優秀 AI 人才要留台?比起高薪,台灣更需要具自我風格的 CONNECT with AI——專訪清大電機系孫民教授

孫民教授

【我們為什麼挑選這篇文章】CONNECT with AI,人才將是下一個重要的關鍵決勝點,台灣如何打造、創造適合台灣人才的環境,一個適合訓練、培育 AI 人才的環境,而不僅僅只是高薪(責任編輯:林子鈞)

近年來,人工智慧越發成為全球熱議的話題,尤其是在 AlphaGo 與柯潔的人機圍棋之役以後,更是越發蓬勃發展。但「人工智慧」究竟是什麼呢?

人工智慧的「智慧」是非常難以定義的,以圖靈測試為例,圖靈測試其實就是一個聊天能力測試,以「人作為辨識標準」,當人類難以判別對話對象是出自機器還是人類時,就代表機器具有人類的聊天、語言智能,視為一種人工智慧。

簡言之,人工智慧指的是機器能否做到某一特定的測試或操作,而測試的判準則是由人類決定。而為了瞭解人工智慧的發展趨勢、產業應用現況以及台灣 AI 人才的發展,TechOrange 發行人張育寧與清大電機系孫民教授深聊,以下為訪談對談實錄。

《TechOrange》發行人張育寧(以下簡稱張):想請問您,深度學習近年來的突破為何?又是因為哪些關鍵因素而有所突破?

清大電機系教授孫民(以下簡稱孫):深度學習是機器學習的一環,而如果要探討深度學習近年來的突破,就要分成 Deep(深度)和 Learning(學習)兩個部分去解釋會更清楚。

先從 Learning(學習)的部分來解釋,現在社會比起過往已經累積了大量的數據資料,而工程師會負責撰寫學習方法的程式,也就是教機器、電腦一套學習方法,讓機器透過此方法搭配數據資料自己去學習。

而為什麼以往機器「學」不出成效?原因有二,一是數據資料不足,二是學習的模型不夠複雜,無法用機器去學習複雜的目標。這一複雜程度就是 Deep (深度)的部分,模型的複雜度可藉由模型深度 (Deep 的部分) 去調變,通過多層的非線性轉換,不斷調整參數才能幫助機器得出對的「學習方法」。

也就是說,近幾年來深度學習會有所突破是根基於以下三大關鍵因素:數據資料、運算能力的提升(GPU)以及人才,因為聰明的人才才能夠迅速修正演算法,讓深度學習有所突破。

張:人工智慧在這一兩年重新崛起,全球討論度極高。但就您對 AI 的了解,實際技術發展與社會輿論是否太過誇大?若有,落差點為何?

孫: 現在社會普遍上對於人工智慧的「學習能力」的確有誇大的現象,AlphaGo Zero 的自學成功並不代表可以直接套用在所有其他人工智慧應用上。

圍棋其實有個特性,圍棋是沒有隨機性、下得再久也差不多就是 200 多手就一定會有勝負,對於棋譜也是全面性觀察的。但是 AlphaGo 以及自駕車的人工智慧系統是不太相同的,自駕車的系統是充滿隨機性的,簡單來說,同樣是轉方向盤 30 度,下大雨天、晴天、毛毛雨天都會讓汽車行駛的角度有所不同,更不用說,路上的行人、其他汽車的反應都是變數。

變數越多表示需要調整的參數,以及非線性轉化就越多,AlphaGo 以及自駕車的「深度學習」是大不相同的。

人才、產業全數到位
台灣才有 AI 化的可能
立即購票

張:台灣發展人工智慧的最大障礙為何?台灣又該如何改善?

孫: 其實台灣什麼都缺,缺人才、也缺乏可以提供 AI 人才就業機會的在地產業,但是最缺的是一個能讓台灣走出自己風格的挑戰。我覺得真正優秀的人才未必會為了高薪留在一個地方,但會為了一個指標性的挑戰、一種使命感而全心投入研究。例如,前些日子圍棋的人工智慧研究就是這個領域普遍認同的重要課題。舉例來說,AI 研究領域的其中一個挑戰是 AI 在機器人領域以及人機互動領域的應用,台灣在這個方向上是否能定出有自己風格的挑戰,讓有使命感的人去衝刺。我認為台灣目前最缺乏的。

至於如何培育台灣的 AI 人才?其實選好研究主題非常重要!我自己的做法是,會刻意避開 Google 、臉書等大公司已經做得很好的研究技術,去尋找大公司未來兩三年內可能會做的研究目標,像這樣有前瞻意義的研究議題通常也能被國際上的 Top Conference 接受,而且是大公司未來兩三年會做的趨勢方向。

但即使人工智慧人才被培育出來,台灣也需要有產業把 AI 人才留在台灣,因此產業與學術的相互合作是至關重要的。

然而,目前觀察到台灣企業提及人工智慧技術應用,常常都是思考「AI 技術可以如何幫助我們企業 Cost-Down 或是將產品生產效率提高」,目標都是原本的產品數量提升或成本近低,而非去思考企業與學術界新技術結合的「新的可能、新的商業模式」。這是台灣與美國很大的不同之處!

張:據您的了解,因為人工智慧需要倚賴大量數據,那 AI 技術的商用是否會大者恆大?由 Google 、Facebook 等大公司持續把持技術?

孫: 我覺得並不是這樣的,人工智慧讓技術迭代速度加快,可能帶來全新的商業模式,進而創造更多機會,所以新創公司會更有機會超越大公司。

更詳細來說,以往大公司大者恆大是因為用戶數量多,如果市面上有新的技術和應用出現,大公司會利用龐大資料的利基,加上高薪聘人快速追趕上進度。但是人工智慧很有可能創造一種全新的商業模式,而這種新的商業模式很可能奠基於現在大企業都還尚未擁有的數據資料利基之上,一旦這樣的技術和商業模式出現,也就會顛覆 AI 技術「大者恆大」的狀態了。

張:對於想要入門學習 AI 的工程師,您會建議大家如何入門人工智慧?

孫: 談到學習人工智慧,我直覺會先想到傳統學院派的作法,也就是,出國進修接著進入有名的實驗室和著名教授合作,發表有前瞻性的論文。經過這樣的扎實學院派教育後,會對基礎理論有更清楚的了解,對於往後「隨時閱讀最新論文,跟上全球技術」非常有幫助。

但除了傳統學院派的作法,如果想要入門自學 AI 技術,我會推薦先從 edXCoursera 等學院的開放線上課程平台學習,而且一定要按照課程要求完成所有作業。作業對於基礎功是非常重要的!

再來,如果上完幾堂課程,已經對人工智慧理論有一定了解後,我建議開始閱讀學術界最新的論文,最好和同儕圈組個讀書會,遇到不懂的可以隨時討論、保持學習熱忱。

最後,一定要從實作中學習、累積經驗,強烈建議要建立自己的 Github 帳號,把自己的程式碼全都開源,這會為你帶來前所未有的機會。舉例來說,我自己的學生就曾因為將傑出的程式碼作品公開,因而得到去 Uber、Stanford 等地實習、工作的難得機會。

(本文供合作夥伴轉載使用。)

延伸閱讀

大數據人工智慧人才晉級指南:從菜鳥到高手,四大階段必學資料庫
NVIDIA 成為推動台灣 AI 革命推手!攜手科技部,4 年培育 3000 位人工智慧專家
【遊戲工程師要失業了?】人工智慧只「看」2 分鐘超級瑪莉歐,就能完美複製它
2017 年最完整自學資源懶人包:Python、Google Analytics 到人工智慧想學什麼全都包
史上最完整機器學習自學攻略!我不相信有人看完這份不會把它加進我的最愛

 


【徵求產業線編輯 3 名】

工作內容與需求:

1. 高度關注國際科技趨勢、台灣產業新聞
2. 根據月度編輯台企劃,執行編輯、採訪與撰稿工作
3. 進行線上、線下媒體策展
4. 根據不同策展專案進行跨部門溝通
5. 針對網站數據做解讀與優化分析
6. 具有 2~3 年工作經驗的媒體工作者
7. 習慣閱讀《彭博社》、《財富雜誌》、《金融時報》、《Fast Company》者更佳
8. 目標導向思考,對準目標、彈性工作

【應徵方式】

意者請提供履歷自傳以及「相關文字作品」,寄至 [email protected]。來信主旨請註明:【應徵】TechOrange 社群編輯:您的大名

點關鍵字看更多相關文章: