Google 簡立峰:AI 時代,如果你家有兩個小孩,一個出國賺錢,另一個把家裡照顧好

評論
評論

本文為 Google 台灣董事總經理簡立峰博士 9 月 25 日在中央研究院所主辦的 人工智慧跨域領袖營 ,以「AI 科技的產業應用」為題所發表的演講記錄,經 INSIDE 編輯與潤飾。

Google 的人工智慧發展

現在人工智慧真的很熱門,但這個領域並非突然出現,是由一連串的進步所累積而成。除了演算法,透過行動裝置以及雲端服務,我們隨時隨地都在跟電腦互動,進而產生許多資料,奠定了基礎。當然,這股熱潮可能再過兩三年後,會出現人工智慧的泡沫,但就像網路泡沫一樣,泡沫之後是更健康的發展,產業的方向永遠是朝向更智慧化的服務去走,所以發展人工智慧是一個必然的趨勢。

我在 Google 工作的這段期間,看到最理想的人工智慧應用是垃圾郵件的過濾技術(Anti-spam),當初學術界非常多人在做研究,現在幾乎沒有了,因為問題已經被解決,大家信箱打開很少有垃圾信。但是這不意味著已經完美,將深度學習的技術應用上去之後,Gmail 現在對垃圾郵件的過濾又更進步了,一千封信裡面大概只有一封是垃圾郵件,這也說明了深度學習很有價值。

深度學習是近年來學術界少數的重大突破,但是論文上的突破跟實際應用還有很大的差距。

除了垃圾郵件以外,像是機器翻譯、語音辨識、影像辨識這些 Google 的服務,都已經用了人工智慧的技術。

機器翻譯這部分有個有趣的小故事,Google 曾經推出跨語言搜尋的服務,當時認為這很重要,因為使用者如果可以搜尋到自己慣用語言以外的資料,不是更豐富、更完整嗎?結果推出後發現需求很小,因為大家對看不懂的語言沒有興趣,放在搜尋結果裡面也是白費,最後這個服務就關掉了。所以有時候技術做不到,有時候技術即使做得到,市場卻沒有需求。

Google 訓練了 5000 個工程師去學深度學習,然後每位工程師去找一個計畫,就有 5000 個人工智慧的計畫,再給他們足夠的運算資源和資料,但是這裡面證實有用的不到 10 個,而且有用還不知道為什麼有用,資料夠多所以有用嗎?沒有資料就沒用嗎?

AlphaGo 因為有很多棋譜可以拿來訓練,所以越練越厲害,但是如果 AlphaGo 突然「失智」了呢?所以接下來,DeepMind 團隊在努力讓 AlphaGo 可以不需要先備知識,還能這麼厲害。若能成功,那就是很大的突破了。

我要強調的是,Google 也不知道什麼可以做得很好,所以才會訓練大量的工程師去嘗試,試成功的人就組成一個大概 50 人的顧問團,任何有需要的計畫都可以找這個顧問團諮詢,也許可以少走一些冤枉路,或是知道怎麼做可能比較好,這是目前 Google 的做法:

大量嘗試,累積經驗。

從 Google 經驗給台灣的建議

首先,我建議台灣要開始累積成功的經驗,建立一個國家級的顧問團。

由那些「已經」在人工智慧取得過成功經驗的人,來提供其他剛開始的人一些建議。這不是由上而下的指導,因為沒有人知道什麼才是對的,但是經驗的累積可以少犯一點錯,將人工智慧從學術科學開始轉變成經驗科學。

第二,台灣一定要建立開源(Open source)的文化。

亞洲的開源觀念薄弱,其實連帶導致軟體產業的弱勢,這從 Android 的發展就可以看得出來。在 Win-Tel 時代,Microsoft 和 Intel 提早兩年告訴台灣的工程師將來要怎麼發展,工程師在兩年前就開始做準備了,當然可以做得很好。

但是到了 Android 時代,所有東西一開始就都是開源的,沒有人告訴工程師要做什麼,整整晚了兩年,電腦已經賣不出去了,而手機賣得嚇嚇叫,才意識到東西早就在網路上,是自己要跟上。

現在人工智慧也一樣,TensorFlow 這些工具早就開源在網路上,每個人都可以去用了,但是台灣有多少人真的去用了呢?全世界已經有一百萬個計畫在這個平台上,台灣卻幾乎還沒開始,這次還要晚兩年嗎?但問題是開源是一個文化,需要從小建立,現在帶領開發的人如果沒有開源的觀念,就很難接受開源,總覺得自己的東西為什麼要開放給別人用?卻沒有想到你不開源的結果不是保持領先而是繼續落後。

台灣的硬體產業思維太成功,阻礙了軟體產業的發展

沒有開源文化,再加上台灣是由上而下的領導,讓這個情況變得更糟糕。Google 扁平且由下而上的組織運作,讓每個人都維持好奇心,會自己去發掘有趣的事情,嘗試新的工具,建立新的計畫。這是怎麼辦到的?要有的一個概念是找到人才讓他們發揮,而不是找聽命行事的員工。Google 有超過一千位史丹佛大學的博士,讓他們去學怎麼寫程式,甚至連 debug 都自己來,讓這些最聰明的人去做最基礎而重要的事情。

台灣的軟體產業沒辦法突破,問題也就出在這裡。硬體產業用階層式的管理是可以理解的,因為硬體製造需要高度紀律,領導者不能自己下去做,而要做好管理工作。可是軟體倒過來,最厲害的人要放在最基層,讓最聰明的人用最厲害的方法去解決問題。DeepMind 的創辦人,就是自己寫程式,Google 三個機器翻譯的科學家也是自己寫程式。

在軟體的世界只有將軍沒有兵,硬體的世界則是將軍指揮兵。

所以台灣的人才是將軍還是兵呢?簡單來說,當一個軟體工程師很熟悉開源工具的使用,他基本上就是一個將軍了,但是問題在於,一個工程師即使在開源組織裡面已經是一個大神,台灣的企業還是把他當小兵在用,台灣的組織讓軟體人才沒有地位,他是被用來做雜事的,但是從台灣企業到 Google 的工程師,報到後一個星期,就可以加入世界一流的團隊。其實人才都在台灣企業,只是沒被重用。

這是組織架構的問題,像是台灣這樣硬體做得很好的國家,軟體很難成功,而軟體做得很好的國家,硬體又總是做得零零落落的。

有人會問,在台灣一個軟體公司怎麼找到那麼多的將軍呢?這一樣要從開源的文化開始。Google 一位 OS 團隊的工程師是生物學博士,在自己的領域找不到工作,可是他從小就在開源組織裡面是一位很有貢獻的工程師、知名的大神,後來就進了 Google。

這當然也跟軟體的教育方式有關,其實透過開源平台進行程式教育是累積成就感最快的方式,因為你要學生寫程式當作業,寫完也沒人用,沒有成就感,也不會想繼續寫程式,學了等於沒學。但是換個方式,你要學生把寫完的程式上傳到開源平台去,寫得好、寫得有用的程式就會有很多人用,學生的成就感就有了,會更認真學習怎麼寫程式,更願意在開源社群裡面貢獻,不但能力越來越強,而且這些人才也會被看見。

所以你還在問要去哪裡找人才,而不知道有開源社群的存在?在開源的世界,人才是要用搶的。

人工智慧,先從工人智慧開始,大量嘗試吧!

總結一下,這一次的人工智慧發展,如果有大量資料,應該有機會成功,但是為什麼會成功目前還不清楚。可以取得成功的工具目前已經開放在那裡了,你需要做的就是不斷去用那些工具來嘗試和學習,越多人去嘗試,就越有成功的機會,因為目前還沒有人知道怎麼做才能保證成功,所以唯一的方式就是越多嘗試機率就越高,Google 現在就是這樣做。

舉一個例子,史丹佛的醫學研究團隊,不會寫程式,直接用 TensorFlow 去學習辨識醫學影像來診斷乳癌,結果比人類還成功。所以有資料、有工具,你就不要問到底有沒有用,先趕快去試了再說。老實說,這件事情並不難,你晚了,機會馬上就是別人拿走了。

最難的常常不是開始,而是最後一哩。以自動駕駛車為例,一年死於車禍的人有一百萬人,可是只要自動駕駛車撞死一個人,可能就再也沒有人敢用。這當然牽涉到法規、保險制度的釐清,所以還有很長一段路要走,但是實際上自動駕駛已經比人類自己開車安全了。

也就是因為這些因素,最有可能先應用的場景是公車專用道上的公車,因為我們已經習慣了捷運是沒有人開車的,而在公車專用道上也比較沒有其他的干擾因素,公車司機可能是第一個失業的,也還好人數不多,衝擊比較小一點。等到大家漸漸習慣了路上的車也沒有人開,下一步才比較有可能接受自動駕駛車的上路,這些發展不會是一步到位的。

學術界和產業界都空了,必須從頭開始展開研究

技術的發展還有很長的路要走,不過創投對人工智慧的投資其實已經接近結束了。

投資的最高峰是在 2014 年的 9.72 億美元,有 116 筆交易,Google 收購 DeepMind 就發生在這一年。不只是投資的結束,世界上的領先與落後也越來越小,以前 Google 和 HTC 合作製作手機,領先市場將近三年,你可以發現 Nokia 那些都沒有趕上。但是現在 Google 在做 VR,大家都在做 VR,Google 做不好,大家也一樣都做不好,大家其實差距不是以年來計算,根本已經差沒幾天。

為什麼?因為網路的存在,只要你有心,知識就在那邊,你隨時可以更新到最新的狀態。

其實對創投來說,這是很艱難的時代,因為過去你還可以去讀學術論文,知道未來會怎麼發展,然後去投資最有機會的領域。但是現在學術研究到產業應用幾乎相差無幾,以自動駕駛車為例,大家的發展都差不多,甚至你會發現現在矽谷在用的一些技術連有沒有用都還不清楚。畢竟,誰都不曉得會不會突然發現自動駕駛只是一個泡沫?

現在的情況是產業的應用主導了學術的研究,沒有人用的就沒有人研究,有人用的就一窩蜂研究。Google 的創投去學校裡面翻箱倒櫃的找,卻找不到除了熱門領域以外還有誰在研究什麼而且獲得很明確的成果,簡單來說就是找不到投資標的。

那能怎麼辦呢?Google 的創投認為,要把產業和學者重新再帶回校園,讓大家在校園裡面重新自己找方向,而不是看著產業的需求去做研究。等到又發展出新方向了,這個困境才能解決,不然現在不管是學術界或是產業界,都已經被掏空了。

台灣在人工智慧的發展弱勢:過去沒有累積

人工智慧的發展沒有一蹴可及的,過去要先有 Cloud first,然後才有 Mobile first,現在才能做到 AI first。

Google 翻譯也不完全都是人工智慧,其實更有效的是工人智慧,如果機器翻得不好,那就人來翻譯,反正你也不知道後面是人還是機器,但是練著練著,機器就越來越厲害了,18 年的進步可以很巨大。垃圾郵件的過濾也是這樣,最有效的是使用者的檢舉。所以先有工人智慧,後來才有辦法出現厲害的人工智慧,現在語音助理也是這樣的,你可能覺得現在還沒有很厲害,但是會越來越厲害的。

這其實是台灣的弱勢,過去沒有成功的雲端服務和行動化服務,現在要進入人工智慧的發展,本來就先天不足了,尤其是那些基於大量消費者資料的發展,台灣更是毫無優勢可言,像是電商的人工智慧。所以先盤點一下自己的強項,像是醫學影像、像是透過無人機取得影像資料之後的應用,可能就是台灣的優勢。

感覺上這幾年台灣會有很多遺憾,像是 HTC 在手機的領域上失利了,但這並不只是台灣的遺憾,這樣的遺憾早就出現在日本、歐洲等市場,Nokia、Motorola、Sony 都比台灣更早垮下來。

為什麼呢?因為過去硬體產業分工很細,有消費性電子、資通訊產業,但是現在都整合在手機,以前有相機負責拍照,現在用手機,以前有電腦,現在很多事情手機就可以做了,但是相對來說相機和電腦都做不到手機能做的事情。以前這些領域加起來可能好幾百個品牌,但是現在整合成手機之後可能十個品牌就太多了。不是這些品牌做得不好,而是整合之後他們不再有辦法處於主導地位。

未來的品牌只會來自兩個國家:美國和中國

你以為手機品牌就很好嗎?其實你拿手機,不是為了要用手機,而是透過手機來使用網路服務,像是 Facebook、LINE,你真正要的是網路服務而不是手機,所以網路服務公司在三、五年後會免費送手機給你,讓你可以更流暢的使用他們的服務,Amazon 的 Kindle 就是很好的例子,用成本價甚至賠本賣你電子書閱讀器,但是讓你在上面消費來賺錢,Kindle 消費者每年消費可達 1450 美元以上。

過去全世界有一千家品牌,台灣有五個代工廠,你還可以挑客戶、談價格,賺得到錢。但是現在手機的世界,全世界五個品牌、五個代工廠,你能怎麼做?大家會開始整合,這就是為什麼 HTC 會跟 Google 合作,這也是鴻海現在著手進行垂直整合的原因。

所以現在的手機是拿來打電話的嗎?早就不是了。接下來,手機就是一台人工智慧的超級電腦,而繼續發展下去,這個裝置也不叫做手機了,而是一個個人助理,是你的複製品,甚至比你還瞭解你自己。

整合到最後,未來的品牌只會來自兩個國家:中國和美國,未來是一個大國崛起的時代。

2015 年全球排名前 15 大網路公司

台灣該何去何從呢?

第一個機會:5G 的發展帶來的硬體需求

Google 現在的翻譯 App 已經很厲害了,用手機的鏡頭拍到什麼就翻譯成中文,只是大概會有兩秒鐘的落差,但這兩秒的落差很巨大,導致很少人用,因為你如果拿來看日本電視,你就會發現那種延遲是不能接受的。可是等到 5G 的應用開始之後,那兩秒鐘的落差就會消失,變成即時翻譯,這也才是真正進入人工智慧應用的時代,5G 的發展是台灣的機會。

第二個機會:隱私權帶來的半導體需求

以後你的手機不是電話,是你養出來的人工智慧,你是在養小鬼,你的行為一直在讓它變聰明,你越用,它就越聰明。當然,隨之而來的也就是隱私權的問題了。

因為隱私權的問題,所以許多的事情不會是在雲端進行,而是在手機上做,像是指紋辨識、人臉辨識,你如果上傳到雲端去,那多危險啊!中國現在有很多手機就是這樣做的,問題是一旦你的指紋或臉部特徵被偷走,你這個人就等於被複製了,所以法律會去要求這些辨識要在手機上進行。

但是在手機上做,指紋辨識和其他的 App 共用同一個處理器也不安全,很容易破解,所以這時候針對隱私權的安全問題,就會有特別的處理器來進行運算,其他的程式都不能用這個處理器,以確保安全,手機上需要的處理器越來越多,安全需求所帶來的半導體需求,就是台灣的機會,

第三個機會:人工智慧的伺服器需求

當然,有些服務是要在雲端進行的,尤其是那些需要龐大資料進行運算與訓練的服務,所以對於伺服器的需求也會快速增加,人工智慧的伺服器跟過去的伺服器是截然不同的架構,人工智慧的發展越來越成熟,對於伺服器的需求也會越來越多,這同樣也是台灣的機會。

所以簡單來說,台積電和那些能做人工智慧所需要的伺服器廠商都可以因此得利。

三個未來的趨勢

除了這三個台灣原本就有的硬體製造優勢以外,也分享三個很重要的趨勢。

首先,語音助理。的確,現在用的人不多,測試的市場範圍還小,語音辨識也只對那些字正腔圓的人有利,但是經過一段時間之後,語音助理一定會普及,甚至不只改變電商,也會取代搜尋引擎。

第二,汽車上的人工智慧。現在的電腦代工廠,接下來要開始為汽車廠服務。汽車很貴,對零組件的要求很高,所以跟電腦相比市場比較小,毛利也比較高。接下來汽車越來越智慧化,會變成最大、最貴的電腦,但是不同的是汽車品牌上百個,電腦的品牌只剩六、七個,所以台灣的代工企業將來有上百個客戶,但是每一個的量都不大,代工模式要變成少量、多樣、高毛利,有很多新的晶片需求會出現,新的鏡頭需求會出現。

德國的汽車廠就非常恐懼,因為過去他們的優勢在未來都不再是優勢了。德國有很棒的引擎,未來的電動車是用馬達和電池,過去開車的人很在乎操控性,但未來是自動駕駛。當一台汽車的重點是電腦和軟體,製造一台汽車就變成了裝潢產業,過去在手機上看到的垂直整合,將會在汽車上再看到一次,所以電機系、機械系和資訊系需要重新整合,才能應付將來的需求。

第三,無人機。這也是一個整合的領域,無人機要看成會飛行的機器人,應用已經超過幾萬種了。在消防領域,很嚴重的森林大火,為什麼沒人傷亡,因為無人機可以告訴消防員怎麼逃。在牧場,現在趕羊不是牛仔騎著馬去趕牧羊犬趕羊,而是牛仔遙控無人機趕牧羊犬去趕羊,馬失業了。

台灣的未來:兩個小孩,一個出去賺錢,一個留著顧家

日本其實已經放棄半導體產業,連最後一家 Toshiba 也要賣掉了,有的人覺得接下來韓國和台灣的半導體產業也會被中國取代,但我的看法是台灣會繼續幫中國和美國代工,韓國則沒有這個機會。

台灣的軟體的確不強,但是 App 的人才卻是世界第九,跟印度差不多,只是因為市場小,賺到的錢很少,大多是免費的工具類 App,沒辦法做服務型可收費的 App。所以有能力、有技術,但是要賺到錢有困難。

台灣位在東亞的中心點,過去先賺日本的錢,後來賺中國的錢,接下來可以賺東南亞的錢,繞了一圈只要肯出去都有錢賺,這是其他國家都沒有的巨大優勢,所以很重要的就是讓自己有移動的能力,包括地理上的移動,不一定要跑到很遠的地方去,光是台灣周遭就有很多機會,以及領域上的移動,也不需要大幅改變,像是原本做軟體的人,可以稍微轉去跟做 IC 的人合作,就會多出很多機會來。

有人問,台灣將來除了做人工智慧,其他還能做什麼?其實就算過去三十年,也不是每個人都去台積電,只有五萬人而已。所以可能在人工智慧的時代,也只有五萬人會在這個產業,那其他人要過什麼樣的生活呢?這是個有趣的問題。

我的建議是這樣:

如果你家有兩個小孩,一個出去國外賺錢然後把錢寄回來,因為現在機會好得不得了,對台灣的人才需求很高,另一個則留在家裡,把家裡照顧好,把土地照顧好,讓出去打拼的人可以安心出去,並且想要回來。

全部都留在台灣發展是不對的,因為現在一個出去工作的人影響力是留下來的人三倍,就連企業都出去了,因為機會在外面,台積電去了南京,鴻海去了日本、美國,有不少人就會因此得利。

那其他人要做什麼呢?我稱為「安心產業」,那些不想走的人,要跟這塊土地緊密的綁在一起,產生信賴感。台灣是很有信賴感的地方,有很好的醫療、很好的食品、很好的農業,這些是其他地方找不到的,會吸引那些出去的人回來。

相關文章

評論