TCG
科政中心
 

台湾发展AI先其易者 吴恩达建议从半导体、制造、医疗着手

史丹佛大学计算机科学系与电气工程系客座教授吴恩达(Andrew Ng)认为,台湾有绝佳的产业AI发展条件,尤其是在半导体、智能制造和医疗等领域。蔡腾辉

史丹佛大学计算机科学系与电气工程系客座教授吴恩达(Andrew Ng)表示,台湾很有发展人工智能的基础,并建议从台湾的产业强项结合做起,包括结合半导体、智能制造、智能医疗等等面向。在What’s next in AI主题演讲当中,也特别强调AI人才、AI点子、AI工具都已经备齐,台湾很有机会成为下一个全新AI基地,更有机会型塑出就连硅谷与北京也没有的AI生态系,也因此呼吁从全国性的科研计画着手、透过教育投资、资本结合等方式,才能让台湾的AI量能动起来。

发展AI三神器:人才、点子、工具

吴恩达认为,发展人工智能需要人才、点子、工具等3项重要元素。他指出,截至目前为止已至少有250万人在他和史丹福计算机科学教授达芙妮科勒(Daphne Koller)共同创办的在线教育平台Coursera上,学习过机器学习(Machine Learning)技术;而目前每天在收集物理学、数学、计算机科学、生物学与数理经济学的论文预印本网站arXiv上,每天也都有100篇以上的内容供大家参考;至于工具部分,包括开源的Python机器学习库PyTorch、开源深度学习软件架构Apache MXNet等工具,都可以用来训练及部署深度神经网络,综观整体发展,他认为人工智能的材料都已经准备好了,现在就等产业大厨开伙了。

从商业的观点来说,近2年在美国企业法说会当中,管理者提到AI的次数已大幅增加,对此,吴恩达认为在AI发展的下一步,就在软件产业之外,也就是指跨界与跨域的世界。这都归功于算法技术逐渐成熟、硬件成本下降,使得AI的可及性越来越高,也因此未来各产业AI化的机率更高了。

投入AI停看听:3项注意事项

许多产业都希望透过AI的力量,让工作效率化,但在导入AI之前,吴恩达建议企业要先了解一些基本概念,他的建议如下:
一、从小规模计画开始,执行过程中累积试错与调整经验,再建造出后续研发动能。
二、体认AI取代的是部分「任务」,而不是「工作」。比方说,「检查CT影像」这件事,只是影像科医师的许多「任务之一」而已,医师还有看诊、写报告、承担诊断责任、医病关系提升、病患关怀等等任务,因此AI不可能取代影像科医师,只是来「协助」影像科医师的影像判断这个「任务」。
三、找到AI可应用范围与目标产业认为有价值的事物交集,才从这些交集开始着手导入AI。

企业投入AI:降低成本、增加营收、创新服务

投入AI的好处,除了让经验传承以外,很重要的也是要降低成本与增加营收,未来更有机会可以产出新的创新产品服务。吴恩达分析,许多传统产业如果没有导入计算机系统,未来有经验与有智能的人退休、老化、过世后,在经验传承不完整的情况下,企业的营运与接班就都会出现问题,此时,就可透过AI来辅助。

除此之外,不只区块链去大中心化,就连AI也开始去中心化,走向边缘运算。未来计算效能将从超级计算机分散至云端等各小型资料中心;边缘运算在各式闸道器(gateway)、数据站、甚至智能型手机当中的App,都可以有发挥的空间与功效;另外在复杂交错的各节点之间,也会产生全新的运算效能。

企业拥抱AI 5大步骤

也因此,吴恩达建议产业可从五大方法来了解与拥抱AI,包括:
一、从小型专案开始,了解AI的力量,尽可能在6至12个月之内做出小成绩,这样也才有持续下去的诱因和动能。
二、建造自家的AI团队,自己的人才自己培训的过程中,也能够了解自家的产业问题。
三、提供各式AI训练,包括让中高阶主管了解AI可以做什么、该怎么策略规划AI技术发展、让主管学习设计、规划与AI结合的技术与事业方向,此外,AI研究人员也要在开发AI算法、收集数据、执行AI专案当中,不断引发和产出创新量能。同时也表示「首席学习长」(Chief Learning Officer;CLO)在未来科技导入的产业新生态当中,相当重要。
四、创立自我产业AI策略,藉由设计良善的AI循环,提升自己的产品服务质量,进而得到更多客户与用户,同时也能够收集到更多数据来分析与训练下一版AI,接著又持续提升自己的产品服务质量,如此行程一个良性循环。
五、建立内部与外部沟通管道,包括了各种公共关系、企业与人才之间的沟通关系、用户与客户教育、国际链接等。

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