「比起管理職,我更想當 AI 工程師!」年過半百的文組老闆從零自學 Python

 

(本文經合作夥伴 大數據文摘 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈50 歲文科背景,日本副社長一年自學 AI 1k 小時,獨自完成編程測試,項目被雀巢採 〉)

【我們為什麼挑選這篇文章】「活到老,學到老」用這句話來描述這篇文章的主角再適合不過了!如果你現在因為年紀、本科專業、社會價值、他人觀感等因素限制,遲遲不敢往內心那個嚮往已久的目標前進,下面這個 50 多歲、文科背景、已經是公司領導人的日本老伯,他從零開始學 Python 並帶領公司部署 AI 的故事,或許能帶給你一些啟發。(責任編輯:賴佩萱)

比起管理,或許研究和工程方面的工作更適合我。」在一家從事產品包裝研究和設計的公司擔任副社長的坂本英樹如此感嘆道。

50 多歲,文科背景,一家市場調查公司的社長,這幾個標籤和 AI 似乎看上去並沒有什麼關係。

但是,坂本英樹現在所在的公司 Plug 正在開發一款 AI 服務「Package Design AI」,簡單來說,這是一種能夠評判包裝設計的 AI。目前包括卡樂比和日本雀巢在內的多家大型食品製造商都已經將其正式投入商用了。

在雀巢的一個系列產品中,用熱圖評估了消費者關注的地方。

儘管這個 AI 服務是與東京大學的聯合研究項目,但實際上從寫程式到實際測試以及最終的落地,全部都是坂本英樹一個人完成的。

開始這個專案之前,坂本說,「我連 Python 是什麼都不知道 」。

那麼副社長坂本英樹到底是如何入手開發 AI 服務的,又是什麼促使了他選擇獨自開發這款專案,趕快和文摘菌一起來揭秘吧。

AI 成為統計消費者數據的好工具

如果先告訴你,Plug 是由兩家公司合併而來的話,或許會更好理解公司如今的發展和抉擇。

1957 年,坂本的公司還在從事 市場研究 ,現任 Plug 社長小川亮從 1989 年以來就一直從事 包裝設計 ,兩家公司與 2014 年合併,目前約有 70 名員工。

或許你會疑惑,為什麼一家設計公司會和市場研究公司合併,這是因為 調查消費者反應的時候,他們對於產品包裝設計持何種感情十分重要

比如說,假設剩下兩個最終的設計候選方案 A 和 B,當決定使用哪種方法時,傳統的方法是讓數十至數百個消費者聚在一起,收集他們的意見和想法,統計得出哪種方法更得人心。

換句話說, 大多數產品包裝都是由客觀數據確定的 ,「這是因為它在市場上更受歡迎」,而不是某種主觀因素,「這在某種意義上說是更好的」。

但是,當同時抓住市場研究和設計兩頭的時候,這個數字化問題就成了一個商業挑戰,而 AI 正好可以作為這個問題的最優解。

從零開始學 Python,他越學越有趣

其實,這個問題,也完全可以用外包的方式來解決。

但是,坂本英樹表示,「外包的話,知識無法在內部累積」。

同時外包生產的 AI 模型也不總是能達到理想的精度。 如果沒有內部知識,那麼後期的準確性也就無法得到保證 ,比如說你可能不知道未來如何去提高準確性。

「實際上,我們在開發之初就試圖將其外包,但是坂本和同事因為遇到種種問題,最終轉向了內部生產。」

但是,還有一個問題,公司最初並沒有進行 AI 相關的培訓,如果要公司自己開發,研發人員從哪來?

於是,坂本英樹決定從零開始學習 Python。坂本先生在接受採訪時表示,這是他第一次接觸程式,在使用 Python 的時候,甚至都不知道 for 語法是什麼。

於是,阪本先生第一件事就是報名了一所程式學校並在家學習,目標是一年學習 1000 個小時,「如果工作日學習 2 個小時,假日學習 5 個小時,那麼一周就是 20 個小時,堅持一年,大約就是 1000 個小時」。

在一所程式學校學習了兩個月的基礎知識後,阪本先生還學習了一些機器學習相關的課程,再加上本身具有的統計知識,整個過程還是比較輕鬆的。

不被家人看好、不知道專案能否被採納,5 個月後一切豁然開朗

最初,該專案是在工作時間以外啟動的。雖然這是一個重要的管理問題,但公司也不知道能否將其轉變為正式的專案。「我私下每週花 20 個小時在寫程式和 AI 上,我的家人都對此感到了厭煩,說『你滿腦子都是 AI』」。

開始開發的 5 個月後,阪本先生意識到,他們能夠開發出一個模型。雖然設計的實際評價和人工智慧評價的相關性很低,只有 0.3;但經過後續的研究和討論,終於把相關性提高到 0.5。

「這時我們確信,我們可以把這個專案做成一個內部專案。」

比起管理職,50 歲大叔更想當 AI 工程師

當這個公司內部項目敲定之後,坂本先生也作為副社長參與到了管理研究團隊的工作中。

「當然,我能夠減少我的正常工作。我有很多事情要做,所以我一般會在研究困難時加入。現在我的正常工作是大概佔了 2-3 成,其他的都是 AI 相關的工作。

當被問及管理領導和 AI 工程師,他更喜歡哪個職業的時候,阪本先生激動地回答,「AI 工程師有很多研究性質的工作。例如,要使相關性增加 0.1,你就必須嘗試各種組合,一次計算需要一個小時,但最終結果就算只增加了 0.01,也會感到非常高興。」

「你可以做以前無法做的事情。現在使用 AI,任何人都可以很輕鬆地進行圖像處理和自然語言處理,並且可以非常快速地對其進行可視化處理。這非常有吸引力,雖然很有難度,但我們會追趕。我覺得自己正在成長,這與公司的成長息息相關。因此,我認為我目前的工作比總裁和管理層更接近我想做的。」

用 AI 做行銷,速度快且便宜

但也不是一直都一帆風順。當嘗試了很多方式,相關性還是沒有提高,這就很痛苦了。

這種時候,坂本先生就會求助於東京大學訊息科學與技術研究生院的相澤山崎松井實驗室,他與實驗室副教授山崎俊彥每 1 個半月會開 1 次會,根據進度聽取對應的意見。

坂本先生說:「這種會面中不只是程式教學,還會提出『有這樣那樣的算法,你為什麼不試試呢』。然後我用 Google 搜索了一下,在例會上報告出來,山崎教授會給出 20 個左右的問題,然後會嘗試其中 10 個,再解決後續問題。如此下來,一年的時間,我收到了大約 60 個問題。」

在山崎教授的建議下,坂本先生開始一個人實施 包裝設計的 AI 服務 ,這款 AI 可以將好感度分為 5 個階段進行評價,除此之外,還可以將消費者關注的地方以及什麼理由等可視化,整個過程只需要幾分鐘。

羅森的蘋果汁和 7-11 的包裝設計對比
無論是 50 多歲的男性還是 20 多歲的女性,對 7-11 中「美味」標籤的評價會比較高(左),在好感度方面,50 歲左右的男性更喜歡 7-11,20 歲左右的女性更喜歡羅森(右)。

這樣的系統不僅可以替代正常的包裝設計評估流程,而且對於「分銷策略」也很有作用。

這是「設計上的一點變化」。根據商品的不同,有時在不改變內容的情況下,只稍微改變包裝設計。因為如果不改變設計,分發端就會以不需要舊商品為由,不讓其進入銷路。但是,如果改變過多的設計,就無法被消費者認為是同一種商品,就會賣不出去。據說這樣的變更是常見的手法。

但是,在更改設計時,像過去一樣,實際上需要花費時間和金錢才能使人們看到包裝設計並進行問卷調查,「這通常需要數月甚至數百萬美元」。但是使用 AI 的話,一切的工作都可以在數分鐘內完成,每張圖像的生成成本也只需要 15,000 日圓(約台幣  3900 元),只有傳統的 1/100。

AI 還有哪些意想不到的創新應用?線上雲端技術論壇 幫你整理  AI 最新趨勢,教你 AI 實作工具,培養你的斜槓能力!

AI 具「客觀性」,處理數據比傳統調查方法更有效

即便如此,坂本和他的團隊認為,基於人工智慧的包裝設計可能性預測最終都會被接受的, 因為類似的情況在 20 年前就已經存在。

「當基於網路的調查方法剛出現時,有人懷疑它與面對面的數據是否一致,但不久就被接受了。同樣的,如果人工智慧方法得到認可,它可能會成為『比當前方法更好的方法』」。

現在已經有客戶表示,「AI 的結果似乎更準確」。傳統的調查方法,可以故意透過強行調查問卷來改變現狀,「重要的不是強求的結果,而是產品是否真正被消費者接受」。這也是人工智慧的客觀性如此受到重視的原因。

沒經驗沒關係,日本大叔提供場域讓年輕人學習

為了應對客戶的進一步要求,坂本先生正考慮從單獨開發轉向團隊開發。目前,專案本身已經和公司的基礎架構工程師使用程式碼管理工具 Git 共享,所以重要的是招人。

「想引進一些 30 歲左右的年輕人,他可以沒有人工智慧方面的經驗,也沒有做過 PHP 等工作。想從事人工智慧工作的人很多,但能作為人工智慧人員累積經驗的地方並不多。在這方面,我們有很多數據集和知識,所以我們認為我們可以一起學習。

(本文經合作夥伴 大數據文摘 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈50 歲文科背景,日本副社長一年自學 AI 1k 小時,獨自完成編程測試,項目被雀巢採 〉。)

你可能會有興趣


訂閱《TechOrange》每日電子報!

每天一早,需要來根知識能量棒? TechOrange 與你一起,吸收世界新知識、消化科技新局勢。點我訂閱電子報 ,取得最新深度報導。

點關鍵字看更多相關文章: