圖片來源: 

何維涓_攝影

面對近來AI技術的崛起,Teradata技術長Stephen Brobst認為,機器學習和深度學習在企業中的應用都還在很初期的階段,許多企業高喊用AI技術,但其實,真正在數據分析的領域運用到AI技術的少之又少。

這位Teradata技術長Stephen Brobst,在高階主管排名服務ExecRank排名中,曾與Amazon、Tesla Motors以及Intel的技術長並列全球前4大技術長。他曾創立過3家新創公司,而後到Teradata擔任技術長,17年技術長資歷更讓他成為歐巴馬的技術顧問。市場上AI技術如此火熱,為什麼真正採用的企業卻不多?他認為,目前的AI技術還有兩大問題尚未解決,第一,企業的資料科學家需要知道數據分析過程中,每個決策的原因,他將深度學習演算法比喻成黑盒子,資料科學家就是要透過數據分析,了解數據的前因後果,但深度學習的隱藏層則埋沒了這些重要資訊,甚至,每次執行演算法所產生的隱藏層數量也不一樣,讓企業無法得到數據的洞察(Insight),他也補充,目前有許多頂尖的科學家正在開發可以看見每一層決策的類神經網路,若能解決這項問題,將會是企業能夠採用深度學習的關鍵之一。

第二則是AI的技術中,不管是機器學習或是深度學習都需要非常大量的資料,但大部分的企業資料量是不足的,導致企業採用深度學習演算法的效果不彰,他比喻,深度學習演算法大約就像8歲的小孩,要一直不斷地給他資訊,從錯誤中不斷學習,才能慢慢的歸納出一套法則。

提到AI技術,許多雲端大廠紛紛推出自家的服務,但是都得在雲端上運行,AI技術的熱潮是否也意味著企業將資料上雲端是未來必然的趨勢?依照Stephen Brobst的觀察,其實不然,根據統計,「目前只有低於3分之1的企業將資料放到公有雲,」大部分的企業因為有安全上的疑慮,多半將資料放在本地端或是私有雲,他坦言,並不是所有的企業都適合用雲端的服務,許多企業認為雲端比較便宜,其實若是大規模的企業,擁有大量的數據,將資料上雲端是十分昂貴的,但是,若資料量小,放上雲端確實相對便宜。

不過,許多人對雲端的安全性有所疑慮,Stephen Brobst卻有截然不同的觀點,「雲端其實比本地端還要安全!」他表示,想像如雲端龍頭大廠AWS,大約有6,000人在維護雲端的安全性,但是,若是一家企業,可能很難做到如此大規模的投入,他舉例,之前Sony公司被駭客入侵許多明星的薪水資訊外流,其實,被駭的全是本地端的系統,雲端完全沒有被入侵,因此,他認為,其實雲端比本地端來的安全。

除此之外,雖然Stephen Brobst身為大數據倉儲公司的技術長,他表示,他從來就不喜歡大數據這個用語,大數據就只是數據的一種,目前,數據已經不是只看量多大,而是要去研究如何分析多元結構的數據,由於目前許多數據來自不同的通道,像是網站的點擊紀錄、圖片、影音等,包含了結構化、半結構化和非結構化的數據,甚至還要結合政府的開放資料,例如天氣、交通等數據,若要能將這些多元的數據,妥善的分析應用,是需要結合許多不同的方法和平臺,這也是目前數據分析最具挑戰的工作。

近幾年數據的收集與分析變化很快,Stephen Brobst強調,未來每個企業都免不了要分析IoT、感測器等裝置的數據,不再只局限於製造業的良率判斷或是生產線優化,邊緣運算(Edge Computing)將會是新的機會,但他認為,目前是以端點收集數據,共同回饋到中心的系統進行運算的方式,中心產生適合的演算法,再部署到各個端點裝置運行,若某個端點裝置發生例外情況,也可以將資訊送回中心,進而改善,這樣一來,未曾發生狀況的端點也可以了解到可能發生的問題,若有狀況則可以快速反應。

熱門新聞

Advertisement