電腦視覺與人工智慧(AI)領域專家Filip Piekniewsk最近在其部落格中發了警訊「AI Winter Is Well On Its Way」，其主要的觀察點來自於自駕車發展的遲緩、深度學習的困境以及業內資源的異動。我對於其中提及業界氛圍的轉變認為深度學習只是一種進化而非革命頗表認同，但是對於其標題「人工智慧凜冬將至」卻有所保留，畢竟深度學習只是整體AI中的一環，雖然它曾在AlphaGo里程碑式的進展中大放異彩。
事實上AI的應用已經悄悄展開。雖然吳恩達不久前在推特上的「Should radiologists be worried about their jobs?」語帶挑釁、惹翻了一竿子的人，但今年美國FDA先後在2月通過腦中風的輔助診斷、4月通過糖尿病病患眼睛黃斑部病變眼底血管造影(Fluorescent AngioGraphy；FAG)即時判讀、5月通過骨折X光辨識等AI醫療影像輔助工具。在二維影像辨識上，應用的進展雖緩，但卻是結結實實。後面的還有三維、動態影像的問題需要陸續要攻克。
異於用軟體演算法模擬大腦對影像處理的方式－如卷積神經網路深度學習以硬體模仿大腦結構與運作方式，特別是神經元藉突觸連接方式－的神經形態晶片迭有進展，前一陣子有英特爾的Loihi、以及epiRAM，其中epiRAM利用矽晶上磊晶形成的晶格錯位所形成的通道，讓銀在通道中形成連線，模仿突觸。(參見《神經形態晶片初試啼聲》一文)
最近IBM則發表了用相對成熟的90奈米製程－2個PCRAM、1個電容和5個電晶體－組成的突觸單元：
大腦中有短期突觸和長期突觸，短期突觸用來做計算，長期突觸用來學習和記憶。這神經形態晶片也有短期和長期突觸，但是用途略有不同。電容和電晶體像是DRAM，可以快速讀寫，做短期突觸，用來做訓練。PCRAM讀寫速度較慢，但記憶久長，可以用做長期突觸。當短期突觸訓練完成後，將學習結果載入PCRAM，可以維持很長的時間。
這突觸單元雖然聽起來複雜，但是比之前的所有神經形態網路的突觸要小一半以上，因為使用半導體業相對熟悉的元件。用標準的圖片組測試，其圖片分類的準確度與在GPU上用卷積神經網路深度學習演算相當，但是能耗至少低了100倍。
深度學習可能碰到困境，自駕車發展容或不如預期，但是AI是一個非常廣泛的領域，次領域的挫折不代表這個領域就會進入凜冬。AI本來就有很多的發展借助於人腦運作的模仿，單只是這個bio-inspired方向就會提供AI發展的新動力，上述的兼具長、短期突觸的神經形態晶片就是個鮮活的例證。
現為DIGITIMES顧問，1988年獲物理學博士學位，任教於中央大學，後轉往科技產業發展。曾任茂德科技董事及副總、普天茂德科技總經理、康帝科技總經理等職位。曾於 Taiwan Semicon 任諮詢委員，主持黃光論壇。2001~2002 獲選為台灣半導體產業協會監事、監事長。
