前几天在韩国一个主要流行歌曲音源榜Bugs上，有个出道2个多月的男偶像团体Plave首次拿下音源排名的第一、二名。韩国有不计其数的男团竞相出道，相信多数读者跟我一样，记不得团名，分不清谁是谁，但Plave这团却没这个问题，因为他们是虚拟偶像。这个团体有5位成员，分别是诺亚、艺俊、班比、银虎、河玟，有着外貌、身高、岁数、队内角色担当等角色设定，最年长的成员诺亚也才22岁，除了个子最小成员班比为174厘米外，其余成员都在180厘米以上。这样一个新出道虚拟男团，如何打败众多真实偶像团体拿下Bugs音源榜榜首？先来看一下这几年韩国的虚拟偶像发展，如同我们在探讨元宇宙有虚拟实境（VR）、增实境（AR）、混合实境（MR）、延展实境（XR）等定义和分类，韩国在虚拟偶像的经营上，做了可与此相对照的多元尝试。一、实体偶像的虚拟分身：SM娱乐（SM Entertainment）的一线4人女团aespa在2023年5月刚推出的新专辑《My World》创下销售破200万张的佳绩，其自2020年出道时，每位成员都拥有元宇宙的虚拟分身ae，分别为ae-Karina、ae-Winter、ae-Giselle、ae-NingNing（出道曲Black Mamba MV），2022年还跨界到RPG手机游戏《第七史诗》，成为游戏副本主角。二、虚拟偶像团：包括2021年出道的ETERN!TY及2023年出道的MAVE:等，前者是个11人的女子大团，出道前幕后推手人工智能（AI）公司Pulse 9，还举办仿效韩国知名选秀节目的模式，推出101位AI女练习生供网友票选出前十一名出道。 （可见最新单曲DTDTGMGN MV ）后者则是韩国影视娱乐业霸主之一的「Kakao娱乐」与游戏公司「Metaverse娱乐」合作推出的4人女团，出道单曲Pandora自2023年1月下旬发布以来，迄今在YouTube上已达2,320万次浏览纪录，按赞数高达40万次。（可见Pandora MV）三、虚实混合团：韩国第一个虚实混合团乃偶像男团Superkind，2022年推出第一位成员担任门面角色的虚拟人物Saejin，这5人团体的另4位成员都为真人，2023 年3 月发布最新单曲，又新增1真人1虚拟人，扩编成为7人团。 （可见Moody MV）四、真人+2次元外皮团：这种组团模式就是本文一开始所谈的Plave，幕后推手是韩国三大公营电视台之一的MBC旗下公司VLAST。Plave是一个5人男团，外形乃是韩国直条网络漫画风格的俊男，但在这「二次元漫画外皮」后却是有5位真人团员，以3D模块+动态捕捉方式演出，于2023年3月12日推出首张专辑《ASTERUM》出道。（可见出道曲Wait for you初舞台 ）一般韩国偶像团体推出新的单曲或专辑时，会有数周密集宣传打歌期，冲刺流量与销量，过了这段时间后在排行榜上成绩就逐步往下，而像Plave这般单曲推出3个月后才「逆行」攀升至排行榜首位的情况极为罕见。我的观察是，其他的虚拟偶像的呈现都是预先设定好的演出，但Plave则因为虚拟偶像外皮后是5位能唱能跳的真人，透过舞蹈挑战、跆拳道示范等各种主题直播，可跟粉丝密切互动；由于是3D建模，在直播时常常出现团员间严重穿模（肢体间相互穿透叠加）或是肢体突然扭动至不可能角度的情况，团员间常常得自嘲或乱掰来因应补救，造成很多「爆笑梗」，也让愈来愈多人入坑变成粉丝。从1996~1997年第一代偶像团体H.O.T、水晶男孩与S.E.S发展迄今，韩国偶像团体市场版图早已涵盖全世界，防弹少年团与Blackpink更成为全球最顶尖的潮流偶像。在这片市场沃土上，不仅有如IVE与New Jeans等大势团体持续扩大声势，也有如本文提到导入新科技与新经营模式，探索虚拟偶像的各种可能。虽然元宇宙如今热度稍退，但生成式AI的出现对元宇宙内容的发展却是一大助力，拥有全球市场渗透力及已然尝试多元虚拟偶像经营模式探索的韩国，是否又将在元宇宙再创新一波韩流呢？Plave出道迄今初尝成功的经验，是否也在提醒我们，high tech也需要high touch呢？

我受邀担任「台湾AI超算年会- AI 2.0 · 超算 · 新生态」的座谈主持人，当台智云总经理吴汉章结束完Keynote演讲，我问他，面对生成式人工智能（Generative AI）的风起云涌，有什麽感觉？他回答：「很兴奋！」的确是，从PC、网际网络、智能手机、电动车以来，又再出现让大众如此「有感」的新科技，而对身处科技产业业内的我们，却也知道，这是一个「AI大航海时代」的来临，有识企业都在承浪而起，拓展自己的事业新版图。我认为影响未来10~20年台湾科技产业发展的宏观趋势有三：「地缘政治」、「净零碳排」与「人工智能」。在国际秩序下，面对「地缘政治」冲击我们只能因应与自保；「净零碳排」可依循巴黎气候协定各国订出的碳中和目标与蓝图，逐步自我提升与发展新事业；但「人工智能」ChatGPT这一波来得又急又猛，来不及完善布局就得提刀上阵，而我们也难以想像，继ChatGPT后，未来的AI新技术／新模型又会给我们什麽意外的惊喜／惊吓？因为高度冲击性与与高度不确定性，所以才令人兴奋！在中美贸易战与COVID-19（新冠肺炎）后，由于攸关国家与供应链安全，但半导体先进制程产能却集中在台韩，而国内透过国家资本投入急起直追，美、欧、日等主要国家／地区才意识到「半导体即国力」，祭出芯片法与巨额补贴法案，提振在地的半导体供应链。美、欧、日乃至韩、中等地所欣羡的，是台湾以晶圆代工厂为核心的完善半导体产业生态系，这些国家需要「120%努力」甚至「强求」才有机会获得这样的国力，但对台湾而言，这「半导体国力」就只是我们的日常运作而已！在生成式AI浪潮袭来，从美国的Open AI、微软（Microsoft）、Google，到国内百度的文心一言，大型语言模型（LLM）／多模态（Multi-Modal）模型成为中美两国竞逐市场乃至竞逐国力的显学，宣告着「算力即国力」、「AI即国力」的时代已然来临。「AI即国力」的时代，台湾供应链扮演关键推手，台积电的先进制程支持着NVIDIA、超微（AMD）、英特尔（Intel）的新时代GPU与CPU，以电子六哥为首的供应链，供应全球9成以上的服务器，但这就代表台湾具有AI国力吗？不是的，在机器学习（Machine Learning）／深度学习（Deep Learning）的规模化应用上，我们不可讳言落后中美等领先国家不少距离，而「产业AI化、AI产业化」的发展愿景，可调查看看有多少业者从AI赚到大钱即可知迄今成效如何。传统商业竞争基于规模经济／范畴经济，往往是「大吃小」的竞局；网际网络时代基于网络效应（Network Effect），是「快打慢」的竞局，在AI时代呢？优秀的新算法／新模型发布，往往不用几个月时间，大量商业化应用便如雨后春笋般出现，可以预见生成式AI时代乃是「加速快打慢」的竞局，early adopter与follower间的落差只会愈拉愈开。自ChatGPT于2022年11月发布，全球各国同步开始竞逐「AI大航海时代」的版图，台湾能基于「AI即国力」的前提下，成为early adopter，并将发展出来产业应用／企业应用渗透海外市场吗？机器学习／深度学习的AI 1.0时代，除了政府、人工智能学校、公有云与NVIDIA等少数业者希望促成整体生态系发展外，多数业者其实各行其是、各自发展。如今台智云在台湾AI超算年会上，揭露自身「AI Foundry」的策略定位，将自身台湾杉二号超级电脑的算力资源与多个预训练模型开放给外部使用，以企业自身数据建立企业自身的地端模型与应用，并希望结合各界共同发展AI 2.0生态系。延伸报导开放生态助AI发展　台湾自研LLM接轨企业需求说实在，要扮演平台角色去enable整个生态系并不容易，能否成功仍是未知之数，但台积电1987年成立时，谁又能预见30余年后会成为台湾的护国神山呢？图説：从美国的Open AI、微软、Google，到国内百度的文心一言，LLM／多模态模型成为中美两国竞逐国力的显学，宣告着「AI即国力」的时代已来临。符世旻摄（数据照）

Google查找趋势（Google Trend）是个好用的工具，有时我会透过查找热度变化情况，观察某个议题的发展。这次我键入AI技术典范转移的3个字词「Expert System」、「Deep Learning」、「Generative AI」，看看会呈现出哪些结果？若以Google Trend最早能提供查询数据的时间2004年作为起始时间，「Expert System」的查找热度一路往下，而「Deep Learning」则从2013年起查找热度开始走扬，并于2014年与「Expert System」出现走势交叉的情况。Expert System是早期真正商用化的AI技术，属于规则式学习（rule-based learning）。其组成包括知识库、推论引擎和用户界面等3部分，透过大量请教专家，采用if-then-else的结构将专家知识和经验建成知识库，推论引擎则根据知识库中的规则和推论机制来推论和决策，用户界面则是如同ChatGPT，可用问答方式来获取专家系统推论的答案。Expert System热潮在80年代，因人类诸多内隐知识难以表达与形成规则，及规则式学习建立与维护数据库的复杂度随时间持续提高，专业领域专家系统（如医疗、土木等）逐渐式微，而一般企业管理用途的规则系统，逐渐被整合至如甲骨文（Oracle）与SAP等业者的企业应用软件中。2012年多伦多大学教授Geoffrey Hinton与其2位博士班学生Alex Krizhevsky、Ilya Sutskever发表〈ImageNet Classification with Deep Convolutional Networks〉此一论文，带动Deep Learning兴起。机器视觉领域有个2010年由李菲菲发起的奥林匹克级学术竞赛（ImageNet Large Scale Visual Recognition Challenge；ILSVRC），前2年优胜团队都是采用传统的机器视觉技术，Krizhevsky、Sutskever与Hinton的CNN神经网络模型AlexNet，在2012年竞赛「top 5 test error rate」指标中，创下竞赛以来的最佳成绩15.4%，领先第二名的26.2%近11个百分点，从此Deep Learning跃为机器视觉领域主流。当2015年微软（Microsoft）的ResNet以错误率3.6%胜过人类肉眼的5%错误率时，包括智能交通、人脸识别、瑕疵检测等多元市场商机随之起飞，也反应在从2013年迄今「Deep Learning」查找热度上。相较于「Deep Learning」为既有数据进行分类与分群等分辨工作（如人脸识别），「Generative AI」则是学习输入数据的模式和结构，其后根据训练数据的分布，生成相似但全新的数据。2014年的Ian Goodfellow提出的生成式对抗网络（Generative Adversarial Network；GAN），可说是带动生成式AI发展的里程碑。接下来这几年查找热度微幅上扬，生成式AI主要是在专业族群中愈来愈受关注，直到2022年11月ChatGPT的横空出世，引发媒体与社会大众的关注与使用，查找热度才急遽攀升。若直接比较ChatGPT与Expert System及Deep Learning，更可看到由于ChatGPT的爆炸性查找热度，相对而言，Expert System及Deep Learning的查找热度已被摊平成贴近水平的直线。Expert System之父Edward Feigenbaum在2007年接受美国电脑历史博物馆（The Computer History Museum）口述历史访谈，在被问及「我们如何赋予电脑知识?」时，他回答「我想唯一的方法就是依循人类文明现有的方式。我们藉由文本这个文化结晶来传递知识。过去是手稿，接着是印刷文字，现在则是电子文本……我们需要想办法让电脑读化学书来学化学，读物理书来学物理，或者是生物学等其他学科……我们的人工智能程序是手工制作并以知识建造的，除非我们有办法设计出能够阅读、理解文本并从中学习的程序，否则我们将永远无法突破。」（引用自阳明交大《数理人文》期刊第10期，〈人工智能专家系统之父—专访涂林奖得主费根堡之生涯回顾〉一文）Feigenbaum那时并未料到，Google的BERT与Open AI的GPT等近年发展的LLM在训练文本上的惊人数量级提升。以Open AI来说，从2018年GPT-1的5GB训练数据量/1.1亿个参数，提高到2020年GPT-3的45TB训练数据量/1,750亿个参数。之后Open AI便不再公布训练数据量，但最新发布的GPT-4估计可能超过1万亿个参数。带来的突破性成果正在为全世界各个领域的人们所尝试与运用中。Deep Learning的2位关键开创者中，Ilya Sutskever是OpenAI的联合创始人及首席科学家，持续推进最前沿AI技术的发展，但近日Geoffrey Hinton却离开Google，且呼吁人工智能给人类带来的威胁可能比气候变迁更急迫，而曾是Open AI共同创办者的Elon Musk也大声疾呼暂停开发和测试比GPT-4更强大的语言模型。我不禁想问如今已87岁高龄的Feigenbaum，身为自然语言处理AI宗师的您，当强AI时代愈来愈近时，人类该如何踏出下一步呢？ 

问：智能运输过去主要谈ITS，看未来是谈车联网和自驾车，以台湾的角度来看，我们如何能循序渐进推进？

中华顾问工程司为迎接物联网(IoT)时代，近年布局积极由硬走软，适逢成立50周年，中华顾问CEO陈茂南接受了DIGITIMES专访。陈茂南表示，科技带来颠覆性创新，政府需要「智能」应对诸多改变，所谓的智能除了指政策擘画，更重要的是利用智能应用降低创新型态产品、服务对传统产业的冲击，进而让生活更舒适便利。

问：未来老师希望「科技基本法」放寛后团队可朝成立衍生性公司的方向发展，那麽接下来团队在研究上以及在商业化上希望跟各界有什麽样的合作呢？

2017年12月时才飞30几分钟，最主要原因是，当增加电量时，重量就会增加，重量增加同时耗电就会增加，这就是无人机电池遇到的最大挑战。等到它达到一个阶段后，飞行时间不仅没有增加，还会减少。如果只用电池支持无人机的话，通常仅能飞行20几分钟。因此必须再将太阳能比例拉大，当然最直接是把太阳能面积变大，但重量也会增加，有个最好的黄金比例，我们有定量的数学模型可以估算，这对实际制作极有帮助。

今年9月，台湾的太阳能四轴无人机(Quadcopter)创下飞行3小时28分钟的世界纪录，推手是台湾大学电资学院吴瑞北和林清富两位特聘教授。吴瑞北负责寻找研发资源，而林清富因数年前栽入无人机世界，开始动手研发电力结构与太阳能模块，从业余玩家晋身专家，最后在自己的家乡宜兰创下纪录，无疑是个人嗜好结合专长发扬光大的最佳范例。

问：接下来想请教台湾制造业的数码转型。若比较大陆与台湾工厂智能化的转型速度，台湾相对是领先还是落后？若是落后，您觉得主要原因为何？

问：您认为国家队若能促成，其发展目标为何？如何运作？台湾在减速器、马达、控制器、机器人、软件及AI解决方案这些过去相对较弱的部分，组国家队的突破空间有多大？