DForum
活动+
 

AI何时加速普及化 先克服这四大挑战再说

AI辨识技术逐渐获得政府的注意,将帮助政府追踪人民的行为。法新社

人工智能(AI)正面临诸多挑战,举凡清理资料,解决政治、法律和伦理问题,加强人们对机器的信任,要是没有成功克服这些难关,AI就无法发挥最大潜能,不利于在各行各业普及开来。

据Semiconductor Engineering报导,AI所面临的第一个挑战就是资料清理,毕竟任何AI应用皆以大型资料集为基础,若资料隐含偏见,就可能得出有偏见的解决方案。

安谋(Arm)机器学习团队特殊专案副总裁Steve Roddy表示,AI主要关乎资料,如果资料集隐含偏见,AI模型就会有偏见,模拟结果也会有偏见,所以技术人员有责任确保这些算法公正客观。

然而,当AI公司抢著推出新产品,就可能没做好资料质量把关。Imagination Technologies视觉暨AI资深商业发展主管Andrew Grant表示,以AI医疗应用为例,这个领域有莫大的潜力,但由于训练资料尚未到位,难以完成AI模型训练、减少错误和取得正确资料。

第二个挑战是政治面。AI逐渐获得政府的关注,Allied Analytics数码营销工程师Sharad Singh表示,AI相关的政治法律议题,尚未受到政府的妥善处置。一方面,AI经常被描绘成杀人机器的邪恶势力,或者会抢走人类的饭碗。另一方面,AI又可以帮助政府监控行为不检的人,例如中国大陆政府就运用AI脸部辨识技术来追踪人民的行为,建立每个人的社会信用评比。

Achronix副总裁兼首席工程师Raymond Nijssen表示,1970年代政府也曾经针对微处理器课征重税,因为当时这项新技术可能抢走蓝领阶级的工作,如今AI也会威胁蓝领阶级的就业机会,但AI也会提高员工生产力,在未来数十年提振国民生产总额(GDP),所以真正的重点是预先做好准备,把整个自动化过程拉长为数十年,让大家都有机会适应变迁。

第三个挑战就是建立信任。信任通常是来自于理解,Cadence的Dave White表示,大规模决策系统需要可解释AI(Explainable AI),否则AI就象是深不可测的黑盒子,无法取信于人,换言之,值得信任的AI必须有观察(Observe)、判断(Orient)、决策(Decide)和行动(Act)的OODA循环,进而鼓励人们接纳自动化的决策系统。

再者,资料所有权也会影响人们对AI的信任。 Gyrfalcon Technologies营销副总裁Marc Naddell表示,以前的资料都是大企业负责收集,个资还有外泄和遭骇的危险,随著AI时代来临带来了边缘运算,可望解决隐私疑虑和延迟性的问题。

第四个挑战是技术面。验证(verification)是提升科技可靠度的关键之一,但AI系统验证还做得不够好。西门子旗下Mentor的工程主管Jeff Dyck表示,缺乏验证的AI技术恐带来莫大威胁,但目前业界投注大量心力在训练和推论,却忽视验证。此外,新科技也需要新架构,Naddell表示,说到AI加速器的存储器技术,业界正在考虑MRAM而非SRAM,这可望带给边缘运算新的功能,进而开启新的应用。

产业界也要懂得适应变迁,Roddy表示,AI技术会持续加速发展,对于软硬件产生各式各样的需求,一方面,硬件会追求效能和能源效率,另一方面,App开发人员会追求开源软件架构来加速AI部署,因此AI新科技的一大挑战,便是在于软硬件相辅相成。更重要的是,这个产业严重缺乏人才,Grant建议把人才招募流程民主化,同时加强男女性别比例平衡。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 人工智能