回顧2018年世界科技大事，不論從技術、經濟或政治層面而論，筆者認為非人工智能（AI）莫屬。本文概述筆者在公開講座中提及有關「AI與人類之間關係」的多樣性，包括其模仿、服務、深在及代替人類等特殊關係。
從科學研究角度看，根據「人工智能」的基本定義，AI是一套能夠仿效人類智慧的電腦系統。已故電腦科學家亞倫‧圖靈（Alan Turing）於上世紀五十年代推出確認AI系統效能的圖靈測試（Turing Test），今天它已成為AI研發和測試的標準。簡單而言，若然某人隔着牆壁（或透過電話）與另一人進行溝通而不能辨別對方是機器或人類的話，那麼該機器便通過了圖靈測試，成為科學界公認的AI系統。
全球智能人手將達8億
國際科技經濟媒體預測，全球AI市場總值到2025年將高達6000億美元之多，屆時全球智能勞動人手估計高達8億，佔總勞動人口超過兩成。面對龐大的市場，世界各國無不希望分一杯羹，中美兩國的競爭尤其顯著。
AI商機處處，中國近年重點關注AI+發展，開拓AI在不同產業的應用。香港一直以來亦注重產業應用，AI+是政府創新及科技發展的重點投資方向之一。AI技術對本地其他支柱產業，包括金融、醫療、智慧城市及再工業化的發展起了關鍵作用。
以「AI+金融」為例，金融交易主要集中在投資（或投機），包括股票買賣，目的固然是「搵錢」。專業人士一般會仔細分析股票市場的走勢，然後作出買賣決定。算法交易（Algorithm Trading）是近期熱門的金融科技，它主要是利用電腦程序進行自動買賣的方法，例如讓程序在交易過程中，可根據市場變動趨勢來決定交易時間段、交易價格、成交數量等。
過往算法以定量金融（Quantitative Finance, QF）為主導，因這建基於複雜金融數學模型。至近年隨着AI技術普及化，定質金融（Qualitative Finance）算法逐漸流行，金融系統利用AI分析社交網絡用戶群對市場的輿論，然後作出交易決定。
STEM對應用具重要性
「AI+」針對應用科學，因應不同問題找尋最佳的解決方案。在現實情況中，AI工程師解決問題時會運用科學方法，有系統地分階段作處理。基本上，他們會依循系統開發生命周期（System Development Life Cycle, SDLC），包括計劃（Planning）、分析（Analysis）、設計（Design）及落實（Implementation）四個階段。工程師在每一階段採用不同的「科學（S）、技術（T）、工程（E）、數學（M）」（STEM）元素。
首先，在初期的計劃階段，工程師會利用科學理論去分析問題，從中挖掘原因所在。其後在分析階段中，他們會採用數學模式分析所有因由，找出解決方案。再繼而進入第三階段的設計期，工程師會利用工程程序去挑選出最合適的方案，透過優化創作出最佳設計。最後，他們會利用科技去落實（Implementation）設計。
由此可見，STEM在AI應用中的重要性，而學習STEM必須從小做起。香港近年在STEM教育投資不菲，致力培育AI人才，將有助推動創科產業起飛。
創意產業難取代人腦
AI在工商業界已獲廣泛使用，雖然有助提升生產效率，但反過來令工人提心吊膽，恐怕職位被機器全面取代，導致飯碗不保。筆者認為，機器代人只會發生在重複性較高的工作上，畢竟AI應用在需要創意的任務方面，仍難與人類相比。有科技專家指出，在創意工作上，AI只屬輔助工具，即幫助人類提升生產力而已。
然而，工業界有不少工序（例如部件裝嵌）因循不變，而且甚為耗時。這類任務是典型工業自動化的目標，機器工程師通常會設計專用的生產機器人取代沉悶的人手操作。工業自動化實現了機器代人，結果大量工人被閒置。
