AI競爭

人工智慧競爭之本質

人工智慧之全球競爭固然激烈,但不同時代的科技競爭會因為科技之特性不同,因此我們必須先探究的問題是,所謂人工智慧的科技競爭究竟是什麼意思?人工智慧之技術特性會使得未來國際競爭主要表現出哪些競爭路線?各國有何優勢劣勢?對此問題,歸納各專家之論述後認為,人工智慧競爭之本質主要在以下三個領域:
 

人才競爭(誘因型競爭)

人工智慧是以演算法之撰寫及應用為主要發展模式,而頂尖人才的培養對於人工智慧之發展速度有著關鍵性的影響。例如一家公司只有網羅到最優秀的團隊,就能撰寫出最強大的演算法,這個演算法還可自行透過深度學習而演變,甚至自行撰寫出不同應用需求的其他演算法。換言之,從競爭角度來說,優秀的人才團隊可以創造的競爭優勢是等比級數的差距。而放在國際競爭脈絡下,美國、中國及歐洲都在積極爭奪相關人才,中國就是以「千人計畫」積極延攬在美國工作的華人(也包括部分外國人)回到中國去創業就業,並給予優渥的研究經費補助。至於美國,長期以來因為開放的創新環境與自由的生活環境而成為全球科技人才嚮往之地,此點是其最大優勢。如今美國卻面臨在人才爭奪上的兩難局面,一方面擔心中國人到美國求學與就業,會把學到的尖端技術帶回中國去產生競爭性,因此開始限縮中國人到美國的留學機會,甚至對美國學者有牽涉中國千人計畫者加以查辦。但另一方面,限縮國外人才進入美國可能導致美國本身的創新優勢削弱,長期而言造成不利人才競爭。換言之,當美國試圖阻止中國透過技術間諜竊取尖端技術時,也要思考如何在全球更大範圍上去吸引其他優秀人才。而中國也面臨人才策略上的侷限性,因為中國的創新環境並不算好,許多好的技術在中國會受限於政治與商業環境而無法推展,更遑論中國的生活與政治限制本身就缺乏吸引力。總體而言,此種人才競爭是誘因的競爭,誰能提供較好的環境與經濟誘因,就能吸引到最多人才。
 

資料競爭(規範型競爭)

人工智慧之發展除需要演算法也需要有龐大的訓練資料集,品質越好且數量越大的資料集可避免演算法出現偏差,更能反映真實世界提供更有效之預測。資料可分為個人資料與非個人資料,後者例如氣象資料或交通流量資料,可用於預測天氣以及交通需求,前者就是與個人有關的資料,又可分為可識別身份的資料和不可識別者,前者在大多數國家受到個人資料保護法令之規範而不可任意蒐集,更不可任意交易轉移。另方面,資料又有分散型與集中型的處理方式,越能將資料集中就越能有效率地利用資料,但資訊安全風險也就越高。目前國際上以中國最明確地採取權力集中型的資料處理,且中國廣設監視器以及人臉辨識系統,以及普遍使用的電子支付系統,都使其蒐集之個人資料非常龐大且完整可交叉比對。相較之下,歐盟就是對個人資料保護最嚴格的地區,但歐盟在非個人資料方面尤其是製造業的技術資料有相當完整的資料庫,因為歐洲許多國家長期累積了工業4.0的技術能力,因此在製造技術領域具有資訊優勢。美國介於兩者之間,但近年來開始面臨消費者對網路公司的個資蒐集要求立法規範之行動。總體而言,資料的競爭在本質上是規範型的競爭,不同的規範環境會形成不同的資料蒐集模式。但資料越多未必在人工智慧發展上就越有利,因為資料的分布方式(由誰掌控資料)具有重大影響,掌控資料者未必是擅長人工智慧創新應用者,這就涉及資料市場的壟斷與創新問題,同樣是個規範性議題,不同國家對競爭法在資料治理之適用性將面臨國際競爭考量。
 

晶片競爭(市場型競爭)

人工智慧的實際運作除了要有好的演算法以及資料集作為訓練之用,更需要有量身定做的晶片來進行運算。因為目前為止的晶片設計都不是為人工智慧的運算所設計,而考量到人工智慧運作的方式可能造成晶片過熱、耗電過大、時間過久等條件限制,人工智慧要普及應用將受到嚴重的客觀限制。無疑的,在晶片設計方面美國仍佔有絕對的優勢地位,而晶片製造方面則是台灣佔有主導地位,關於晶片製造所需的精密設備則是荷蘭以及日本這些國家具有主導性。中國在晶片製造方面目前還處於追趕階段,該國在2018年進口外國晶片的總額達到3120億美元,比其原油進口金額還多了四分之一。中國最大的晶片製造業者中芯國際,其2018年的營收僅有台積電的十分之一。基於中國在晶片產業的對外依賴性,美國也積極進行國際佈局以避免被中國追趕上。例如本網站曾說明美國如何加強對於尖端技術產品的出口管制。然而美國面臨的難題是,如果嚴格禁止晶片廠商提供尖端晶片給中國,可能會導致中國加速投資晶片自造能力,並且也可能導致美國及其盟國相關企業的出走,例如歐洲日本的晶片製造相關設備商就可能變相到中國去投資以爭取商機。而繼續提供尖端晶片給中國,但嚴控其對象不可為軍事用途,可能反可維持中國對美國晶片產業的依賴性,抑制中國晶片製造業的成長機會。簡言之,晶片的競爭在本質上是一種市場型的競爭,美國要善用其現有優勢但也不能違逆市場機制而導致適得其反的後果。


Image by Free-Photos from Pixabay