智慧對話平台開啟無限可能
全球在 COVID-19 影響下，街道商店冷冷清清，時間彷彿靜止了，許多實體的活動及交流，似乎在一瞬間凍結。但生命會找到出路，生活總要繼續，網路及各類虛擬活動取而代之。而各項研發及科技發展亦不停歇，除疫苗技術在大量資金挹注下瞬間爆發與突破外，人工智慧、太空科技、自駕車等尖端科技的發展亦無停歇。在 Gartner「2021 年九大策略科技趨勢」報告中指出，「行為網路」（Internet of Behavior，IoB） 科技大量應用於防疫決策及應變措施中，協助防疫、抗疫等各類資料收集和使用，包括疫情熱區的公布、細胞簡訊廣播等。
近年來在大數據和運算環境的大幅提昇下，人工智慧加乘深度學習的推波助瀾，在影像、語音辨識以及特定領域， 如：AlphaGo 等應用上獲得極大的成功。即使是不熟悉它們的人也幾乎每天都會遇到這些新技術，AI 與 ML(Machine Learning，機器學習 ) 正改變著我們生活的習慣，從一系列智慧設備到使用習慣分析推薦， 像是Netflix，再 到諸如 Siri、Alexa 和Google Home 等多元產品，人工智慧已成為日常生活中許多現代技術舒適感的力量。
第三波人工智慧：XAI -可解釋的 AI
儘管如此，深度學習這種端到端的學習方式，需藉由大量的訓練資料輸入，建立神經網路模型，整個學習和預測過程是不透明且缺乏可解釋性的，使用者無法具體理解模型學到哪些有效特徵，進而做出判斷。尤其當新聞報導無人自駕車事故等，牽涉人工智慧深度學習的黑盒(Black box）問題時，更容易受到廣泛關注。基於信任和安全考量，在許多關鍵領域的應用，如：智慧醫療、自動駕駛、貸款信用評估和理賠風險評估等金融領域，人們對於現行深度學習「黑盒子」的算法，有著莫大的存疑，也造成 AI 推進上的阻礙。尤其，GDPR (General Data Protection Regulation，一般資料保護規範 ) 上路後， 其中的透明處理原則，就賦予民眾有權要求解釋 (right to explanation）、拒絕適用 (right not to be subject）的權利，對要求解釋AI如何判斷，也讓打開AI黑箱的挑戰越顯嚴峻且關鍵。
為使AI推廣到更多領域，模型可解釋性的發展至關重要，因此美國國防部在 2016 年 提 出 Explainable Artificial Intelligence (XAI) 補助計畫，旨在建設全新的且具有更好可解釋性、更易為人所理解的機器學習模型。如計畫中在貓的辨識任務中，新模型不僅告訴你這是一隻貓，還告訴你是因為觀察到貓所特有的爪子和 耳朵等特徵，而做出這是貓的判斷。
他們認為第三波人工智慧除學習和感知能力外，更要具備抽象化及推理能力，能回答人們提問，包括為何AI決定這麼做？為何不那麼做？為何可以成功？為何會失敗？為何人們可以信任 AI？人們該如何修正錯誤？等問題。而未來無論在協助醫療診斷，或是囚犯假釋判斷等，都可藉由理解模型是如何做出決策，以判斷結果是否合理，進而改善模型，甚至發覺因資料偏差 (bias），所造成的模型問題。更甚一步，可結合實證科學來驗證模型中所觀察到新現象及因果關係，幫助人類從大量數據中萃取出新知識。
可解釋 AI 的契機：知識圖譜
(Knowledge Graph)
「語言」是人類之間溝通最直接的工具，如我們期望能透過此最自然簡單的方式和「機器人」互動，那它就得具備自然語言理解的能力，能夠聽得懂人話。然而自然語言是非常複雜的，舉例來說，「我們研究所有東西」，到底是「我們/研究所/有東西」還是「我們研究/所有東西/」呢？
自然語言有歧義性、多樣性，語意理解有模糊性且依賴背景關係。人們之所以能夠很自然地理解彼此的語言，是因為彼此有著類似的生活體驗與教育背景等，從而形成類似的背景知識。而累積在後的龐大背景知識，讓我們可以僅透過有限的簡單字句，就能理解彼此進行溝通。而知識圖譜(Knowledge Graph) 就類似這樣的結構化背景知識，可作為機器人自然語言理解的根本支柱，能在特定領域應用上，展現其應用價值。以下圖美國影視明星知識圖譜為例，應用自然語言處理技術結合知識圖譜，機器人能夠正確回答「誰是阿湯哥？」、「阿湯哥的年紀？」「阿湯哥演過哪些電影？」「阿湯哥有幾小孩？」等問題。
人類傾向於利用概念、屬性、關係這些認知的基本元素去解釋現象與事實。而對於機器而言，這些都表達在知識圖譜裡面。因此，知識圖譜的應用讓模型具有充分的可解釋性與透明度。正是在知識圖譜的支撐下，機器才能理解搜尋關鍵字，從而實現從搜尋直接通往答案，繼續往未來的人工智慧邁進。若要機器人讀得懂像”單身的原因有兩個，一是誰都看不上，二是誰都看不上。”這樣的深度意涵，那就恐非一朝一夕了！
知識圖譜的應用廣泛，除自然語言理解外，亦可用於推薦系統、客戶輪廓分析、洗錢防詐騙等，當然如何有效建構出豐富 正確的知識圖譜，那就又是另一門學問了。
一致性的全面體驗：對話式使用介面
(Conversational User Interface)
若人工智慧與知識圖譜是智慧系統的中樞，人機互動就是訊息傳達及溝通的關鍵介面。應用系統與服務的操作介面，從傳統的終端機、視窗、網頁，以至行動化應用，儘管個別系統功能頁面設計的 UI/UX 與優使性日益精進，但往往因系統廠商與開發者眾多，操作介面缺乏一致性，造成使用者的學習困擾及系統應用的障礙。近年隨著行動化及語音辨識技術的發展，即時通訊軟體因其對話式使用介面 (Conversational User Interface，CUI) 的直覺性、方便性與即時互動性，已取代社群軟體，成為最熱門普及的行動化應用。透過點選、滑動、語音及文字等自然簡單且一致的互動方式，來進行人與人、人與系統間的訊息傳遞及資訊應用。
除使用介面一致性，跨組織單位與系統間 的聯繫對企業營運流程與管理實務更是不可或缺，以製程品質異常處理為例，當某製程良率過低影響交期時，需儘速成立 包括生管、品質、製程或設備、研發等的應變小組，並即時通知受影響訂單的負責業務，儘早與客戶溝通和因應。如右圖所示，負責業務收到即時推播通知時，可立即點選查詢訂單的交貨及生產狀況，進入應變小組的討論群組，了解問題分析與處 理狀況後，點選客戶聯絡資訊，即刻撥打電話與之聯繫。
上述體驗即是Gartner在2021年九大策略科技趨勢報告中指出的「全面體驗」
（Total Experience）：將各種體驗、客戶體驗、員工體驗和使用者體驗緊密地聯繫結合，而非單獨的一項一項改進，目標是改善從技術到員工、到客戶和使用者之間交疊的整體體驗，提升業務成效，使企業能以一種難以被複製的方式與競爭對手區隔，創造競爭優勢。
藉由如下圖所示的對話服務平台和即時通訊工具，企業可視其流程和管理實務，設計與優化其決策模式及使用情境，進行多系統間的連結及知識應用，結合團隊協工具，以建立出獨特具競爭力的全面體驗。
「日子不會停，只是過去；生命不會停， 只有奔老；如果疫情也不停，我們就要有長路協行的準備」～摘自台北榮總張德明 前院長的在黑暗中引領光明前行！
疫情像是障礙賽的關卡，有人在此卡關停 頓，有人迅速因應突圍，勝出與否端看企業和個人的選擇！
