扎稳数据分析基础 循序养成AI竞争能量
- 洪千惠
-
DIGITIMES企划
过去几年大数据可谓头号显学，如今风向球已转为人工智能(AI)；身兼中研院信息科学研究所研究员、台湾数据科学协会理事长，及台湾人工智能学校CEO的陈昇玮认为，此转变实为健康态势，有助于提醒企业，并非做好大数据收集、统计分析就能克竟全功，还须借助数据的终极运用----AI，才能真正实现数据的价值变现。
陈昇玮形容，数据如同原料，机器学习是处理原料的方法，AI是最终结果，三者依序是根本、手段与目标，互为因果关系而非并行，不能漏掉任一环节。
换言之，企业无法在缺乏数据基础架构(包含数据处理、储存与分析)之下，凭空迈向AI，故须步步为营，花力气建立完整的Infrastructure、Pipeline；在发展过程，企业亦应导正过往的信息采购文化，无论引进任何大数据或AI工具，都不能仅侧重功能规格，应基于日后可能的分析应用，预先设想需要动用哪些数据、需要保存多久、是否需要建立备份，乃至能否从工具中取出数据，及数据格式的可用性。
此外企业亦须审慎安排AI Team的主导者。按以往经验，企业直觉认为IT可胜任此角色，但IT强项在于信息基础建设，论及数据的价值变现，实已逾越IT能力范围；企业务须体认到，AI只是工具，唯有设法让每个擅于领域知识(Domain Knowhow)的专业人士都有能力驾驭这个工具，培养基本认知，才能如愿实现「产业AI化」目标，将AI能量融入实际工作流程，而非一股脑把AI重任交付IT部门执行。
AI导入进程，涵盖五大步骤
陈昇玮归纳，合理的AI导入进程，依序含括五大步骤：成功案例、数据生态、技术工具、流程整合、开放文化。先从小处着手，选定一个不涉及太多数据的专案题目，嚐试建立成功案例，借此创造价值、营造信心；继而打破部门间隔阂，使数据可被分享与集中处理；选择正确的AI技术工具、建立团队或寻找技术夥伴；接着让AI技术成为工作流程一部份，确使数据收集的过程自然而然、流畅无碍；最终形成开放文化，人与AI得以协同增进生产力，形塑高值化的工作环境。
毫无疑问，对于台湾，AI实为至关重大的议题，亦是驱动产业升级的关键能量，因此如何让机器学习及人工智能在台湾深化，带动产业发展，可谓当务之急；惟欲落实产业AI化，有颇多挑战亟待克服，包含实战人才的缺乏、找对问题不简单、产学之间的鸿沟，及企业对自建技术的信心不足，其中尤以「实战人才的缺乏」为亟需突破的首要障碍。
有监于此，台湾数据科学协会遂与财团法人科技生态发展公益基金会携手合作，辅以中研院的信息科学研究所、信息科技创新研究中心的支持，正式催生台湾人工智能学校，由陈昇玮担任此校CEO。
他指出，台湾人工智能学校为产业AI化的军校，意在找寻各行业领域的专家接受培练，使之懂得如何利用AI解决企业的营运课题，终至让「找不到人才」，不再是企业难以推动AI应用的障碍。
值得一提的，台湾人工智能学校共计开设两大类学程，一是「经理人周末研修班」，目标学员即为上述领域专家，帮助他们懂得AI应用的大方向；另一则是「技术领袖培训班」，培养具AI思维与实战经验的技术领袖人才，意即具问题定义、数据蒐集、数据净化、模型开发、上线运作、场域验证等实务能量的AI工程师。
台湾人工智能学校CEO陈昇玮将于3/27的巨量数据论坛--当AI遇上BI，数据时代的企业决策大跃进担任Keynote讲师，活动完全免费，掌握趋势，请速报名参加！
