【臺灣AI學校明年啟動，一線研究者帶隊實作訓練AI即戰力】資料多寡不再是瓶頸，人才成了AI競賽主要關鍵

去年3月9日，在韓國首爾一連舉辦五天的AlphaGo與世界棋王的世紀大戰，AlphaGo第一場就勝出，一舉掀起了全球瘋AI的浪潮，臺灣也不例外。但當時沒人想得到，那位代替虛擬世界的AlphaGo程式執棋，在棋盤上對弈的人，竟是臺灣人。他是AlphaGo團隊的首席工程師黃士傑，這位一手打造出世界聞名圍棋AI的關鍵人物，正是臺灣體制下訓練出來的在地研究人才。

幾十年來，臺灣產業主力以硬體代工為重，即使經歷過了好幾波科技浪潮的典範變革中，從軟體、網際網路到社交平臺的崛起，高科技硬體產業仍是臺灣的主要焦點，在其他領域的發展，多淪為跟隨者，而無法進入主導圈。當AI崛起，成了新一波的科技革命，臺灣舉國上下，也都想跟上新一波典範變革。

要發展AI，目前主要有兩大挑戰，一個是人才，就如同所有軟體技術，人才是第一個關鍵，而AI的另一個挑戰，或者說是門檻，就是需要龐大，甚至是海量的資料。

AI領域中的機器學習技術近幾年獲得巨大的進展，更具體一點來說就是深度學習，在聲音辨識、影像辨識展現了各種應用威力，但是，這個成功，來自龐大的數據所支撐。例如一手帶起當代電腦視覺技術變革的第一個關鍵是ImageNet網站提供的龐大人工標記影像資料庫。

現為Google雲端人工智慧暨機器學習首席科學家李飛飛，從2007年開始，和普林斯頓大學教授李凱聯手，發起了這個全球最大影像標記資料庫的計畫，透過群眾外包平臺Amazon Mechanical Turk，雇用了來自全球167國，將近5萬人，才分類處理並且標記了近10億張影像，甚至到2009年時，擁有超過150億張圖片的資料庫，光是貓的姿勢就有6萬多種。憑著這個龐大影像資料庫，才讓電腦視覺有了突破性的進展。而Google和臉書，後來更挾其擁有社交平臺、全球性消費型服務的平臺，蒐集了千億張的影像資料，來訓練他們的電腦視覺辨識能力。

曾擔任過Google中國研究院院長的HTC健康醫療事業部總經理張智威更是直言，沒有數據，就做不出人工智慧的預測系統。

資料量為王，成了主導機器學習發展的關鍵，誰能拿到越多資料，就越有機會在機器學習的競爭中勝出。

可是，對臺灣的硬體產業而言，無法像Google或臉書，能透過全球性的消費型服務，來取得各式各樣的資料。如何取得更多資料，不單只是臺灣產業、學界的焦慮，更是全球想要在AI競爭競逐者的困難。

不過，增強式學習（Reinforcement Learning）技術的出現，帶來了AI發展的另一條出路。最指標性的例子就是，AlphaGo Zero的問世。

遠從美國回臺分享的AlphaGo首席工程師也是DeepMind 資深研究員的黃士傑點出，AlphaGo Zero正式脫離人類知識的資料，不再需要人類的資料。AlphaGo Zero從零開始，花了40天，自我對弈了2,900萬次，就能打敗過去所有版本的AlphaGo，成為有史以來AlphaGo棋力最強的版本。

「關鍵就是，增強式學習的突破。」黃士傑強調。當然，增強式學習並非可以適用於任何問題，但這讓機器學習出現了另一條和過去不同的路徑：不需海量的訓練資料，也可以建立高品質的機器學習模型。

美國知名創投A16Z分析師更以「演算法的逆襲」來形容，AlphaGo Zero證明了，只要善用一套夠好的演算法程式，不需藉助任何資料，也可以建立高效度的預測模型。也因此，許多原本難以取得資料的領域，現在都有機會運用機器學習技術，發展出可用的AI應用。

影響增強式學習成效的關鍵，不是資料，而是如何建立一個讓AI程式進行自我學習的環境，或者說反覆進行模擬、訓練，透過獎勵措施，來修正出效果更好的模型。

而硬體設備的進步，甚至是深度學習專用晶片的出現，讓運算力不再是最大的瓶頸。AlphaGo Zero也不過只跑在一臺內建了4顆TPU（Tensor Processing Unit）的機器上，就可以在40天內，自己和自己對弈了2,900萬盤棋。

資料量不再是發展AI最大的困難，就更顯得AI人才的重要和關鍵。但臺灣的AI人才在哪？從今年第一次舉辦的人工智慧年會，可以窺見一斑。近60位來自臺灣各大學、業界、研究機構的講者，議題涵蓋不同產業應用、從理論到實證，也有商用AI應用的展示，甚至是Chatbot開源框架的發表，可說是近年來最具規模的一次臺灣AI研發力的呈現。

中研院帶頭成立臺灣AI學校，培養AI技術種子

而中央研究院院長廖俊智更在年會第二天開場時宣布，明年要成立臺灣人工智慧學校，還當天開放報名。

這所學校將以3個月為一期來提供短期密集式訓練。每期培訓200位AI人才，透過真實的問題和真實的資料，來培訓AI人才，要在臺灣建立自己的問題自己解決的文化。

廖俊智補充，主要招募學校後的專業人才，包括已在業界服務的從業人員或是剛畢業的研究人員，並由第一線的研究者擔任導師，以專題實做方式來進行。中研院還找來院士孔祥重擔任這所學校的校長，而由臺灣資料科學協會理事長陳昇瑋擔任該校執行長。

陳昇瑋直言，臺灣人工智慧學校的目的，希望訓練出有即戰力的AI人才，能直接協助產業解決問題。

甚至陳昇瑋還徵求企業合作伙伴，提供實際問題和真實資料，作為人工智慧學校學員們的專題研究題目。

科技部鎖定在職人員，強化業界AI實力

不只臺灣最高研究機構出面，要來培養臺灣AI人才。科技部部長陳良基也表示：「臺灣AI布局，人才是最重要的考量。」不過，科技部培養人才的作法，與中研院的作法不同，鎖定的對象也不一樣。

陳良基表示，不管在哪個領域，其實都必須解決產業界和學界的落差，也需要創造出臺灣的AI核心能力，創造出更多可行的應用。

目前科技部的規畫，在AI科學研究有5大戰略，陳良基認為，AI需要強大的學習和訓練過程，計算能力的部分，科技部將建置一個全世界獨有的AI超級電腦，支持學術和產業的使用，希望能支援各種應用上需要訓練的模型工作。而明年也會推出更多功能，過程中也會找更多的廠商來合作。

另外，科技部也與經濟部、勞動部和教育部合作，由教育部在學校推動AI相關課程，每年以培養上千名AI人才為目標。另外還會推動線上AI課程，在年底前就會推出階層式的線上AI課程，甚至由國外線上課程平臺提供，讓在職場上的技術人力，可以自行進修，培訓的對象主要是針對在職人員。

未來，科技部還預計在臺灣成立4個AI研究中心，聚焦在機器學習等AI技術，並與加拿大AI研究中心密切合作和交流，深耕臺灣AI與國際的交流，給國人更多的機會。科技部將在臺中和臺南設立兩個AI機器人Maker Space，來推動AI 動手做的風氣。

為了催生更多AI應用，科技部還要每年舉辦三次AI應用競賽，先以「如何與AI對話」、自駕車、AI安全應用為題，每次祭出3千萬元獎金來吸引各界投入重點AI應用的發展。

相較於過去幾波科技浪潮，在AI全球競賽上，「這次臺灣的投資不算晚。」Google臺灣董事總經理簡立峰提醒：「最重要的是能否發現在地的優勢。」這正是臺灣AI發展接下來的課題。

文⊙王宏仁、何維涓