AI大神吳恩達指出,企業若想全面採用AI,可先從試驗專案做起、累積動能,再建立in-house AI團隊,接著制定AI策略、進行企業AI教育訓練,最後才建立內外部溝通管道。

圖片來源: 

攝影/王若樸

國際知名線上教育平臺Coursera共同創辦人、曾帶領Google Brain和百度首席科學家的AI大神吳恩達(Andrew Ng)日前首度來臺公開演講,分享最新AI趨勢,也提出對企業擁抱AI的建議。

趨勢一:需要建立AI方法論

吳恩達指出,AI將成為一門有系統的工程學科,但它還缺乏一套方法論,例如沒有一套標準的開發流程,「現在正處於建立紮根用的AI方法論的過渡期。」

像吳恩達的機器學習團隊就採用了改良版的敏捷式AI開發流程,將多數人慣用的2周衝刺期縮短為1天衝刺期。「利用白天寫程式,搭配晚上幾個小時來測試,隔天早上召開團隊會議,檢視前一晚實驗結果,再決定下一步方向,如此周而復始。」吳恩達說,比起傳統軟體開發,短期ML開發流程是他實行過最有效率的方法。

趨勢二:小數據將成為顯學

早期的AI應用多仰賴大數據,這是因為早期開發AI應用的多為大型網路公司,擁有數十億筆巨量資料。「但現今,開發AI的企業不再只是軟體業,」但這些企業的資料量少,以小數據來開發AI的趨勢越來越明顯。因此,吳恩達點出,這幾年也產生許多新技術,比如單樣本學習(One-shot Learning)、小樣本學習(Few-shot Learning)、自我監督式學習(Self-supervised Learning),甚至他在Landing AI的團隊,也執行不少關於小數據的研究。

趨勢三:RL商業價值將因新方法而大幅提高

「深度學習和監督式學習創造的經濟效益,占所有AI技術的99%,而增強式學習(RL)的占比非常小。」但吳恩達觀察,近兩年興起了一種後設增強式學習(Meta RL),將能改寫RL的商業價值。這是將用來訓練自我學習能力的後設學習(Meta Learning)理論,用於優化RL的獎勵機制,讓RL模型不只加快訓練速度,也能讓模型直接可用於非原本訓練資料範圍的新應用任務。

11年前,吳恩達在史丹福大學任教時,曾利用RL開發一套不須人為遙控、可自行飛行的小型直升機,利用RL技術,建立了一個虛擬的操控模擬器(Simulator),在虛擬場景中學習如何操控直升機,再用訓練完成的操控模擬器,來控制真正的直升機。不過,他說,當時沒人知道自己訓練的RL模擬器能否100%正確飛行。

但是,現在融入後設學習方法後,可以從利用數百種不同的操控模擬器,在虛擬場景中,控制各種不同參數的虛擬飛機(比如大小、推力強弱),讓RL模型找出一套自己學會操控虛擬飛機的自學方法,「研究顯示,就算最後用於虛擬場景中沒見過的實體直升機,Meta RL建立的虛擬模擬器依然能快速適應,且表現比RL更好。」吳恩達指出,所以,「這幾年,連OpenAI、DeepMind等組織都爭相研究Meta RL。」目前,吳恩達已正在研發Meta RL農業應用,但他認為,也可用於製造業。

企業擁抱AI,先從小專案開始

對於想擁抱AI的企業,吳恩達給了不少建議,首先是從小型專案著手,先取得成就和內部信任。他以自己為例,一開始,Google同事和主管大多對深度學習抱持懷疑態度,有些高層甚至認為深度學習不可行。吳恩達先鎖定Google Speech的語音辨識,成功優化辨識率後,才轉向規模稍大的Google Maps,利用電腦視覺來提高地圖上的建築定位精準度。有了這些成績,吳恩達才有機會說服規模更大的Google Ads團隊,引進AI來改善廣告投放精準度。「先從小型專案開始累積成就,很重要。」他強調。

一旦要開始執行AI專案,吳恩達建議,「至少先想6個題目。」再從技術面和業務面影響來評估這些題目(如下圖)。技術面問題如AI系統是否達成所需效能、需要多少資料量、軟體開發時程,業務面則如降低成本、提高營收、創造新產品或新業務。他在選定AI專案前,通常會花上數周,和團隊共同分析技術面和業務面需求,最後再挑出最可行的2個題目來執行。

 

從試驗專案累積動能,進一步將AI推廣至整個企業

從小專案累積出經驗,企業若決定進一步全面擁抱AI時,吳恩達也從自身經驗歸納出5個原則。首先,透過試驗專案來累積動能,「不一定是最有商業價值的專案,而要找容易成功的專案,才能累積企業內部動能。」他指出,AI試驗專案期可維持6至12個月,外包或內部團隊自己執行都可以。

但是,當這些AI專案發展到一定程度後,吳恩達建議,企業就必須建置集中式的內部AI團隊。這個團隊的設計可比照業務單位,以一個獨立AI的單位來協助不同業務單位,可由執行長管轄,或由CIO、CTO或CDO來管理(如下圖)。「Google和百度的AI團隊,就是如此運作。」

另一方面,在AI專案推動的過程中,吳恩達也建議,企業必須進行全公司的內部AI教育訓練,可按職務分成三類來培訓。第一類包括決策者和資深業務主管,他們必須了解AI能為企業做什麼、如何制定AI策略、如何分配資源;第二類是參與AI專案的部門主管,要讓他們了解如何制定AI專案的方向(包括技術面和業務面考量)、資源分配,以及監管專案流程。最後一類則是AI工程師新手。他們不只要學會AI軟體開發,還要能蒐集資料、執行特定的AI專案等。不過,他提醒,企業不用從無到有設計新教材,而要懂得從YouTube、Coursera等平臺,選擇合適的教材。

另一個原則則是制定AI策略。吳恩達指出,許多企業的執行長容易在AI專案開始前,就制定不切實際的AI策略,比如要求屬下盡可能收集各種資料、越多越好。但他認為,企業應該等到試驗專案成功、累積基礎後,再來訂定AI策略。而AI策略制定可分為兩大部分,一是建立資料策略,包括如何取得資料、建置統一的資料倉儲,其次是從網路效益和平臺優勢來思考策略。

吳恩達的最後一項原則,就是要發展內外部交流管道,如與投資者和政府之間的溝通管道,也要兼顧使用者、人才招募和內部的交流管道。

不只企業要發展AI,吳恩達認為,長遠看來,各國也該積極建立AI中心。他有感而發地坦言:「我們這類專家所犯最大的錯,就是在網際網路崛起的年代,替矽谷和北京賺了大筆財富。」他希望,這次在AI崛起的時代,要讓AI跨出矽谷和北京,在各個城市發展,而且AI發展權不應只握於軟體公司手中,而是要讓各產業都能做到。他建議,臺灣要發展AI,可自身成熟的產業強項如半導體、製造業切入。文◎王若樸


Advertisement

更多 iThome相關內容