appier

Appier,可以說是近年台灣新創圈中最受矚目的軟體公司之一,在颱風天的前夕,我們與 Appier 的創辦人兼 CEO 游直翰約在咖啡廳,打算好好聊一聊 Appier 與人工智慧。網羅了台灣新一代 AI 人才的 Appier 到底是如何運用最新技術打造出新一代的台灣之光的呢?

以下,我們將先簡單跟各位介紹一下 Appier,並以 Q&A 的方式來呈現此次訪談的內容:

  • Appier 小簡介

● 創辦人:

CEO 游直翰:國立台灣大學資訊工程系、史丹佛大學電腦科學碩士、哈佛大學電腦科學博士、哈佛人工智慧實驗室研究員。

CTO 蘇家永:交大資工學士、哈佛資工碩士。

COO 李婉菱:曾於哈佛大學醫學院附設波士頓兒童醫院擔任研究員。李婉菱擁有史丹佛大學生物科學碩士學位及華盛頓大學免疫學博士學位。

● 產品或服務:用自家設計的獨特演算法,達到即便運用公開資料也能做到歸納、預測出多螢幕使用者的行為歷程。目前主要提供商家使用者行為預測,以便優化廣告投放,之後將推出其他與 AI 相關服務。

● 募資與商業狀況:擁有領先 AI 技術的他們,去年才成為台灣第一家獲得紅杉資本資金挹注的公司,募到 A 輪資金 600 萬美元,而現在截至 B 輪則已募得 3000 萬美金(約台幣 10 億)的高額挹注,這也直接反映在他們繼去年擴展至新加坡、東京和胡志明市後,今年又擴張至雪梨、新德里、雅加達、馬尼拉、孟買、香港及首爾等,在全球共 11 個城市擁有駐點。

創辦人兼 CEO 游直翰就分享,從去年第三季到今年同期,公司整體營收成長已經超過 3 倍;若從募到 A 輪到 B 輪資金到位為止,整體成長則達到 6 倍。

這家新創更不只擁有令人驚嘆的數字成績,在人才招募上他們更是有著來自台大頂尖的資訊工程教授林軒田支援,讓人不得不對他們感到好奇,希望一探究竟他們的本質是什麼?而他們的核心技術 AI 又到底是怎麼一回事?

  • 訪談 Q&A

Q: 為什麼大家「該談」 AI? AI 的重要性在哪?

游:AI 的強項,其實就是可以在非常複雜的資料中找出其中的關聯性。

簡單來說,AI 就是讓軟體能像人一樣做決定與判斷,甚至是擁有超越人的能力。舉例來講在資料的解讀上面,機器可以解決並看出海量資料間的關聯性,因為它不像人腦有運算、能量上的限制。AI 基本上,就是讓機器有智力的一種軟體,它可以讓機器擁有近似人類行為甚至是超人類。

而再細一點說明,通常大家在問數據和 AI 之間的關係,其實數據你可以想像是原料,擁有原料之後,我們用很多「機器學習」的技術讓電腦能夠自動去學習、優化,最後這整個流程產出的「智慧結晶」就是 AI 產品。

Q:技術的發展都需要沈澱,AI 的根源是哪像我們所熟知的技術?

游:AI 這個領域其實還蠻廣的。它只有 60 年的歷史,一開的時候它的展演是一些邏輯運算,若 A 則 B 、若 B 則 A,然後慢慢的大家覺得說這種表現方式可能沒辦法處理很高維的資料,因此就開始有些 AI 的演算法專門處理更高維、更多不同因子之間的關聯性。

再後來大家都覺得說,這種參數之間的關係,可能又有些機密的存在,例如說今天是颱風天有一定機率下雨,那就有一定機率淹水,那這個其實就是統計數值的介紹。

AI 源自邏輯。接著越來越多數值代數的元素加進來,接著統計的元素也進來了,慢慢地就形成了一個非常蓬勃的領域。

那現在我覺得是在一個新階段,之前 AI 都在實驗室裡面,那現在我們開始進入到商業應用的階段主要是因為資料搜集變得比較容易,也就是原料的取得變得簡單。那中間 cooking 的過程呢?現在的機器非常便宜,也間接讓計算變得更便宜,所以中間的機器學習變得可以負擔。而這些就是為什麼市面上越來越多 AI 的終端產品出現的原因。

Q: 從上述的解說,我們可以知道 AI 的出現與網路蓬勃發展高度相關,可以詳細談一下這中間不管是硬體或是資料產出等等的變遷嗎?什麼時候運算能力過了 AI 可以蓬勃發展的臨界點?

游:AI 可以說是應用範圍很廣,需要的層面也不太一樣。不過整體來說當硬體在平行計算、GPU、CPU 的運算上變得更便宜、跨過了成本門檻時,等於有更多應用都可以做到,這是一個漸進的過程。

時間上來說,大約是 2010 前後開始,這些以前無法負擔的演算突然變得可以負擔,這就讓那些複雜運算得以離開實驗室。而演算成本的降低與運算速度的增快,更是讓「即時反饋」成為可能。這也是為什麼我說運算變便宜後,我們得以將「機器學習」帶入應用中。

Q: 我們剛好在一個重要的技術躍進的階段上?

游:現在就是一個 AI 爆發的點。

Q: 聽起來其實就跟我們現在講 IOT 的爆發,以及工業 4.0 即時反饋是高度相關的。

游:其實不只工業 4.0,你看到的所有日常生活中的東西,只要它可以搜集資料、做出決策、自動化,它都可以運用 AI 做出更多應用、改善效率。這也是 Appier 一直在講的 AI plus。

AI 可以應用的層面相當廣。它不只是針對一個人的分析,它也可以是關於一群人的紀錄,甚至幫助專業人士下診斷結果,或更精準的去判斷分析。

Q: 可以再多講一點關於中間「機器學習」的部分嗎?

游:機器學習就是數據與 AI 中間的「學習過程」。這個過程會依你的目的,將你搜集來的數據資料分析、優化。

機器學習與 AI 之間的關係是一種「流程」的關係,也就是說機器學習演算出來的「智慧」就是 AI。

機器學習是產生「智慧」的方法,且機器學習可以學到一些人們意想不到的東西。在以前古老的 AI 思維是找一個專家說這個時候應該做什麼事等等,最後這一套智慧程序是依照這位專家的所言所為產生結果。但現在的機器學習不是這樣的操作方式,它是讓機器從數據與結果間,自己去找出規則,而這樣的處理方式就可以讓它做到「超人」的努力,比以往用「人」的方式所產生的分析更為精準。

Q: AI 將扮演什麼關鍵性角色/作用?

游:AI 未來會像是氧氣一樣。有了 AI 才能比較有效率,做的決策才比較容易正確。這變成是一個 AI everywhere 的概念。

(以物聯網來舉例呢?)

其實不只是冰箱可以通知你該去買牛奶了,AI 可以做得更有效率,像是提醒使用者,新聞上面有報導哪些是毒牛奶、什麼時候買進會比較便宜、然後我什麼時候買的時候可以降低壞掉的機率等等。

現在AI 應用在 IOT 上面的案例都還處在很早期的階段,我認為最重要的是我們能不能夠真的很大膽地去嘗試,去探索 AI 可以幫助你做什麼。

(這樣的技術有很難做到嗎?)

現在技術都可以做到上述這些了,不難。主要是等待商業市場、產業鏈可以適應這樣的應用。

(時間大概需要多久?)

我覺得應該是蠻快的,你可以想像在十年以後 AI+ 的現象在生活中將很明顯。我們自己就認為未來是 AI + everything 的社會,不管是牛奶、水龍頭等等這些都可以是智慧的。

而 AI 的應用主要是依個案特性來做,這意思就是說我們依照不同的應用需求去搜集不同的數據,然後依照不同的需求去選擇相對應的演算法。這樣產出的 AI 結果才是最適切的。

Q: 怎麼去推動 AI+?

游:其實有很多面向要配合,第一個是大家要知道 AI 能夠帶來的利益是什麼?這是一件非常重要的事情。

第二個也蠻重要的是為什麼 AI 在以前蠻難做到的。其實很多時候是演算法已經可以做得到,但被機器的演算能力限制住了,所以它沒辦法實現,但現在這事情已經克服了。就下來就是看殺手應用的出現。

現在是一個臨界點:大家覺得 AI 是一個重要的技術,然後演算能力也已經準備好了,不少些地方也已經 demo 出很多 impact,而且每天都有更多人在投入這樣。但整體情況看來,還是會需要科技公司,可能是成熟的或是新創的公司來去做一個橋樑的角色。

Q: 你覺得現在大家在理解 AI 上面最大的迷思、錯誤想像、刻板印象是什麼?

游:最常見的是覺得 AI 會取代人,其實在未來,AI 就是一個助手,很多時候是我們用 AI plus 在不同領域上的應用,讓整個過程更有效率,AI 就是幫助我們的世界進步的更快。

然後第二個是覺得,有了很多大數據就代表可以做好智慧決策。其實不然,因為做出智慧決策其實是後面機器學習到產出的部分。數據只是第一步而已,後面怎麼樣適用一個好的演算法,讓機器能夠真的學習,然後進一步做出一個智慧的產出,其實才是整個流程中真正困難的部分。

這需要很多研發與投注,只有數據卻沒辦法直接挖掘數據背後的意涵是沒有任何意義的。數據本身就一直存在了,但如果沒有 AI 就沒有背後的關鍵洞察或是引導出任何有意義的行為。所以說數據與 AI 並非等號,只能說數據是 AI 的原料。

Q: Appier 在營運上,你覺得短期內最重要的目標是什麼?怎麼回應長期?

游:其實短期、長期都很一致,就是 make AI easy! 讓 AI 在廣告跨螢的分析變容易、讓 AI 成為可以很容易與人互動的工具。

目前廣告只是最終呈現方式,但更重要的是我們在做的事情其實就是發現裝置之間的關係,並將這個關聯性建立起來,也就是說運用數據分析發現裝置間的關聯性、建立出用戶的個人裝置網絡。

這個作用就是我們可以了解到同一個用戶在一天之內,他在各裝置上面的行為、使用模式,理解了這些當然就能讓內容(廣告等)的傳遞就更有效。

那這其實是我們專注在做的事情,廣告只是一種方式。

(你們是怎麼知道使用者在用這些裝置的?)

我們都是用 AI 去演算、預測。可以說我們在技術上比較領先的部分就是,我們可以單純的運用公開資料做到歸納、預測出多螢使用者的行為歷程。

Q: 從全球競爭的角度來看,技術型創業比較有長期擴張的可能,也比較容易在產業鏈中佔據核心的位置,但台灣很少看到以技術等級為核心的新創,你怎麼看這個現象?

游:其實,問到我的觀點的話,我覺得如果台灣公司要在軟體上面有一些優勢去競爭的話。要記得軟體是沒有國界的,基本上你在第一天就是要跟大家一起競爭,不可能說我們是哪邊第一名的 AI 公司,重要的事能不能做到國際標準。

所以我們並沒有想說我們是台灣人或台灣公司,我們一開始定位就是 Global 企業。我跟我的夥伴在過去十年一直都在做同樣的事情,就是思考科技下一步可以解決什麼問題。那比較跟我們在什麼地點,我們在什麼時間點做這事情無關。這變成是我們的一種工作的習慣。

後來之所以回來台灣,是因為我們在 2010 的時候覺得,其中一個因素是是台灣其實有蠻多不錯的軟體人才。因為我就是台灣的,我在台灣接受軟體教育,所以我知道;我從一個蠻平凡的工程師,到後來去美國念學位,然後我發現在學術上面我在美國可以做到頂尖,那就表示說至少在台灣比我還厲害的那些人、更厲害的學弟妹一定有很多。而這些人才缺少的是一個平台,所以我們也是希望能夠在台灣搭建這個平台。

Q: 你覺得台灣人才欠缺的是什麼?

游:我覺得人才是好的,只是差一種「面向國際的野心」。我自己覺得這是一種堅持,心態上的堅持。

譬如說,在美國或哪一國公司可以做到很酷的技術,然後你可以有幾種心態:一種會拍拍手說好厲害;還有一種會說我們可以怎樣 copy;但更積極的是他已經做到這樣子了,那接下來我們還可以怎麼去改進甚至去突破?假設我們有更多人是往這個角度去思考的話,我相信台灣也是可以變成一個軟體重鎮。

所以在軟體教育技術上,我們從技術含量來看,台灣訓練出來軟體工程師質量在全球比較上來看,還是好的。

Q:你到目前為止有覺得不管是在產品、未來營運等,哪些是很大的挑戰或障礙?

游:我比較不會去想障礙,我每天都會遇到蠻多挑戰,但我會想說堅持住,低下頭、解決它。基本上我們都差不多是這個樣子。

Q: 軟硬整合創業相關,關於台灣的下一個五年,新政府可以做的事情是什麼?

游:基礎建設要做好、法規要鬆綁,這些好了人、錢就會來了。我覺得台灣是一個蠻好的多元文化交集的地區,我們離中國很近、離日本很近、離東南亞也非常近,是一個很好的交集點,也許我們可以是一個亞太的創新中心這樣。

至於要做什麼的話,我覺得反而是一個比較開放的元素。

(那你覺得需要政府來做什麼嗎?還是是業界之間的?)

讓企業家沒有顧慮的往前衝。我覺得是最重要的。

這幾年機器學習、AI 人工智慧等詞彙人人琅琅上口,
你知道人工智慧的基礎,就是資料科學嗎?
講座倒數幾位名額熱烈開放中,詳細資訊請點我

AI_600x100--for web