新兴AI产业的成长，且心心相印、融合为一。从此公主（AI）王子（IC）过着幸福快乐的日子。

　　参考文献

　　[1] 高焕堂.AI的本质及其商业的康庄大道[J].电子产品世界,2019(9):77-78.

　　[2] 高焕堂.学AI之路，从探索特征出发[J].电子产品世界,2019(11):81-84

　　本文来源于科技期刊《电子产品世界》2019年第12期第78页，欢迎您写论文时引用，并注明出处。