【有恆為 AI 成功之本】人工智慧和大數據能力,都需要時間累積

評論
評論
REUTERS/Fabian Bimmer

現在看起來很厲害的人工智慧,都發展很久了

應該不少人知道,阿里巴巴的大數據很厲害。但是,阿里雲公司從 2009 年開始創建,到現在也已經八年了。大家也應該知道,亞馬遜現在有很棒的雲端運算與人工智慧的服務,但還記得 Amazon Web Service 是 2002 年開始就創建的嗎?而人工智慧的「書籍推薦」,甚至是在上個世紀就開始在亞馬遜官網上運用了。

最近令大家驚異的人工智慧公司當中,最受矚目的 Google AlphaGo、IBM Watson、Amazon Alexa、微軟小冰,都是使用大量資料的深度學習(人工智慧的一個子領域)。以 IBM Watson 為例,在 2012 年開始進入醫療領域,2015 年升級為深度學習,直到 2016 年 在日本救了癌症急症病患 ,才讓人了解到它在醫療診斷協助的強大能力,不過在 2012 年 Watson 已經有在美國的益智問答節目 Jeopardy 狂勝人類的紀錄 了。

這些公司的共通點是什麼呢?收集的資料越多,學習的時間越久,建立的模型預測能力才會越強。

一開始真的很難,後來就會飛快成長

如果打算由零開始由公司自己建立人工智慧的系統,現在有很多開放原始碼的平台,是不是比起過去來說簡單很多呢?資源也許比過去豐富,但是真正操作時,難免遇到這些開放原始碼架設的平台還不夠穩定,有問題卻得不到解答的窘境。由此可知,為什麼這些公司過去都得花大量時間建構基礎設施及收集資料,才有後來呈幾何級數成長的成就。

《從零到一》的作者 Peter Thiel 說過,網路創業「從零到一」跟「從一到一百」的時間是一樣的。而人工智慧與大數據的學習有類似的情形:先花時間好好投資,把基礎強化,在基礎打好之後,就可以基於這個能力,飛快地進行,達成很棒的成就。

台灣過去在軟體耕耘不夠,更要加把勁投入

台灣過去的軟體能力不夠,是因為重硬體輕軟體的結果,對於軟體需要的投資,很多公司其實根本是沒做的,這也造成進入人工智慧時代,除了幾家之前累積人才與實力的公司(例如台積電、鴻海),其餘大部份電子業的公司,其實往往只是說得一口人工智慧的能力,真要做卻又端不出成績來。

和碩電腦是另一個成功的例子。當初高層看重人工智慧,決定做相關的能力培養,花時間建置設施,聘請人才形成團隊,針對工廠生產過程做影像辨識、收集生產大數據,進行人工智慧的深度學習。幾年過去,終於在人工智慧有所突破,所以童子賢在今年 Computex 期間,介紹和碩在這方面的成就,視訊會議的臉部辨識能力可高達 98.9%,比人眼 93% 還高。

台灣在物聯網時代,需要人工智慧成就物聯網生態系的大腦,要縮短人工智慧的學習時間,人才跟數據是絕對的關鍵,可惜台灣現在人才多在學界,進入業界很難馬上產生效果,相關領域數據收集更是需要時間,想要在沒有基礎的狀況下,達成短期成就自已領域的深度學習能力,無異緣木求魚。

童子賢 說得好 :「重點還是在於是不是有打下基礎?是不是掌握了深度技術。…要有一定的耐性跟韌性。」和碩現在能有不錯的基礎,是之前努力的累積。建議有志於培養人工智慧能力的企業,要有較長期投資的心理與財務相關準備,深度學習是需要硬底子的,沒有投資,哪來成就?

相關文章

評論