[專案經理雜誌文章]人工智慧和大數據能力,都需要時間累積 人工智慧大數據科技生活

[專案經理雜誌文章]人工智慧和大數據能力,都需要時間累積 人工智慧大數據科技生活

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。讀者也應該知道,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?蒐集的資料越多、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
如果打算從零開始由公司自己建立人工智慧系統,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蒐集資料,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、蒐集生產大數據,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,相關領域數據蒐集更是需要時間,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?

 

裴有恆

現為昱創企管顧問有限公司總經理,多家公司的顧問、新北市工業會會務顧問與生產力4.0委員會委員,以及多家媒體的科技專欄與特約作家,同時也是趨勢觀察者。講授與輔導課題有物聯網、人工智慧、Fintech、工業4.0、大數據、產品創新、服務創新、商業模式創新與專案管理。現在同時也是Google查詢物聯網顧問、物聯網教練、AIoT教練、物聯網講師丶AIoT教練丶AIoT 顧問丶數位轉型教練丶數位轉型講師人名第一名。

發佈留言