海納百川》跟風全球智慧趨勢不是最佳解（徐作聖）

高科技產業最近有二個炒作或時尚，一個叫人工智能AI，另一個叫量子計算，都是台朝野關注的新興產業；前者是運用資訊科技搞「演算法」(Algorithmic Manipulations) ，後者是用基礎物理搞「算力」，本來兩者互不相關隸屬，但最近有收斂合併的機會，叫作量子機械學習 (Quantum Machine Learning, QML) 。

AI技術甚囂塵上是全球高科技聚焦的重點，AI代表了「進步」、「現代」、「高科技」，是產業精緻化、智能化的工具，也是分布式經濟的主要趨動力。AI早期由美國矽谷一群技術狂熱追隨者，推動以「演算法」操作為基礎的智能技術，近年來結合區塊鏈技術，發展迅速、無所不在、蔚為風潮，己成為開創web3.0智能網路的關鍵元素，其未來發展潛力難以估計。

量子計算是量子技術三大領域之一 (其他二項是量子通訊及量子偵測) ，是利用量子物理中量子糾纏及量子疊加為基礎，發展出高效率、超快速、超能量的平行運算技術，主要應用於「超高算力」需求的領域，如量子化學模擬、分子結構預測、功能性支援其他複雜産業體系運算需求等。在量子計算發展進程有兩大技術門檻：計算能量Qbit數量提升以及「糾錯」(Error Corrections) 功能強化，是量子計算技術遲遲未能廣泛普及的主因。

從産業全面智能化的態勢來看，算力與演算法的結含是必然的，目前比較看好的應用領域包括：奈米粒子及高等材料的結構模擬分析、新藥開發及醫學研究、深度瞭解人體結構、圖案 (Pattern) 辨識、太空技術、數位安全維護等領域。雖然量子計算與人工智能技術互補性很強，但兩項技術之間發展歷程不同、成熟度各異、人才需求也不同，如何最有效結合這兩項新興技術仍然是一個艱巨的挑戰。

在資本主義的運作體系中，任何策略結盟必有「主從」之分，「主」是掌握全域的舵手，而「從」是配合運作的支援角色。用策略管理的角度來看，「主」就是 催生者 (Instrumental) 或主導者 (Syndicator)，而「從」就是致能者 (Enabler) 或促進者 (Facilitator)。在QML的「主從關係」中，角色扮演與分配端看供應端技術成熟度及需求端應用市場結構，在産業的分野上也影響競爭優勢的發展方向。

舉例來說，經典的AI應用緣自於網路科技的落實，也是資料科學 (Data Science) 的源頭，其經營模式是透過資料的收集、整理、分析、解讀等程式而落實在應用端，其中資料的共同認知 (Cognition) 是以運籌為基礎的市場應用最大關鍵。而共同認知的獲取在不同應用場景有截然不同的意義，技術供應端靠數據分析 (AI) 或科學理論與實驗資料 (Positivism)，而需求端則是根據産業鍵結構及市場特性而得。以系统技術或數據優勢整合整個產業鏈是催生主導者，利用關鍵技術或市場槓桿提升産業鏈效率是致能輔導者，前者是分散式寡斷如元宇宙系统，而後者比較類似産業鏈垂直分工的架構如特殊光電材料或量子計算領域上量子偵測及糾錯的功能上。

在AI落實成功的案例中，最具代表性的是：社群媒體及網路消費者市場、成熟的工程技術領域、以算力為主的黑科技等。AI催生、創造市場需求，其建立共同認知的手段包括：演算法及資料庫操作 (如網路) 、工程專業系統及資料庫數位化、標準化、模組化、統計模擬機制操作等。在這些共同認知「高」的產業中，AI業者多數是扮演催生及主導者的角色，是分布經濟的雛形（Precursor）的驅動者，是智能服務經濟形態的催生者 (Instrumental) ，是經驗法則 (Empiricism) 營運最大化的實踐者，其競爭優勢主要來自於網路規模、經營效率、專業性、品牌優勢等。

近年來AI雖然光環不断，但仍遭受連續挫敗，主要是在健康醫療領域，或其他高複雜系统中(如新興材料、生物技術等)。自從2015年以來，智能醫療曾經是一個萬方矚目的投資標的，幾乎所有全球資通訊大廠均有涉入，但自2020年起問題逐漸浮現，包括IBM Watson Health投入多年但面臨重組，Google Alphabet面臨撤資解散的命運，雖2022年春微軟大張旗鼓投入智能醫療的行業，但目前尚看不出實質績效。

這些高科技巨鱷的主要失敗原因有二個方面：雖然技術狂熱分子相信技術萬能，但AI機械學習與深度學習並非萬能，無法達成醫療健康領域嚴苛的要求，甚至在比較簡單的影像判讀上也無法提供確切精準的答案；另外，在臨床醫療數據跨領域可操作性 (Interoperability) 及數據共同認知也存在整合的問題，使得以黑技術創新為主要商業經營的高科技廠商羽而歸。

事實上，健康醫療技術是自然科學的一支，必须依靠科學實證主義 (Positivism) 的實踐。但因為系統性極強且龐大複雜，再加上醫療體系實證主義中不同醫學領域存在差異極大的認知，是一門「實驗科學」，與傳統物理學所描繪的「看得到、量測得到」的實證主義有相當程度的差異。另外，幾乎所有醫療領域的參數及臨床數據都是基於物理或化學量測所得的，加深了體系中共同認知的障礙。

另外，健康醫療產業知識池水極深、專業分工很細、管制嚴格，跨部門共同認知基礎薄弱，故臨床運用、數據分析、診斷醫療都必須仰賴醫事人員 (醫師及醫學研發人員)的專業判斷，套一句通俗的話來說就是：醫事專業知識 (Domain Knowledge) 及其應用才是健康醫療產業的本質，醫療工作者是真正醫療健康産業的催生主導者，而資料智能處理工具 (如AI) 只是系統中的致能輔助者而非催生者，角色異位勝敗立見。

現回頭來看現階段量子計算與AI謀合及應用的問題。QML的角色在於提供「催生」加「致能」雙重功能，致能者是在既有産業中提供系统升级的功能，而催生者則是掌握供需端專業知識的全局主導者。在智能網路中，QML的主要功能是催生者，如Web3.0智能網路系统 、新消費主義 (Consumerism)、元宇宙體系、分布經濟體系建設等。在硬體製造業中，QML提供了催生加致能的双重功能，如「催生」實證主義掛帥的新健康醫療技術、推動「致能+催生」的功能如新材料研發、分子結構模擬、新醫材研發、新藥開發等領域。若未来經營有成或科技手段有所突破 (以電腦模擬代替實驗數據) ，QML有可能真正成為完全的主導者，全盤落實實證主義掛帥的目標。

對於台灣來說，雖然量子計算及人工智能都是重點投資項目，但兩項技術的整合似乎尚未開始啓動。台商過去幾十年都是以代工(服務) 為主要經營模式，也就是産業鏈「致能」的角色，對市場需求端知識未能有足够的掌握故未能有效發展自有品牌。在QML的整合進程中，「催生者」需要具備掌控産業鏈的管理能力，而「致能者」則必須具備獨特專業化的 (Specialization) 或客製化的技術或管理能力，在新興産業的跨業系統整合上，落實實證主義的精神也是經營努力的重要目標，如何選擇未來發展方向就必須看本身的客觀條件、産業動態及經濟趨勢的發展方向了。

産業轉型是台灣重要的産業政策， AI及區塊鏈合體的元宇宙系統改變了全球的產業結構使得分布式經濟已逐漸成形，但QML能碰出什麼另類火花呢？在分合更迭的過程中，如何在分布經濟體系中由全球「致能者」的輔助角色，轉變成為區塊鏈中「催生者」的主導位置，才應該是台灣產業轉型的真正意義，是古諺「寧為鷄首、不為牛後」的發展策略，更是朝野應該認真思考的問題。（作者為陽明交通大學退休教授）

※以上言論不代表旺中媒體集團立場※