黛莉妍
订报优惠

技术债-天下没有白吃的午餐

  • 徐宏民
技术债可以用素质好的人力弥补,例如挖角、并购,但是往往价格高昂。(图片来源:Pixabay)

前一阵子,负责智能技术的Intel副总兼CTO Amir Khosrowshahi 来台,有机会交流。Amir说明Intel在未来智能服务的定位。其中提到了NIPS 2015 Sculley的论文中「Technical Debt」(技术债)的概念—原意为软件工程中太快速、轻忽的开发,所招致的长期成本负担。

这是很有趣的一个名词,用来解释天下没有白吃的午餐。尤其是近来智能化显然是相当重要的未来产品方向,但是也得搭配其它不可或缺的要件。Sculley的论文主要讨论智能元件上线之后,对于在线的工程系统有怎样的工程挑战:比如说如何维持特征值撷取版本,过多的特征值,训练模型的版本等等,值得工程人员关注。

核心智能(机器学习或是深度学习)常常只是工程系统中的一小部分,为了让整个服务可以完整的运行,还有其它重要配合的工程部分,例如资料收集、标准、运算资源管理、运算平台、监控服务、终端环境的推理硬件元件等。英特尔(Intel)的企图是想提供这一大部分,不是只有机器学习核心。当然这是极富挑战的工作,也有许多竞争者正全力冲刺提供类似的解决方案。

每个有价值的垂直领域,都有专业的知识,需要时间、成本累积。举例来说,从两年多前开始跟医学领域的人一起合作,完全可以感受到跨领域的挑战,令人战战兢兢。技术债可以用素质好的人力弥补,例如挖角、并购,但是往往价格高昂。

同样的,对于非以IT技术擅长的产业,即使是获利非常良好的隐形冠军们,要智能化在公司内部开始产生效益,也需要相当的时间跟花费(同样的,有许多技术债得偿还)。当然,经营层的决心是最关键的。

这也可能是许多新创公司的机会所在。尤其是专注服务于产出大量资料,以及资料单位价值高的几个领域:例如制造、能源、健康医疗、交通、IT等,都是值得大量投资智能技术的领域!

徐宏民(Winston Hsu)现任台大资工系教授及NVIDIA AI Lab计画主持人。哥伦比亚大学电机博士,专精于机器学习、大规模影像视讯查找与辨识、前瞻技术商业模式等领域。为讯连科技研发团队创始成员,曾任IBM华生研究中心客座研究员、美国微软研究院客座研究员。习惯从学术及产业界的角度检验技术发展的机会;十余年产学合作以及新创经验,近年与国内外企业合作,将深度学习技术落实到产品上,并且协助成立深度学习(人工智能)团队。曾获ACM MM 2014 Grand Challenge Multimodal Award、杰出信息人才奖、吴大猷先生纪念奖等多项国内外大奖。