工程師也失業?「會寫 AI 的 AI」效率超越人類,Google、MIT 相繼投入開發

工程師的工作 AI 還是很難勝任的對吧?畢竟這個東西需要邏輯思考,需要框架和流程設計,哪裡是 AI 能一下子勝任的事情。但 Google 等公司認為,AI 現在可以開始學習一些 AI 專家做的事情了,那就是寫 AI 程式。
評論
ies (CEATEC) JAPAN 2014 in Chiba, east of Tokyo, October 7, 2014. Over 500 companies and organisations are exhibiting at CEATEC JAPAN 2014, which will be held until October 11, 2014. REUTERS/Issei Kato (JAPAN - Tags: SCIENCE TECHNOLOGY BUSINESS SOCIETY) - RTR49758
評論

原文刊登於合作媒體 36Kr,INSIDE 獲授權轉載。

認圖片辨聲音下圍棋 、玩 德州撲克開卡車 ⋯⋯似乎越來越多人能玩的事情 AI 也能玩,而且玩得比人還溜。但暫時有一部分人還是自我感覺安全的——工程師的工作 AI 還是很難勝任的對吧?畢竟這個東西需要邏輯思考,需要框架和流程設計,哪裡是 AI 能一下子勝任的事情。但 Google 等公司認為,AI 現在可以開始學習一些 AI 專家做的事情了,那就是寫 AI 程式。

Google Brain 人工智慧研究小組的研究人員最近就進行了這樣的嘗試。他們在一次試驗中讓軟體設計了一套機器學習系統,然後對這套系統進行測試語言處理方面的測試。結果發現該系統的表現超過了人類設計的軟體。

Google Brain 團隊首先用遞歸神經網路生成神經網路(RNN)的描述,然後利用強化學習對該 RNN 進行訓練。其方法可以讓 AI 從零開始設計出一個新穎的神經網路架構,在利用 CIFAR-10 數據集(含 6 萬張 32×32 的彩圖,涉及 10 類對象,每一類各 6000 張。其中 5 萬張為訓練圖像,1 萬張為測試圖像)進行圖像辨識測試時,其辨識的精度甚至比人類設計的最好架構還要高,錯誤率僅為 3.84%,與目前最先進的神經網路模型相比,其錯誤率僅低 0.1 個百分點,但速度快了 1.2 倍。而在用於自然語言處理的 Penn Treebank 數據集上,其模型構造出來的一種遞歸神經單元也超越了被廣泛使用的 LSTM 神經單元等最新基準指標,在複雜度方面比後者好 3.6 倍。

類似地,Google 的另一個 AI 團隊 DeepMind 最近也發表了一篇名為《學會強化學習》的論文。其研究同樣針對的是深度學習所需的訓練數據量大且獲取成本高的缺點。他們提出了一種名為 deep meta-reinforcement learning 的強化學習方法,利用遞歸神經網路可在完全有監督的背景下支持元學習的特點,把它應用到了強化學習上面。從而將用一個強化學習算法訓練出來的神經網路部署到任意環境上,使得 AI 在訓練數據量很少的情況下具備了應用於多種場景的元學習能力。或者用 DeepMind 團隊的話來說,叫做「學會學習」的能力,或者叫做能解決類似相關問題的歸納能力。

Google Brain 團隊的負責人 Jeff Dean 最近在回顧 AI 進展情況時,就曾經表態說機器學習專家的部分工作其實應該由軟體來負責。他把這種技術叫做「自動化機器學習」,並認為這是最有前途的 AI 研究方向之一,因為這將大大降低 AI 應用的門檻。

當然,創建學會學習的軟體這個想法由來已久,蒙特婁大學的 Yoshua Bengio 早在 1990 年代就提出了這個想法。但之前的試驗結果並不理想,因為 AI 做出來的東西還是比不上人類想出來的模型。但近年來隨著運算能力的不斷增強,以及深度學習的出現,AI 學會學習的能力終於取得了突破。

儘管 AI 的自學能力取得了突破,但是在近期內還無法大量推廣。因為首先這種能力需要龐大的計算資源。比方說 Google Brain 那個設計出辨識率超過人類所開發系統的圖像辨識系統的 AI ,就需要 800 個 GPU。

但這種情況將來可能會發生變化。最近 MIT Media Lab 也開發出了設計深度學習系統的學習軟體,其所開發出來的深度學習系統的對象辨識率也超過了人類設計的系統。MIT Media Lab 計劃將來把它的這套 AI 開源出來,讓大家繼續這方面的探索。

除了 Google 和 MIT 以外,據報導最近幾個月有好幾個小組也在讓 AI 軟體學習編寫 AI 軟體方面取得了進展。其中包括了非盈利的 AI 研究組織 OpenAI、MIT、加州大學柏克萊分校等。

一旦這類自動式的 AI 技術具備實用性,機器學習軟體在各行業應用的節奏無疑將大大加快。因為目前機器學習專家極為短缺,各家企業組織都需要高薪供養這批人才。


品味生活三大秘訣:「用心工作、長期投資、技巧買房」跟隨達人經驗,逐步實現夢想!

永豐銀行攜手關鍵評論網的「DAWHO之夜」直播活動剛落幕,主持人吳怡霈、樂居網創辦人李奕農、存股達人大俠武林分享買房、投資小撇步,如何善用理財工具,讓大家在投資路上更加順心有效率!
評論
評論

想營造理想的lifestyle,期待夢想的生活趕快實現,不僅需要用心於日常細節,更要懂得及早進行理財規劃,讓豐盛的財富Cover自己每一天!9月23日關鍵評論網與永豐銀行舉辦「大戶品味生活家」線上直播活動,除了邀請到甜美的吳怡霈擔綱主持,主要對談人樂居網創辦人李奕農更洞悉房市趨勢,教網友如何聰明買房,無論自住、投資都上手!此外,36歲就靠著存股擁有亮眼被動收入的理財專家大俠武林,也精采分享新書《股息Cover我每一天:600張存股達人絕活全公開》中的個人投資法,極簡佛系的風格,讓平常還要忙於工作的小資族也能輕鬆累積資產,邁向財富自由的人生。

理財投資有訣竅 數位帳戶好上手

吳怡霈談到大部分人在工作幾年後為自己存到第一桶金、第二桶金,除了計畫買房外,也希望盡快完成退休計畫,不再為金錢操心。在這過程中大家都知道投資理財很重要,卻難免害怕卻步,因為聽聞不少人在股市殺進殺出,不僅沒有賺到錢還因此賠上辛苦累積的資產。財經KOL大俠武林因為知道大家的投資痛點,特別給有心投資的民眾一段理財口訣:「專注本業、閒錢投資」。

「其實對於非專業的投資者來說,專心工作、努力加薪、長期務實投資才是上策,有穩定的收入才能讓你在股災或恐慌行情時進入股市、購買績優公司與含有績優成分股的ETF、利用空頭市場放大現金實質購買力,參與長期的資本利得並領取配息。」大俠武林認為數十年資產穩定累積的成果,不見得會輸給短期殺進殺出的價差買賣策略,這也是他之所以一再強調要使用閒錢投資的原因。「短期股市震盪多、非常難預測,若你常被市場消息左右但又急於用錢,就容易在部位起漲前賣光持有,白忙一場。」

因此為了更有紀律地投資,不被情緒、市場消息打亂原先的風險控制與資金布局計劃,大俠武林建議網友可以使用永豐銀行最近推出的「ibrAIn智在未來」投資工具。

「它不僅能預先設定自己的投資目標、協助訂出合適的投資組合,還有24小時自動化投資顧問替投資者進行監控股票表現、產品組合比例,聰明省心地逐步達成理財目標,同時過好日常生活。」

若在投資工具之外共同搭配安心、好用的理財工具,一站式服務對於忙碌的投資人來說更上手。永豐銀行積極推動「DAWHO數位帳戶」全方位金融體驗,在坊間一片數位轉型浪潮中,提供安全可靠的線上帳戶申請及豐富金融產品,包含DAWHO理財型房貸、大戶投等,有助於顧客聰明精明輕鬆地管理財富。

感性+理性買房 自住、換房、投資都省心

談到買房,樂居網創辦人李奕農建議購置接手性好的主流產品,而不只單憑個人喜好。「所謂接手性好就是要理性選擇,而不只是情感導向購買沒有電梯的公寓四五樓、屋齡大於三十年、地上權住宅以及公設比太高的房子」。李奕農補充到,若是針對投資買房者,他建議選擇高薪人力的外來人口區,例如有台積電員工進駐的台南,房價及買氣才有所支撐;高租金投報區,例如就業人口多、房子好租且房價不高的桃園觀音工業區、台中海線三井OUTLET等。

其實在學習投資技巧和買房心法之外,若能長期擁有安心的理財團隊,更能在財富管理路上走得順風順水。永豐銀行「尊榮理財會員」除了提供專人理財諮詢,還有免費機場接送與高鐵商務車廂免費升級等禮遇;現在加入永豐銀行財富管理的貴賓,若同時選擇開立「DAWHO數位帳戶」還將另外致贈英國經典Jo Malone香水組,現在就邀請最有質感的投資者加入永豐銀行,一起在幸福的氛圍中邁向財富自由!