【有恆为AI成功之本】人工智慧和大数据能力,都需要时间累积
A robot is displayed at the Robotics Innovation Center booth during preparations at the CeBit computer fair, which will open its doors to the public on March 20, at the fairground in Hanover, Germany, March 18, 2017. REUTERS/Fabian Bimmer - RTX31M53
现在看起来很厉害的人工智慧,都发展很久了

应该不少人知道,阿里巴巴的大数据很厉害。但是,阿里云公司从 2009 年开始创建,到现在也已经八年了。大家也应该知道,亚马逊现在有很棒的云端运算与人工智慧的服务,但还记得 Amazon Web Service 是 2002 年开始就创建的吗?而人工智慧的「书籍推荐」,甚至是在上个世纪就开始在亚马逊官网上运用了。

最近令大家惊异的人工智慧公司当中,最受瞩目的 Google AlphaGo、IBM Watson、Amazon Alexa、微软小冰,都是使用大量资料的深度学习。以 IBM Watson 为例,在 2012 年开始进入医疗领域,2015 年升级为深度学习,直到 2016 年 在日本救了癌症急症病患 ,才让人了解到它在医疗诊断协助的强大能力,不过在 2012 年 Watson 已经有在美国的益智问答节目 Jeopardy 狂胜人类的纪录 了。

这些公司的共通点是什幺呢?收集的资料越多,学习的时间越久,建立的模型预测能力才会越强。

一开始真的很难,后来就会飞快成长

如果打算由零开始由公司自己建立人工智慧的系统,现在有很多开放原始码的平台,是不是比起过去来说简单很多呢?资源也许比过去丰富,但是真正操作时,难免遇到这些开放原始码架设的平台还不够稳定,有问题却得不到解答的窘境。由此可知,为什幺这些公司过去都得花大量时间建构基础设施及收集资料,才有后来呈几何级数成长的成就。

《从零到一》的作者 Peter Thiel 说过,网路创业「从零到一」跟「从一到一百」的时间是一样的。而人工智慧与大数据的学习有类似的情形:先花时间好好投资,把基础强化,在基础打好之后,就可以基于这个能力,飞快地进行,达成很棒的成就。

台湾过去在软体耕耘不够,更要加把劲投入

台湾过去的软体能力不够,是因为重硬体轻软体的结果,对于软体需要的投资,很多公司其实根本是没做的,这也造成进入人工智慧时代,除了几家之前累积人才与实力的公司,其余大部份电子业的公司,其实往往只是说得一口人工智慧的能力,真要做却又端不出成绩来。

和硕电脑是另一个成功的例子。当初高层看重人工智慧,决定做相关的能力培养,花时间建置设施,聘请人才形成团队,针对工厂生产过程做影像辨识、收集生产大数据,进行人工智慧的深度学习。几年过去,终于在人工智慧有所突破,所以童子贤在今年 Computex 期间,介绍和硕在这方面的成就,视讯会议的脸部辨识能力可高达 98.9%,比人眼 93% 还高。

台湾在物联网时代,需要人工智慧成就物联网生态系的大脑,要缩短人工智慧的学习时间,人才跟数据是绝对的关键,可惜台湾现在人才多在学界,进入业界很难马上产生效果,相关领域数据收集更是需要时间,想要在没有基础的状况下,达成短期成就自已领域的深度学习能力,无异缘木求鱼。

童子贤 说得好 :「重点还是在于是不是有打下基础?是不是掌握了深度技术。…要有一定的耐性跟韧性。」和硕现在能有不错的基础,是之前努力的累积。建议有志于培养人工智慧能力的企业,要有较长期投资的心理与财务相关準备,深度学习是需要硬底子的,没有投资,哪来成就?

相关推荐