回首頁
「服務他人是你住地球應該付出的租金。」– 穆罕默德‧阿里 (拳擊手)
"Service to others is the rent you pay for your room here on earth." -- Muhammad Ali, Boxer
文章搜尋
最新消息
英語島Newsletter
天天閱讀英語島,在這裡感知世界,汲取英文的養分。
 

陳昇瑋現為中央研究院研究員,同時為台灣資料科學協會理事長、台灣人工智慧年會/台灣資料科學年會發起人,推廣資料科學多年,目前主力在研究人工智慧,同時在網上撰寫專欄提供專業觀點。 

這位認為「資料科學家是性感的」台灣資料科學界代表人物,點出台灣對資料科學的盲點:「創意」。在他眼中,越多AI人工智慧的討論,其實是件好事,因為「得到偉大點子的最佳方法,就是先想出許許多多點子,再把壞點子淘汰。」

以下為英語島邀請陳昇瑋博士談談對台灣發展人工智慧的想法。

請問是什麼原因促使您發起資料科學年會?

「資料科學」是2012年開始被普及的詞,最早是《哈佛商業評論》21世紀最性感的職業,其實就是泛指從資料中萃取知識的工具,常見的大數據Big Data,也是一部分。

談到大數據,其實台灣無論是從上而下,或是從民間下而上的推動力量都很強勁。但究竟要怎麼應用?年會是一個很好的機會,聚集產學界有興趣的人在快速變化的產業中互通資訊,分享實際操作的內容,雖然不一定馬上有結果,但可以讓更多人了解大數據有哪些應用,才不會投入資源之後,卻得不到真正效益。

關於邀請誰來演講、聽眾想獲得什麼,我傾向於要求講者分享自己實際處理資料的過程中得到的經驗。例如可能會踩到哪些雷、哪邊可能會出現意想不到的情況、資料處理、分析技術上的know-how...等等,這些都能幫助節省彼此的撞牆時間。

今年的資料科學年會將跟台灣人工智慧年會合辦,推廣人工智慧的認知、技術、應用方面...請問您認為,人工智慧跟大數據之間是什麼關係?為什麼我們要放在一起討論?

大數據、機器學習及AI是不可分割的。我們可以這樣解讀:大數據是資訊來源,機器學習是資料的處理方法,藉以萃取出複雜的規則,讓電腦展現出擬似人類智慧的行為,我們稱為AI

屬於機器學習的「深入學習Deep Learning」是2015年以來很重要的變化趨勢。當資訊量太大,我們可以設計讓機器「學習」來「判斷」一個pattern,歸納出一些規則,這樣子,程式設計師就不一定要寫出所有分析步驟,能夠節省大量時間。(像是Alpha GO的例子就採用機器學習的方法。) 

AI則是以上過程的結果。任何一個電腦系統如果具有判斷的能力,不管經過什麼過程,能夠得出結果,那我們可說這個電腦具有AI。 

AI是結果論,不是技術論。以今天的技術來說,大數據及機器學習是發展AI的必要條件;在AI技術領先的企業,同時也必然是大數據及機器學習的領先者,沒有人能夠跳過這兩者,直接開發出先進的AI系統。

李開復說台灣不適合發展AI,請問您怎麼看?台灣正面臨什麼問題?

台灣有著「速食文化」的壞習慣,先是一窩蜂大數據,光是建立資料庫,卻沒導入相關技術的適任工程師,企業會發現效果與預期不符;接下來又是AI,光是購入設備、導入國外技術,如果沒有整合營運流程,研究產品、服務的成本及價值,在國際上也會漸漸失去優勢。 

未來應該怎麼做?導入AI必然是未來的主流,但企業應該先想清楚,到底期望透過數據分析達到什麼目標?有些基礎建設要補足,例如建立資料倉儲、建立資料統一授權模式,另外,是否需要分析資料的團隊,需要資料視覺化的專業人員嗎?

這些都牽扯到另一個發展AI的問題,從哪裡找人才?美國有些科技公司花上億美金挖角AI科學家,他們可不是笨蛋,因為優秀人才會帶來更多人才,而人才才是決勝關鍵。

 


受訪人:陳昇瑋

採訪、整理/鍾佳瑀

本文收錄於英語島English Island 2017年10月號
訂閱雜誌

加入Line好友