优秀 AI 人才要留台?比起高薪,台湾更需要具自我风格的 C

文章   2020-06-17  阅读 223 次

优秀 AI 人才要留台?比起高薪,台湾更需要具自我风格的 C

近年来,人工智慧越发成为全球热议的话题,尤其是在 AlphaGo 与柯洁的人机围棋之役以后,更是越发蓬勃发展。但「人工智慧」究竟是什幺呢?

人工智慧的「智慧」是非常难以定义的,以图灵测试为例,图灵测试其实就是一个聊天能力测试,以「人作为辨识标準」,当人类难以判别对话对象是出自机器还是人类时,就代表机器具有人类的聊天、语言智能,视为一种人工智慧。

简言之,人工智慧指的是机器能否做到某一特定的测试或操作,而测试的判準则是由人类决定。而为了了解人工智慧的发展趋势、产业应用现况以及台湾 AI 人才的发展,TechOrange 发行人张育宁与清大电机系孙民教授深聊,以下为访谈对谈实录。

《TechOrange》发行人张育宁(以下简称张):想请问您,深度学习近年来的突破为何?又是因为哪些关键因素而有所突破?

清大电机系教授孙民(以下简称孙):深度学习是机器学习的一环,而如果要探讨深度学习近年来的突破,就要分成 Deep(深度)和 Learning(学习)两个部分去解释会更清楚。

先从 Learning(学习)的部分来解释,现在社会比起过往已经累积了大量的数据资料,而工程师会负责撰写学习方法的程式,也就是教机器、电脑一套学习方法,让机器透过此方法搭配数据资料自己去学习。

而为什幺以往机器「学」不出成效?原因有二,一是数据资料不足,二是学习的模型不够複杂,无法用机器去学习複杂的目标。这一複杂程度就是 Deep (深度)的部分,模型的複杂度可藉由模型深度 (Deep 的部分) 去调变,通过多层的非线性转换,不断调整参数才能帮助机器得出对的「学习方法」。

也就是说,近几年来深度学习会有所突破是根基于以下三大关键因素:数据资料、运算能力的提升(GPU)以及人才,因为聪明的人才才能够迅速修正演算法,让深度学习有所突破。

张:人工智慧在这一两年重新崛起,全球讨论度极高。但就您对 AI 的了解,实际技术发展与社会舆论是否太过夸大?若有,落差点为何?

孙: 现在社会普遍上对于人工智慧的「学习能力」的确有夸大的现象,AlphaGo Zero 的自学成功并不代表可以直接套用在所有其他人工智慧应用上。

围棋其实有个特性,围棋是没有随机性、下得再久也差不多就是 200 多手就一定会有胜负,对于棋谱也是全面性观察的。但是 AlphaGo 以及自驾车的人工智慧系统是不太相同的,自驾车的系统是充满随机性的,简单来说,同样是转方向盘 30 度,下大雨天、晴天、毛毛雨天都会让汽车行驶的角度有所不同,更不用说,路上的行人、其他汽车的反应都是变数。

变数越多表示需要调整的参数,以及非线性转化就越多,AlphaGo 以及自驾车的「深度学习」是大不相同的。

张:台湾发展人工智慧的最大障碍为何?台湾又该如何改善?

孙: 其实台湾什幺都缺,缺人才、也缺乏可以提供 AI 人才就业机会的在地产业,但是最缺的是一个能让台湾走出自己风格的挑战。我觉得真正优秀的人才未必会为了高薪留在一个地方,但会为了一个指标性的挑战、一种使命感而全心投入研究。例如,前些日子围棋的人工智慧研究就是这个领域普遍认同的重要课题。举例来说,AI 研究领域的其中一个挑战是 AI 在机器人领域以及人机互动领域的应用,台湾在这个方向上是否能定出有自己风格的挑战,让有使命感的人去冲刺。我认为台湾目前最缺乏的。

至于如何培育台湾的 AI 人才?其实选好研究主题非常重要!我自己的做法是,会刻意避开 Google 、脸书等大公司已经做得很好的研究技术,去寻找大公司未来两三年内可能会做的研究目标,像这样有前瞻意义的研究议题通常也能被国际上的 Top Conference 接受,而且是大公司未来两三年会做的趋势方向。

但即使人工智慧人才被培育出来,台湾也需要有产业把 AI 人才留在台湾,因此产业与学术的相互合作是至关重要的。

然而,目前观察到台湾企业提及人工智慧技术应用,常常都是思考「AI 技术可以如何帮助我们企业 Cost-Down 或是将产品生产效率提高」,目标都是原本的产品数量提升或成本近低,而非去思考企业与学术界新技术结合的「新的可能、新的商业模式」。这是台湾与美国很大的不同之处!

张:据您的了解,因为人工智慧需要倚赖大量数据,那 AI 技术的商用是否会大者恆大?由 Google 、Facebook 等大公司持续把持技术?

孙: 我觉得并不是这样的,人工智慧让技术迭代速度加快,可能带来全新的商业模式,进而创造更多机会,所以新创公司会更有机会超越大公司。

更详细来说,以往大公司大者恆大是因为用户数量多,如果市面上有新的技术和应用出现,大公司会利用庞大资料的利基,加上高薪聘人快速追赶上进度。但是人工智慧很有可能创造一种全新的商业模式,而这种新的商业模式很可能奠基于现在大企业都还尚未拥有的数据资料利基之上,一旦这样的技术和商业模式出现,也就会颠覆 AI 技术「大者恆大」的状态了。

张:对于想要入门学习 AI 的工程师,您会建议大家如何入门人工智慧?

孙: 谈到学习人工智慧,我直觉会先想到传统学院派的作法,也就是,出国进修接着进入有名的实验室和着名教授合作,发表有前瞻性的论文。经过这样的扎实学院派教育后,会对基础理论有更清楚的了解,对于往后「随时阅读最新论文,跟上全球技术」非常有帮助。

但除了传统学院派的作法,如果想要入门自学 AI 技术,我会推荐先从edX、Coursera等学院的开放线上课程平台学习,而且一定要按照课程要求完成所有作业。作业对于基础功是非常重要的!

再来,如果上完几堂课程,已经对人工智慧理论有一定了解后,我建议开始阅读学术界最新的论文,最好和同侪圈组个读书会,遇到不懂的可以随时讨论、保持学习热忱。

最后,一定要从实作中学习、累积经验,强烈建议要建立自己的 Github 帐号,把自己的程式码全都开源,这会为你带来前所未有的机会。举例来说,我自己的学生就曾因为将杰出的程式码作品公开,因而得到去 Uber、Stanford 等地实习、工作的难得机会。


相关文章 关键词:F潮生活