2112年，多啦A夢誕生於日本東京的松芝工廠，隨後通過時光機來到大雄所生活的20世紀。作者藤子‧F‧不二雄的創作，真的在21世紀的今日實現了！

自ChatGPT的崛起，我們很快就會像大雄一樣與多啦A夢生活。多啦A夢的神奇之處，除了其百寶袋和道具之外，「它」本身就是一個懂得和你聊天交流、觀察眼前影像作出分析並作出行動的智能機械人。當中「識睇、識講、識諗」是最為重要的核心技術。

現在火速流行的ChatGPT 3.5，就是運用自然語言處理（NLP）技術來理解和生成合適且流暢的回覆文字，與使用者溝通。在回應前，它的思考就是運用深度學習演算法，以模仿人類大腦神經元結構和功能的演算方法，通過大量數據的訓練和反饋來學習對錯，累積經驗不斷自我優化，最後以文字作出回覆。

ChatGPT是以處理文字為目的，但同樣的運作原理，已在影像世界進行及使用。影像處理技術使用深度學習算法自動檢測、分類和分析圖像。這些技術可以讓電腦辨識圖像中的對象、場景、情感等。例如現時一些智能監控系統，應用了即時影像AI分析技術，檢測和分類圖像中的人臉、汽車、安全裝備、動態等。

以建築地盤為例，AI監控系統可進行對員工、訪客、車輛等之識別。於高危區域，系統可識別員工及訪客有沒有足夠的防具。如發現有不正常動態，例如物件突然倒下或有人長期躺下沒有活動，系統亦能識別並發出警告通知，以便有關人員及時採取應變行動。

未來，文字與影像的AI分析有望相互合作，做到「我口講我見」，令機械人可以與我們實時溝通、提供意見，並作出實體行動，為我們解決許多實際問題，就如多啦Ａ夢一樣。

撰文：Tobot Solution 行政總裁王嘉敏（Jazzy）

＝＝＝＝＝＝＝＝

深入閱讀政經生活文化，更多內容盡在：