圖片來源:Shutterstock

自 2020 年初疫情爆發並蔓延全球之後,我們在 AI 的普及與應用上面,都能看到一個加速的情況。首先可以從比較宏觀的一些數據,來看 AI 對於現在一般企業及一般個人的整體影響與發展。

企業導入 AI 的困難與挑戰在哪?

我相信大多數人在過去幾年,已經聽到非常多 AI 人工智慧的發展與應用,而 AI 跟數據其實密不可分,事實上,最近在企業採用 AI 的過程中,會聽到一個常見的痛點就是,有超過一半的時間,企業幾乎都在處理資料。

根據 Cognilytica 研究報告指出,在機器學習專案任務常見的時間分配中,前半部的時間都將 AI 的導入和應用,完全聚焦在資料的清理(Data Cleansing),還有資料的標籤(Data Labeling),甚至於資料的擴展(Data Augmentation)上面,而真的在導入 AI 的模型也好、演算法也好,都是在後半部,只佔很小一段比例的時間,這是整個產業界在導入 AI 的現況。

所以我們能發現,雖然 AI 現在於全世界的發展有加速的趨勢,但導入 AI 其實對於很多的企業主或者是一般的商家,還是有一個蠻高的門檻。

一般我們對 AI 的認識可能都來自於行銷的一些事件,比如說幾年前的 AlphaGo,這個會下圍棋的 AI 軟體出現,讓人類重新重視整個 AI 的發展,而如果我們從另一個角度來看整個 AI 發展的話,應要更宏觀地來了解,現在全世界的運算能力,到底有多少是花在 AI 上面?

訓練 AI 的成本正在變高,所需運算量龐大

AI 其實從 1960 年代前後就已經開始發展,根據經濟學人報導,我們在訓練一個 AI 模型所需要的成本還有計算時間一直不斷在增加,在深度學習 2010 年大行其道之後,整個趨勢翻轉,原本是每兩年才需要把運算能力翻倍來訓練一個更好的 AI 模型,到了 2010 年之後,就變成每三到四個月,就需要用翻倍的計算能力,來訓練更好的 AI 模型。

所以訓練 AI 模型其實也變成一件成本越來越高,而且需要越來越多運算能力的事情,AI 一直有這最後一哩的難題。我們都希望 AI 的表現可以跟人盡量接近,然而在這爬坡的過程中,要從 90% 的精準度到 99%,它的坡度是完全不一樣的,每往上一個級距,其實是增加十倍的運算量。

就摩爾定律講的是,人類的運算能力每兩年大概會增加一倍,但是我們在訓練 AI 模型的時候發現,要增加 AI 的精準度,每三到四個月運算能力就要增加一倍,這也是為什麼產業界致力於 AI 突破,以及在採用 AI 的時候,其實成本會是他們一個主要的考量。

當代 AI 發展的 9 大進程

即便如此,全世界還是非常快速地在採用已經成熟的一些 AI 技術,其中,史丹佛大學在今年發佈了一個 AI Index 的報告,摘錄了九項 AI 在全世界發展的主要重點,我們可以逐一來看:

1. AI 投資成長顯著
在 AI 的投資上面,2020 年相較於 2019 年增加了 4.5 倍,這是非常驚人的成長,可能也因為疫情的關係,人類對於 AI 的研究和投入,主要就放在製藥還有生醫領域,因此在藥物的研究與開發上面,以及分子生物學的研究上面,在 2020 年的投資遽增。

2. 產業界對 AI 發展的影響持續提升
整個 AI 還是非常以實務導向為基礎在發展,從 2019 年到現在,65% 的 AI 博士畢業生都到業界去工作,相較於十年前,也就是 2010 年深度學習剛開始的時候,比例只有 44%,增加了非常多。

3. AI 生成一切
AI 已具備一定程度的創作能力,能開始合成非常多的文字、影像,甚至於是圖片,人類已很難分辨真假,這會在後面的文章給大家一些簡單的例子來做介紹。

4. AI 人才多樣性不足
目前在 AI 研究人員及從業人員的多樣性上面,其實是面臨挑戰的,在美國有 45% 的 AI 從業人員是白人,少數族裔從事 AI 相關工作的比例就相對較低。

5. 中美 AI 軍備競賽:學術領域的研究方面,中國因為有政府蒐集大量的數據,近年一直在 AI 領域有快速的發展,尤其最近一個指標就是,中國在 2020 年的論文發表數量,首度超越美國,不過整體來說,在過去幾十年來 AI 的發展,美國所累積的論文被引用數量以及論文本身的數量仍為最多。然而,我們可以看到中美兩國已經形成一個 AI 軍備競賽的狀況。

6. AI 人才需求高
美國從事 AI 研究的人才,有 64.3% 是來自於海外,且比例持續增加當中。因此,從美國的角度來看,要吸納 AI 人才的話,還是從海外為主,而全世界現在正是一個在廣納 AI 人才的階段。

7. 監控科技快速普及
監控科技在過去兩年的發展進步非常的快速,主要是因為電腦視覺技術(Computer Vision)在 2017 年的時候,已經正式超過人類眼睛的準確度,現在大家可以很直觀地認為,攝影機比人的眼睛看得還要精準。這樣的進展也就讓整個產業有很大的變化,包括我們在監控交通和一些犯罪事件的時候,它的精準度都比肉眼辨識要來得高。

各國政府現在其實廣泛地在採用不同的監視和監控技術,當然這就會引起一些道德,或是 AI 發展上的一些社會層面問題,包括監控到底本身是不是合乎整個社會價值的規範。

8. AI 道德規範缺乏衡量指標
AI 的進步速度真的很快,因此對於這些公共政策以及個人隱私的討論,在過去幾年才剛萌芽,目前還跟不上整個 AI 產業發展的技術,整個業界其實也缺乏明確的衡量指標,說到底一個合乎道德規範的 AI 應該怎麼來做,這些都還在剛起步的階段,但商業界已經很快速地在採用這些技術。

9. AI 已得到美國國會的強烈關注
很有趣的是,近期 AI 終於在美國國會被非常高度地重視,美國國會到現在已經第 116 屆,這可能是有史以來提到 AI 最多的一屆國會。在過去一段時間,美國國會就非常重視幾家美國的網路巨頭在全世界的一些發展,AI 與數位科技的聽證會,也不斷在舉辦,可以說,現在正是美國國會最重視數位科技和 AI 的時代。

上述就是較宏觀地來看全世界發展 AI 的幾個主要重點。AI 不僅是企業的關鍵競爭要素,更已成為國家競爭力的新指標,對人類的影響從經濟、工作擴及到社會層面。下一篇文章,我將會分享 AI 對於人類工作、人才需求等面向帶來的影響。

作者介紹:

程世嘉 Sega,跨國 AI 公司 iKala 的共同創辦人暨執行長,史丹佛大學電腦科學碩士,台大資管系學士,2015 年潘文淵獎得主,專長人工智慧。

過去曾任 Google 軟體工程師,參與 Android 多媒體框架、地圖及中文搜尋等專案,將機器學習融入這些產品,是台灣第一位登上 Google I/O 開發者大會的講者。

iKala 的使命是「AI 賦能」,讓客戶能夠以 AI 為核心來達成事業轉型、加速、及創造新商業模式的目標。