人工智慧（Artificial Intelligence, AI）源自二十世紀中葉，隨後便經歷相當長的發展黑暗期，直到二十世紀末期，由於硬體（如運算晶片）及演算法（如類神經網路）的進步才得以開始蓬勃發展¹。人工智慧包含許多核心技術，硬體裝置包含晶片、雲端運算系統、終端裝置等，軟體演算法包含類神經網路、深度學習、影像辨識、大數據趨勢分析等。人工智慧已相當廣泛地應用於各領域，包括金融科技、製造業、醫療、交通、法律、農業、國防等。一般而言，人工智慧的應用大抵可分為幾個面向，如學術研究領域的應用、創造新的數位智慧服務，以及在既有產業中導入人工智慧技術等。

 

一、     人工智慧的應用

在學術研究領域的應用方面，使用具有強大運算能力的圖形處理器（Graphics Processing Unit, GPU）並透過深度學習技術，提供過去科學家須費時數十年方得蒐集完成的數據，協助科學家在短時間內分析完成相關影像（例如天文衛星影像）²。人工智慧亦可應用於天災預警系統，使其更加精準、快速，進而減輕因天災導致的財物損害、人員傷亡。此外，由於新冠肺炎的肆虐，人工智慧也得以應用於抑制傳染病擴散之研究，亦可以幫助研究人員快速且精準的解構病毒蛋白質、追蹤並預測病毒突變的趨勢，以加快疫苗研發的速度³。

在創造新的數位智慧服務方面，以人為核心（People Centric）⁴的數位智慧服務不斷推陳出新。例如在商場、百貨公司中使用人工智慧辨識影像，除得以了解人潮的分布、即時推播符合消費者喜好的廣告信息外，亦可解決消費者等待時間過長的問題。當人工智慧應用在醫療領域時，更能提升並促進預防性醫療的終極目標，例如遠距醫療（Telemedicine）、遠程患者監護（Remote Patient Monitoring）、整合型電子病歷管理系統、患者穿戴型裝置、

線上醫療諮詢與掛號約、智慧長照應用、或人工智慧看診等⁵。

在既有產業中導入人工智慧技術方面，如將物聯網（Internet of Things, IOT）、邊緣運算（Edge Computing）與人工智慧技術的結合，在工廠建立連接度（Connectivity），於工廠內每一個區塊或每一個機台間建立連接，使自動化機器得以將數據傳送至終端系統進行整合及自主分析，並自動回饋至工廠的各區塊、機台或負責監督工廠的工作團隊，以大量節省人力、避免機台異常所造成的產能下降，進而提升產值⁶。

 

二、     人工智慧的前景及專利布局

由於台灣係以科技業、製造業為主，我國科技部亦視人工智慧為未來產業發展最重要的技術，並不斷推動相關計畫，如半導體射月計畫、科技大擂臺（Formosa Grand Challenges）等⁷，亦顯示我國對於人工智慧在產業應用上的重視。此外，在中國大陸端，人工智慧於2017年首次被寫入國務院的《政府工作報告》⁸，正式進入國家戰略層面。此後，中國大陸的政策重點從人工智慧基礎技術的研究轉向技術和產業的融合。在政策的推動下，人工智慧商業化應用方面（例如，企業數量、投資規模、市場規模等）已位居世界前列。人工智慧與產業的深度融合將對傳統的業務流程和產業鏈產生衝擊，促進形成產業智能化創新生態系統。

人工智慧技術在各領域仍存在相當大的開發空間，雖然在不同領域中使用的人工智慧技術可能存在相似或對應的內容、概念，但是若在其使用領域中可以彰顯其人工智慧裝置、技術的特別技術特徵並可以產生無法預期之技術功效，仍有機會藉由專利權以保護其核心技術⁹。現今不論是任何領域均需要人工智慧的輔助以達到更大的收益，雖然人工智慧所造成的道德論理問題迄今仍然是一個重大課題，但不能否認的是未來的人類生活將因為人工智慧科技的進化帶來改變。

 

---