1. 首页
  2. 最新消息
  3. 健康新知
  4. AI与产业广泛应用的距离

a21ae21e68749a9676e855c0e01a841d.png
文/夏肇毅 CubicPower晶智能中心创办人

 

AI人工智慧议题近年来发烫,各类应用的新闻如雨后春笋般冒出。AI可以用来解决各式各样的问题。就像现在COVID-19新冠病毒疫情严重,世界各国很多人尝试著用人工智慧来找出跟疫情相关的因子,试图预测未来各地染病的人数,替世界尽一份心力。

 

开发解决一个问题的人工智慧模型需要「喂入」大量资料,再经过几天几夜的训练后才能使用。但能不能训练出结果来,还在未定之天。万一不行,就要试著调整模型,再加工一下资料,等待几天后再看一次结果。但时间就是金钱,电脑资源用得越久就花得越多。而事前标示资料正确答案,更需要大量人力来处理,国外新创人工智慧公司曾表示,八成以上的人力都在做资料答案标示。聘用的大量高薪人员也造成十分沉重的负担。

 

在前几年AI风潮刚起,有大量资金投入时尚能支应。那时大家争先恐后卡位,不怕烧钱只怕抢不到人。几年过去,却猛然发现成果有限,无法兑现对客户的承诺。在长成金鸡母无望,不堪长年亏损之下,只好砍人收摊。

 

人工智慧的开发流程

一个人工智慧应用研发的步骤包括设计模型,整理资料与训练模型。一般人工智慧的程式都不大,所以业者会主动分享各式研究好的模型让人免费使用,再以推广服务的方式来抢占地盘,图的是日后租用运算设备的生意。

 

模型是人工智慧运作的核心,粗浅的模型需要输入和记忆中的范本很相似才能识别。深层模型能将特徵浓缩汲取,只要本质一致就可以识别。有模型后就要加以训练,如训练好的语言模型能将字词浓缩成相近的语意代号,这样能大幅缩减识别范本记忆的规模。训练也需要大量资料才能见效,像语音识别,先要训练出声学模型。这需要将高低快慢各种口音的样本都先熟悉一次,才训练得起来,否则最后的识别率会很差。等到声学模型识别输出后要再连到语言模型处理,这样人工智慧才能识别出说话的语意。

 

由此可知,人工智慧的运作需要大量的资料范本做基础。它的基本原理,是要从分析大量资料的过程中,寻找特徵并记忆答案。之后再次碰到这些特徵时,就可以很快的分析出之前记住的答案。就像考试一样,记得的考古题越多,答对命中率就越高。因此,拥有大量资料是发展人工智慧的基础。然而只有平日接触大量客户,有客服的大公司才能拥有这些应对过程,以及大量人力来处理收集到的资料。

 

人工智慧的教学方式

近几年,政府与学术界不断以开学堂的方式推广AI知识。有国家研究单位人士为了推广人工智慧到产业界,特别募款设立了学校,广收企业人士就读,以传播人工智慧知识。这些推广的方法基本上是学校形态的延伸,离大量产业化应用有相当的距离。根本的原因,是因为资料调整与模型研发耗时费力,只适合有大量人力与时间资源的学术界进行。一般中小型公司,资源与财力有限 ,实在没有办法从头开始投入做这些事情。

 

原理与程式教学,只需针对有软体研发能力的ICT公司进行即可,目的是让他们能够运用现有模型开发人工智慧的新应用到他们的产品里。老实说,有软体研发能力的ICT公司研发人员,从网路上就能学到足够的知识与资源快速上手,没必要大费周章再去上课。

 

人工智慧於产业应用的条件

但对於大多数的产业来说,他们没能力开发软体,只想知道如何操作。加上一般人工智慧模型都只能处理固定大小尺寸的资料,所以喂入之前都需要事先处理好,否则便会产生错误。这些调整的事项,通常都是由程式设计师在训练AI模型时一并处理的。一旦程式不够聪明,一般人使用时就会遇到挫折而放弃。所以必须要将AI的应用程式调整成防呆好用的模式,让一般人用起来就如用Excel一样方便,才能快速导入到各行各业。

 

由此可知想要将人工智慧推广到一般公司里面,要先能自动处理掉资料大小格式不一致等一些罗哩罗嗦的问题。让使用者只要将资料输入,其他都不用做就能顺利地训练与预测才行。做到这种境地时才有机会开始推广,让人工智慧遍地开花。想要这样,就必须先结合学术界的资源,先将一些成熟可行的模型包装起来,加强对输入资料的预处理能力,简化操作流程,之后再浓缩成一个精实的产品。

 

菁英阶层与企业间鸿沟颇深且广,以学术观点出发的传教方式毕竟走不远,中间需要先结合众多软硬体开发公司一起努力,让企业对企业才行。要想像只有能将AI产品做到如一支新手机一般好用时,普及AI人工智慧应用的努力才能见效。

转载自:https://view.ctee.com.tw/processing/19875.html


上一个 回列表 下一个