人工智慧(AI)發展如火如荼，從智慧車載系統、家用語音助理，乃至偵測信用卡盜刷等智慧犯罪防治機制等，逐步貼近人們的生活。不過，聯發科計算系統研發本部總經理陳志成於《產業升級之鑰–人工智慧創新應用國際論壇》指出，目前AI技術在發展上仍有諸多限制，若想在未來有更進一步的突破，高效能學習演算法、邊際運算與AI適用處理器等發展會是主要關鍵。
陳志成引用McKinsey近期相關報告說明，2016年全球僅有20%左右的公司將AI應用於產品、服務或內部管理，AI領域的投資總額卻超過260億美元，發展潛力之豐富可見一斑。然而他也指出，AI雖在人臉、物件、語音辨識等技術上表現優異，現階段每個神經網路只能執行一種特定功能，難以擴大應用；而訓練神經網路所需的龐大資料量，以及相應人力、時間成本等，更是技術發展上的一大絆腳石。
提升AI訓練效率的主要關鍵在於學習演算法。陳志成表示，為省去人力蒐集、定義巨量資料的時間心力，諸如讓AI透過不斷嘗試、從錯誤中成長的強化學習(Reinforcement Learning)，乃至進一步讓AI自行分類、定義資料的非監督式學習(Unsupervised Learning)等，均為目前演算法的開發主軸。近年備受矚目的技術發展還包括生成對抗網路(GAN)，透過自行合成、模擬所需資料，可有效減少訓練資源，亦能用做影像修補、提升解析度等後製功能。據傳奧多比(Adobe)有意將之導入Photoshop等影像處理工具中。
另一方面，目前AI運算大多得將所有資料交由雲端處理，難以滿足高階應用如虛擬實境(VR)、先進駕駛輔助系統(ADAS)等，對即時、可靠與效率上與時俱增的需求；尤其Alexa等貼近生活的應用普及後，隱私資料處理亦逐漸成為隱憂。陳志成表示，終端裝置未來須具一定程度的AI能力、負擔部分運算，以滿足上述需求；他也提到，近日資訊大廠包括Facebook、Apple、Google等，也都開始投入邊際運算相關開發。
陳志成進一步指出，近幾年AI技術雖有極大突破，現今在智能上卻僅與昆蟲同等；為求趕上人類智能，勢必需要較圖像處理單元(GPU)更高效能、更適合AI運作的處理器。比方Google去年中發表、為深度學習(Deep Learning)架構設計的張量處理單元(TPU)，據他所言，有較現行方案10倍以上的改善。此外，陳志成舉例，讓AI在比如辨別車輛時僅擷取2位元影像，而非16位元全彩影像進行運算、減少效能浪費等，也是有助於改善效能的方向之一。
