多年來，我參與中華民國管理科學學會「呂鳳章先生紀念獎章評審會議」，評選出的獲獎者都是年輕有為的管理科學研究者。比較遺憾的是，申請者大部分以學術研究及論文成果為被審查標的，很少提出如何將其研究成果轉換成管理科學的成功實務案例。管理科學單純比拚論文發表有意義嗎？以上的問句並無貶抑管理學理論的意思。如同戴明（William Deming；1900～1993）所言：「光靠經驗教導管理層任何事情，如果缺乏理論，對於如何提升品質和競爭地位是沒有幫助的。」然而理論重要，缺乏實際經驗也不行。戴明的管理理論是經由實戰而來。1927年，戴明認識貝爾電話實驗室的Walter Shewhart。Shewhart是統計過程控制概念的創始人，也是相關技術工具控制圖的發明者，這使得戴明開始將統計方法應用於工業生產和管理。我在美國的電話公司工作時，實際的操作都使用到Shewhart有關變異的共通原因和特殊原因的概念。這些實際的操作步驟直接促成戴明的管理理論。戴明認為，這些電話公司的操作步驟不僅適用於製造過程，還適用於企業的領導和管理過程。據此，戴明發展在1940年美國人口普查中首次使用的抽樣技術，並制定迭代比例擬合的演算法—Deming-Stephan algorithm。在第二次世界大戰期間，戴明參與編制美國戰爭標準，並教授統計過程控制技術給參與戰爭生產的工人。1947年，美軍佔領日本，麥克阿瑟（Douglas MacArthur）將軍請戴明協助日本推動人口普查。戴明在日本期間，日本科學家和工程師聯盟（JUSE）邀請他來教授統計控制技術。這個組織曾經研究過Shewhart的技術，認為是日本重建的一個關鍵。戴明培訓數百名工程師、經理和學者，教授統計過程控制和品質概念。戴明向日本的公司老闆們傳達的信息是，提高品質將減少開支，同時增加生產力和市佔。許多日本製造商廣泛應用他的技術，經歷前所未聞的品質和生產力水平。提高品質和降低成本，共同創造對日本產品的新的國際需求。在1982年，戴明的書籍《品質、生產力和競爭地位》（Quality, Productivity, and Competitive Position）由麻省理工學院出版，並於1986年改名為《走出危機》。在這本書中，他提出一個基於他著名的《管理的14項原則》的管理理論。管理層未能為未來做出計畫，將導致市場損失，進而導致失業。管理層應該不僅僅按季度股息來評價，還應該通過創新計畫來保持業務運作，保護投資、確保未來股息，並通過改進產品和服務提供更多的就業機會。戴明的每一個原則都經過實務的驗證，很值得管理科學教授們參考。

近幾年新竹縣政府設置智慧城市諮詢發展委員，邀請我擔任委員，也常和我溝通關於人工智慧物聯網（AIoT）的重要性。政府公權力扮演著智慧城市實現的關鍵角色。新竹縣一直致力於推動智慧城市發展，為了拉近公務同仁與新科技的距離，於今年（2023年）7月19日舉辦名為「智慧城市科技新知及技術教育訓練」的活動。該訓練課程內容包括近期最夯的聊天機器人ChatGPT、AIoT及ESG等最新發展趨勢，以及數位轉型的應用介紹等。這項活動的目標是由行政處長周秋堯所提出，希望透過長期系列課程引導，讓第一線推動智慧城市業務的同仁們能掌握最新資訊，並將新的思維應用在簡政便民上，讓縣民們感受到智慧城市的美好。新竹縣因應智慧城市規劃的浪潮，所提供的服務與治理將會變得愈加智慧化。現今有愈來愈多的工具讓公務服務變得更加便捷，而ChatGPT及AIOT正是其中的代表。透過簡單易用的科技教育，每個人都可以成為工程師。此外，隨著氣候變遷及環境永續發展受到重視，加上中央政府提出2050年淨零碳排的目標，各縣市政府紛紛提出自己想要實現的淨零城市目標或路徑，新竹縣也需要建立起屬於自己的城市淨零目標。在演討會中，我特別強調城市數據的應用非常重要，例如，如果能在交通領域應用這些數據，將有助於減少民眾的旅行時間。我個人發展智慧農業的親身經歷，以AI生成白草莓病變的圖片，在實際偵測農場病變時，可以將準確率由87.50%提升到96.88%。我指出，隨著人工智慧的蓬勃發展，ChatGPT已經可以透過資料與數據蒐集回應使用者的問題。然而，在某些圖形和數據的正確性方面，仍然可能與真實情境有所差異，因此在享受科技服務的便利性時，如何將數據蒐集做有效且正確的應用才是至關重要。透過持續的交流與教育訓練，我相信台灣各縣市的智慧城市發展將會愈來愈成功，讓政府服務更智慧，讓縣市民享受到更美好的智慧生活。 

梭羅（Henry David Thoreau, 1817～1862）曾說過：「We can never have enough of Nature.」他一直在告訴我們永續發展的重要性。近年來， 經濟部大力推動永續發展（Sustainable Development Goals；SDGs），甚至在社會新創暨新創產品及服務採購獎也涵蓋SDG領域。在智慧農業領域，AgriTalk（農譯）技術一直朝低碳永續研發，除了非常堅持無毒有機的農業生產，更進一步，希望智慧農業也能幫助淨零碳排，於是以人工智慧（AI）物聯網（IoT）系統發展低消耗、高效率之精準農業系統，導入智慧碳權雲端系統，打造植物碳吸存模組化系統，可以幫助達成淨零碳排的目的。利用人工智慧及物聯網，AgriTalk控制讓智慧農業生產能夠標準化「固碳總量」及精準記錄「碳足跡」，其作法是以AI精準施肥及農藥使用，保護土壤永續。同時以IoT智能控制記錄總用電及用水記錄（進行碳足跡監控）。AgriTalk採用袋耕的方式，很容易將農業用廢棄物炭化生成「生物炭」回歸土壤及固碳。有趣的是，AgriTalk生產的薑黃在吸收二氧化碳進行光合作用時，在泥土內的薑黃莖部能固碳，效果極佳。AgriTalk多方面進行研發，讓有機無毒智慧技術可中和土壤，增加土壤的保水力及通氣性，吸附土壤養分使其不易流失，並能提高族群數量及多樣性。生產農產品為例，考慮淨零碳排將無可避免地增加生產成本。然而，AgriTalk仍堅持農業應以永續發展為目標，並不遺餘力地追求此目標。目前，AgriTalk已達到14項SDG指標，並得到了回報，經濟部社會新創暨新創產品及服務採購獎特別頒發SDGs第12項指標的榮譽，亦即農業智慧化服務。AgriTalk不計成本地實踐淨零碳排這種做法，在一般傳統農業生產往往不易達成。這種做法在追求營利的同時，也不忘關注健康及環保問題，秉持著對地球永續經營的關懷。這樣的承諾和行動對於農業產業而言具有重要意義。AgriTalk所實踐的永續農業模式，除了促進生產力的提升，也對環境造成的影響更加友好。雖然過程中可能需付出額外的投資，但對未來環境和社會的影響卻是無價的。希望AgriTalk的做法能激勵其他農業從業者，引導他們尋找更加永續和環保的方法來生產農產品。這個事例向我們傳遞了一個重要的信息：在追求經濟效益的同時，我們也必須關注地球的健康，並尋找在這兩者之間達成平衡的方法。只有如此，我們才能實現可持續的農業發展，為我們的子孫後代留下更美好的未來。

在台灣，農業物聯網感測設備供應商眾多，然而通訊技術和資料傳輸格式卻千差萬別，導致資料在不同系統間的流通和加值應用面臨著困難。為了解決這一重要問題，農業部於2023年4月27日推出「智慧農業感測資料格式標準與測試規範」。透過推動資料格式的標準化，提高農業物聯網應用領域中資料串接的效率，同時也降低開發成本，推動農業物聯網的深入應用。由中華電信負責「智慧農業感測資料格式標準與測試規範」的制定，遵循台灣資通產業標準協會（TAICS）所規範的制定流程。該標準參考國際標準組織（OGC）提出的物聯網標準框架，並收集來自產業、政府、學術界和企業等領域的專家意見。經過近一年的密集開會、討論和評審，最終完成標準的制定工作。「智慧農業感測資料格式標準與測試規範」確定59種不同的裝置類別代碼，同時提供農業系統平台層的應用程式介面（API）和資料傳輸格式，例如感測裝置的量測單位等。如果智慧農業系統能夠遵循這一標準交換資料，將能夠降低開發成本，實現資料的流通和數據的有效應用。此外，這一措施還將有助於推動多元化的智慧農業整合應用服務的發展，為農業領域帶來更大的創新和進步。為了推廣本標準規範的應用，農業部舉辦2場公開說明會。說明會中，我被邀請擔任講師，分享「智慧農業數據標準化與互通化之效益」，希望藉此激發更多智慧農業的創新應用和跨界合作機會。我的主題演講提到台灣數位轉型所面臨的主要困境，是大數據運用能力不足，特別是在資料格式定義上的不嚴謹以及不同格式之間的互通困難。儘管農業和環境資訊的量很大，但缺乏系統性的整理，導致這些資訊未能得到廣泛運用。大多數資訊都是個別使用，無法串聯和擴大規模。農業部的主導至關重要，尤其是在提供有效的機制方面，將小數據（規模在幾十萬以下）集結起來，擴大為大數據（規模在幾千萬以上），將有助於促進資料的更好利用和整合，推動智慧農業的發展。我同時提供一個巧妙的資料應用案例，透過資料生成技術，將白草莓病變檢測的準確率從87.50%提升至96.88%。這成果已在國際一流期刊上發表，並被日本雜誌《Pen》專題報導，主題為「2033年，科技的未來會是怎麼樣的？」其中，農譯（AgriTalk）使用5G技術的有機無毒白草莓成為台灣受到報導的智慧農業技術。透過分享這一主題，我與現場的農業資訊服務提供者深入交流，激發更多跨領域農業資料應用的想法，加速資料格式標準化的推動。台灣智慧農業已經邁入另一個發展階段，特別是在農業物聯網應用中的資料格式標準建立方面，其重要性日益凸顯，加速智慧農業創新發展更為必要。同時，農業部也鼓勵農業相關部門、企業以及學研單位共同合作採用這一標準，共同致力於打造智慧農業的美好未來。

丹麥人Agner Krarup Erlang是第一位研究電話網路流量的專家。Erlang是天才兒童，小學畢業後，以14歲之姿高分通過哥本哈根大學（University of Copenhagen）入學考試，大學當局考慮半天，還是決定不讓他入學。Erlang只好摸著鼻子回家，直到18歲時，再度贏得獎學金，進入哥本哈根大學。Erlang專精數學、天文學、物理及化學，並於1901年順利畢業。他講話精簡，不善交際，喜歡當一個旁觀者，朋友暱稱他為「Private Person」。Erlang於1908年加入哥本哈根電話公司（Copenhagen Telephone Company），開始研究電話交換機的效能。Erlang將機率理論應用於電話流量（Telephone Traffic）分析，在1909年發表第一篇相關論文，證明隨機的電話（Telephone Calls）到達電話交換機的時間，遵循Siméon Denis Poisson的分布法則（Poisson's Law of Distribution）。為了研究一個鄉村的電話交換機運作過程，Erlang親自帶著梯子在哥本哈根街頭趴趴走，並經由街道的人孔，爬入地底下的機房進行量測工作。Erlang最重要的成果，發表於1917年論文《Solution of some Problems in the Theory of Probabilities of Significance in Automatic Telephone Exchanges》。他提出完整電話流量的分析論述，發明有名的Erlang公式（Erlang's formula）來計算電話交換機忙線的機率。美國貝爾實驗室的研究員為了能夠讀懂Erlang的原始論文，還特別學習丹麥文。由於Erlang在排隊理論及流量工程（Teletraffic Engineering）有極大貢獻，因此在1944年，流量的量測單位以「Erlang」命名。將指數（Exponential）變數相加的新分布也以Erlang命名，稱為「Erlang Distribution」。瑞典電信大學創造一種電腦語言Erlang Programming Language，此語言後來移轉到瑞典電信巨擘愛立信（Ericsson）的開放電信平台實驗室，之後又被釋出成為開放源碼的計畫。愛立信採取這個名字，還有另一個原因：Erlang也是Ericsson Language的簡寫。這個語言精簡好學，很符合開發大型工業用即時系統（large industrial real-time systems）的分散式、容錯、多核心軟體的需求。Erlang有一特點，可以幫助我們思考和互動，進而寫成程式。它的程式碼可以「熱抽換」（Hard Standby；亦即可以一邊執行一邊升級，不用先暫停服務），如果移到多核心處理器的環境中執行，速度會自然變快（甚至有可能達到線性加速，n個核心就提升n倍）。電信商如T-Mobile，都使用Erlang開發分散式系統。除了電信系統外，Erlang也被用來開發財務系統或各種伺服器系統。我的實驗室發展物聯網平台IoTtak，也曾考慮使用Erlang開發分散式系統，聯接大量的物聯網設備。

基於語音的多媒體物聯網（IoMT）逐見普及，被大量用於語音到文本（Speech to Text）的翻譯和語音控制應用。此類應用核心技術是自然語言處理。陳信宏教授和我的研究團隊發展一套語音談話的IoT應用開發平台，稱為VoiceTalk，提出一種新自然語言處理機制，自動語音辨識，藉此發展不少有趣的互動應用。2020年台灣總統大選電視辯論直播，公視新聞網和陳信宏帶領的語音辨識團隊合作，採用當時國立交通大學團隊開發的人工智慧（AI）語音辨識系統，將語音即時轉換成字幕。陳信宏指出，語音辨識有幾大挑戰，包括要有足夠的文字知識庫、要能夠處理語音雜訊，還有自發性語音的重複和修正等，比如講者說到「...好，好像」等字詞。除此之外，交大團隊也在視覺上下功夫，比如字體大小、字幕行數多寡等。2020年總統大選辯論直播，語音辨識AI搭配聽打員微調，提高字幕準確率。公視經理蘇啟禎表示，這次公共服務實驗難能可貴，未來技術更成熟，不排除應用於開票報導或其他大型轉播專案。VoiceTalk將語音轉換成繁體中文文本後，還要將之翻譯成不同語言。如今我們上網讀文章，遇到不同語言的文字，有軟體可進行翻譯，這是古代人想像不到的神奇應用。沒有翻譯文章的工具，人類的溝通就受到限制。方東美（1899～1977）在其巨著《中國哲學精神及其發展》寫著: 「偉大翻譯家實導更偉大創作之先河。」的確如此。方東美曾說:「聞所成慧（śrutamayī-prajñā）、思所成慧（cintāmayī-prajñā）、修所成慧（bhāvanāmayī-prajñā）乃哲學境界之層次，哲學功夫之階梯，聞入於思，思修無間，哲學家兼具三慧，功德方覺圓滿。」藉由翻譯，廣讀世界各地哲人的文章，是「聞入於思」的重要步驟。現今的資通訊技術，很容易達到這個目的。於是，我們也思考如何將VoiceTalk加入ChatGPT的plugin，以達到「聞入於思」的境界。這需要我們對歷史文化的認知。由翻譯引導出哲學、文化蓬勃發展的例子發生在八到十世紀間的阿拉伯世界。在此時期，巴格達的學者如火如荼將希臘作品翻譯為阿拉伯語。例如穆斯林史學家Ibn Ishaq（Abu Abd Allah Muhammad ibn Ishaq ibn Yasar al-Muttalibi ）就以翻譯亞里斯多德（Aristotle）著作聞名於世；到了十一、十二世紀時，有一群基督徒住在被伊斯蘭統治的西班牙，接觸這些阿拉伯思想家的著作，以及亞里斯多德等希臘哲學家的阿拉伯譯作。這群基督徒將阿拉伯譯／著作再翻譯成拉丁文，造成十三世紀西方哲學與神學的黃金時期。古人必須千辛萬苦地翻譯文章，才能獲得知識，如今ChatGPT的普及，我們有智慧的文章翻譯軟體，比古人幸福多了。值得深思的是，如何在資通訊工具大量翻譯的知識中，獲得真正哲學與文化的精髓？ 

在執行軟體專案時，常常使用截止日期來逆向計算工時，然而這種做法有時會使程式工程師無法確保完成品質，容易導致他們形成「先求有，再求好」的思維。此外，一些專案經理可能會認為程式工程師的日常工作狀況不佳，因此將初始時間乘以一個倍數作為緩衝時間。事實上，程式工程師不會因為時間變長而變得更有效率，過度放寬截止日期不會提高他們的工作效率。確實，工時無法精確預測，但可以採取一些方法達到「相對客觀」的估算。在整個工時評估的問題上，需求的複雜度與工時往往呈正相關，因此分析需求複雜度變得非常重要。計畫撲克（Planning Poker）是一種敏捷軟體開發中常用的估算技巧，用於評估軟體開發任務的工作量或複雜度。它是一種團隊合作的估算方法，通常在敏捷或迭代開發過程中使用。在使用敏捷軟體開發框架（如Scrum）進行專案時，其中一個關鍵的會議是每個新專案開始時進行的計畫會議。在此會議，團隊會共同計畫他們認為在該次迭代中可以完成的工作量。團隊在這個會議中使用計畫撲克技巧，此技巧允許他們共同估算待辦工作的複雜度。執行計畫撲克時，建議參與人數不宜過多，亞馬遜（Amazon）的Jeffrey Bezos以確保會議參與人數不超過2個比薩餐點能夠供應的人數而聞名，Steve Jobs則著稱於要求那些在會議中沒有具體目的的人離開。計畫撲克的基本流程如下：1.團隊選擇要估算的任務或項目。 2.每位團隊成員手中拿著1組特殊的估算卡片，上面列有不同的數字或尺寸，例如：1、2、3、5、8、13、20、40、100（代表估算的相對大小）以及一張 "?"/"?" 卡片（代表不確定或需要進一步討論）。3.由專案經理或項目負責人將任務的內容和要求介紹給團隊成員。4.所有團隊成員同時選擇一張卡片，代表他們對該任務估算的工作量或複雜度。5.當所有成員都選好卡片後，將卡片翻面，統一揭開。6.如果估算的數字差異不大，則取得一致的估算值，進行下一個任務的估算；如果估算的數字差異較大，則進行討論，並再次進行選擇直到取得一致。7.重複上述步驟，直到所有的任務都被估算完畢。計畫撲克使用創造性模糊進行初步估算，同時避免深陷於絕對數字的困境。創造性模糊之所以存在，是因為現實與理想之間存在著相當大的差距，由於各種限制條件，我們無法精確地量化事物。因此，通過創造模糊的空間，可以避免對數值進行不必要的分析。對於專案經理來說，與其評估一個無法實現的時間表，不如評估更加準確客觀的時間表。這樣一來，團隊成員可以第一時間了解與專案預計時程相差多遠，同時在資源有限的情況下，也可以更好地安排需求的優先順序或尋求其他幫助。然而，計畫撲克只是一種估算工具，而非確定性預測。它提供一種相對客觀的方式來評估工作量，但仍需要在實際執行過程中進行調整和迭代。此外，團隊成員的參與和互動至關重要，並且需要專案經理的引導和支持。因此，在進行軟體專案時，筆者建議結合計畫撲克等估算方法和敏捷開發的原則，注重團隊合作、溝通和迭代。這樣的方式能夠更好地應對專案的不確定性，提高工作效率和品質，並確保順利完成專案目標。(作者為國立陽明交通大學資工系終身講座教授暨華邦電子講座)

我觀察到，智慧物聯網發展過程，大部分公司都想賣昂貴的物聯網及大數據方案給客戶，本末倒置，不易成功。2016年起，我們發展AgriTalk智慧農業技術，最初的構思，是「剃刀與刀片」模式，希望智慧農業的物聯網硬體能以很低價格，甚至免費的方式提供給農夫，再以人工智慧（AI）、生物有機營養液及害蟲抑制劑等耗材來獲利。要降低價格，AgriTalk的硬體必須很簡單，並靠軟體來彌補硬體的不足。例如，溫度、溼度等感測器必須很便宜，其準確度會漂走，就要靠統計演算法來自動校正。農夫種的農產品，我們以契作方式回收，農夫便有不錯的收入，造成雙贏局面。這種「剃刀與刀片」模式除了要有永續維護的智慧技術外，還有一重要前提，即慎選農作物（我們選擇薑黃及白草莓），要有穩定行銷管道。原始的「剃刀與刀片」（Razor and Blades）經營策略出現於20世紀初期，並非如AgriTalk般創造雙方的共營獲利模式，而是以「搭售」（Tied Products）方式，將某一基本商品（例如剃刀）低價販售，以便大量販售另一種相關消耗性商品（刀片），只思考如何賺客戶的錢。在資訊領域，使用「剃刀與刀片」策略最有名的例子是印表機（剃刀）和墨水匣（刀片）。今日雷射印表機的技術是全錄（Xerox）研究員Gary Starkweather於1969年的發明，構想來自於影印機。影印機的發明人是Chester Carlson。Carlson是菲立普‧馬洛里（Philip Rogers Mallory & Co.）的專利部門經理。因其工作的特性，時常碰到文件需謄本的問題。為了方便將文件謄本，他研究當時流行的各種複印文件的技術，包括攝影術、藍圖法、重氮法等。結論是，這些技術都不理想，皆需要使用一些溶劑而且製程很麻煩，因此決定親自動手來找更好的方法。Carlson把家中廚房當作實驗室，一度招致老婆翻臉。不過他仍然契而不捨，終於在1938年發明全世界第一個乾式印刷程序（Dry Printing Process），稱為電子攝影（Electrophotography）或Xerography。Xerography是希臘字，意指乾寫（Dry Writing）。卡爾森用乾式方法產生出來的複製影像即是影印機的基礎，於1950年被全錄公司成功的商業化。之後，雷射印表機將影印機的販賣策略發揚光大，賺取客戶不少銀兩。我對AgriTalk的期望，則更進一步進化，希望能創造雙方的共營獲利模式，幫助農夫大幅強化其謀生技能。

量子技術是將量子物理原理應用於實際情境的技術。費曼（Richard Phillips Feynman；1918～1988）是量子計算的奠基者之一，他提出利用光子進行計算的概念。其貢獻促進量子計算的研究和發展，為量子計算領域帶來卓越貢獻。在軍事領域中，量子技術一直是國防部門關注的重點。整體而言，量子技術尚未完全成熟，但它可能對未來的軍事感測、加密和通訊產生重大影響。量子應用涉及許多關鍵概念，包括疊加、量子位元和糾纏。其中最具挑戰性的應用是量子計算，這是一個令人驚嘆的夢想，可以實現無限計算能力，突破當今物理世界的限制。然而，計算是否有速度上的極限呢？如同光速限制在不改變時間的情況下穿越太空的能力一樣，是否存在著阻礙計算速度超越理論上最大值的錯誤糾正限制？建立一個有用的量子計算機需要處理超過可觀測宇宙中亞原子粒子數量的連續參數。目前還沒有確定如何操作如此龐大的量子系統，以及如何同時控制其誤差。 因此，我們應該專注於量子感測技術，以加速成熟的國防應用。量子感測技術可用於偏遠地區的全球定位系統（GPS）定位和其他導航工具，還可用於檢測電磁輻射，提升軍隊的電子戰能力。據美國海軍研究所（US Naval Institute）報告，量子感測技術可提升潛艇的探測能力，尤其是對於匿蹤潛艇和物體探測的能力，效能將超越過去的雷達技術。 中國電子科技集團在2018年公布其開發的量子感測原型裝置，據稱能夠探測飛行中的匿蹤飛機。美國國防科技巨頭Lockheed Martin，聲稱能夠使用量子羅盤（Quantum Compass）來改善美國海軍的導航能力。這種量子羅盤是由具有「氮-空缺中心」（Nitrogen-vacancy center）原子缺陷的微型合成鑽石製成的。當受到雷射照射時，其發出的光強度會根據周圍的磁場變化；透過地球磁場，這種光的變化可以提升導航能力，尤其是在極其偏遠的地區。總結來說，量子感測器具有潛力應用於情報、監視和偵察領域。成功開發和部署這類感測器可能會帶來潛艇探測能力的重大改進，甚至能夠對抗和摧毀海上核威懾力量。由於量子感測器對環境干擾非常敏感，軍事人員可以利用量子感測器來探測地下結構或核材料。此外，量子感測器的高靈敏度還有可能幫助軍隊探測電磁輻射，增強電子戰能力，並有助於定位隱藏的敵方部隊。 

圖靈獎（Turing Award）得主Geoffrey Hinton在日前公開討論人工智慧（AI）的風險。AI「往往會從分析大量數據中學到意想不到的行為」。這並非意味著具有自主意識的AI會摧毀人類，而是我們無法預測AI的行為，特別是當個人和企業允許AI系統不僅生成其自身的代碼，而且在自己的計算機上運行這些程序時，Hinton擔心「有一天，真正的自主武器將那些殺手機器人變成現實」。第一個實際的AI系統是由Edward Feigenbaum及Raj Reddy實現，稱為「專家系統」，是一種智慧型的電腦程序，能運用知識與推論來解決只有專家才能解決的複雜問題；他們也因此一貢獻榮獲1994年的圖靈獎。然而，許多系統需要模擬的參數甚多，至今仍然無解。可見計算機模擬的應用博大精深，即使今日AI技術突飛猛進，有許多題目仍值得深入研究。圖靈（Alan Turing，1912~1954）在1950年發表一篇重要論文〈計算機與智慧〉"Computing Machinery and Intelligence"，首次談論到AI，並提出圖靈測試（Turing test），為資訊領域創建智慧設計的標竿。圖靈測試指的是，如果一台計算機能夠欺騙人類， 相信它是人類，那麼它就應該稱為智能計算機。AI緣起於模擬人類行為，自然也常用於社會學。密西根大學的政治學教授Robert Axelrod，在1980年代進行一連串電腦模擬實驗，找一群專家寫出不同電腦程式，模擬人類行為，讓這些程式互動、合縱連橫，看哪個程式最後會勝出。這些程式有些模擬「金律」，有些模擬「銀律」，有些則模擬「鐵律」。所謂「金律」（Golden Rule），語出《新約》7:12「無論何事、你們願意人怎樣待你們、你們也要怎樣待人」；「銀律」（Silver Rule），語出《舊約》21:24「以眼還眼，以牙還牙，以手還手，以腳還腳」；「鐵律」就是「己所不欲，先施於人」，外在表現是「先下手為強，後下手遭殃」。結果最成功的是模擬「銀律」的Tit-for-Tat程式。這個程式一開始採取合作，若對方也肯合作，接下來則仍採合作策略；若對方吃你豆腐，下一步你就佔回便宜。在實驗中，實施金律的程式一敗塗地，屍骨無存，可見咱們先總統蔣公介石對日本「以德報怨」的做法是行不通的；實施鐵律策略的程式一開始也有不錯的表現，但長期下來，所有被它吃豆腐的人不是死了，就是躲它遠遠的，它最後也沒戲唱。有一個鐵律例子，就是石油大王John Rockefeller（1839～1937）。他專耍先下手為強的手段，整垮所有對手，成為最有錢的人。但他的手段未免太狠，大夥都不敢恭維。Rockefeller也知道自己以前做事實在不上道，因此在退休後的餘生，致力於慈善事業補過。然而，他過去的作為仍然禍貽子孫，他的後人能力再強，條件再好，想選總統，至今都選不上。延伸報導從Google搜尋趨勢看三大AI技術浪潮