【抗疫神器】專家教路 3 大後疫情科技趨勢
疫情影響，企業加速 Digitization，AI 在當中有著重要角色。如果你有資源但不知應如何分配，可留意以下 3 個範疇。
(1)AI 實踐
AI 發展成熟，任何行業都可透過它大幅增值，加上 COVID-19 推波助瀾，Boston Consulting Group 報告指出，超過 80% 企業打算加快 Digitization，但只有 30% 能夠達到成效指標。首先，McKinsey 2020 State of AI 指出，管理層普遍信心不足，投資 AI 方案規模偏小，少於 25％ 企業的 AI 項目有彰顯成果，尤其業務屬於實體與網絡混合性質。舉例現在技術上已經做到遙距控制自動化生產設施，甚至商業大廈，過往管理層對大規模應用仍有顧慮，包括管理方式、尋找有信譽的服務供應商、數據流動性等，但 2021 年相信會是轉捩點。其實 AI 解決方案絕不應該只有數據科學家才懂得操作，正如 Tesla 推出的自動駕駛車亦不可能只有數據科學家才能駕駛，iPhone 亦不是工程師才懂得操作。換言之，複雜繁重的工作由 AI 代勞，用家透過 User-friendly 介面可輕鬆掌控。今日的科技，可以讓一位管理商廈的業務員在 Cafe 利用平板電腦，全盤掌握業務、租戶體驗、出租率、支出等，並能隨時介入這個自動化營運程序。
(2)Deep Learning 驅使自動化
Deep Learning 始祖 Dr. Geoffrey Hinton 最近向 MIT Technology Review 強調「Deep Learning 是萬能的」，暗示它可以完美複製人類思維。Deep Neural Network 示範了精準數學設定，可以克服任何預計之內的難題。於 Carnegie Mellon University 任教的 Dr. Manuela Veloso 則指出，共生自主（Symbiotic Autonomy）係完全複製人類思維的關鍵。共生自主即是人類與機械能自主交換意見，而 AI 會因應意見思考與修正。這裡所指的意見並非絕對性的 Yes Or No，而是一個人性化的討論，就如搭的士與司機商量走哪一條隧道過海，期望 Deep Learning 驅動的 AI 能夠解釋每個選項的理據。Deep Learning 的 Neural Network，能夠簡化 AI 原始算式，達至自動化所需的電腦資源更少，預期大學與企業會在 Neural Network 上聚焦研究。收成當日，企管可以一個介面全盤掌控一個跨國企業，基建、供應鍊、員工等完全自動化運作與管理，而企管在任何時刻都可介入改良。這當然引伸到道德問題，需要獨立探討。
(3)量子電腦控疫可能
量子電腦在 1 與 0 中間的無限可能運算能力，足以處理世上最複雜的 AI，如果能運用到控制疫情中最關鍵的疫苗研發與分配物流上，理論上全世界可以極速擺脫 COVID-19。
開發疫苗第一步，研究員需要模擬一個新分子，所需的運算力，已超越了現時最強電腦的能力範疇，但對量子電腦來說則輕而易舉。另外，量子電腦驅動 AI 可以完全計算最快捷生產與分配疫苗的物流方式，考慮廠房生產力、位置、人口、交通等因素，精確計算該廠房應有產量與物流。下一步，將會是量子電腦與 Deep Learning 的結合，這方面的研究方興未艾，暫時未進入投資者的雷達，但有遠見的科技人已經開始探討 Nanoparticles 與 Atomic Map 等，希望進一步了解人體構成。AI 與 Quantum Computing、AI 與 5G 等組合，未來一定帶來重大改革，生物科技範疇絕不例外。但量子電腦是否會在 2021 年有研究成果，暫時屬未知數。
