吳恩達看AI的下一步趨勢：小數據、方法論和後設增強式學習

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