台大资工系教授的 AI 全面战略分析:新创想 CONNECT

发布时间:2020-06-24 已收录 阅读:960次
台大资工系教授的 AI 全面战略分析:新创想 CONNECT

人工智慧(Artificial Intelligence,简称 AI)自 50 年代由英国计算机科学家艾伦图灵提出迄今已六十余年,期间经历了两次的热潮与两次的「AI 寒冬」;时至今日,随着科技创新及因应人类生活变迁发展至 AI 第三波的崛起。 与前两次的热潮大多是西方国家投入不同,在 这 第三波的 AI 革命 规模前所未见,全球各国政府与民间企业,纷纷投入大量资源,压注 AI 是下个世代输赢的关键 。

近年来笔者有许多机会接受国内外传产、新创公司及政府法人之谘询,皆表示投入 AI 研发与产业的高度愿意,希望得到方向上的建议。在参与诸多讨论与脑力激荡的活动之后,我个人的焦虑不减反增。

由三国的历史经验言之,一场战争能够胜利,主要取决于「战略」的制订,其次才是战术执行。诸葛孔明初出茅芦订定「三分天下」的战略,是后来刘备崛起的原因。想要在 AI 的战场上佔有一席之地,最重要的「战略」为何?在此我抛砖引玉利用这个机会把我个人的想法与各界先进分享,主要希望大家能够重视这个议题,以成就完成更完整的论述。

我希望先从新创研发的角度,探讨 AI 的蓝海。也就是:如果一个公司希望能够踏入 AI 的研发,或是一个 AI 研究部门希望开始从事 AI 的研究,应该选择什幺样的方向?

过去几年大家讨论最多的就是人工智慧之应用。AI 暴红之后,全球有数以万计的固有企业或新创产业都在布局  AI,时刻钻研 AI 有什幺「杀手级的应用」,好像一间公司没有 AI 就没有竞争力:从固有的产业如金融、交通运输、医疗、製造、农业、行销、到新兴产业如电子商务、通讯、广告等,AI 的相关应用遍地开花,俨然进入「肉搏战」纪元。

例如无人载具(无人机无人汽车)、全球至少有数百家大大小小的公司在从事研发;时下新兴行业实时竞价 RTB(Real Time Bidding),国内就有超过十家公司,多是利用机器学习以及巨量资料分析的技术来实现。

这方面的技术研发我称之为 AI+X,这里 X 就是填上相关的应用(如 AI-Medical 就是人工智慧在医疗上的应用,AI-finance 就是 AI 在金融方面的应用)。AI+X 如前所述已经进入了「战国红海」时期,可以想到的应用几乎都有人在尝试。

结果大致上分两类, 第一类的 AI+X 技术已经成熟,且成为人类生活不可或缺的一环,例如搜寻引擎、推荐系统以及金融高速交易 。第二类的 AI 尚未全面取代人类原有模式,但已经有若干区域性的成功案例,如 AI 用在医疗(IBM 华生)、物流(Amazon)、法律(legalrobot.com)等。在竞争激烈的 AI 应用战场上,要杀出重围除了具备与众不同的技术,更需要完善的商业模式。

所以,AI+X 的应用能不能做?当然可以,从研发的角度而言,就是要想如何比别人做得好。但是 AI+X 容不容易做?坦白讲是不容易的。因为 人工智慧偏向软体而非硬体产业,没有产能与产量的问题,所以有「赢者全拿」的模式。

也就是说,不是全球第一,或是缺乏与众不同的优势,大概就很难成功。这样的挑战是希望进入这个行业的新创需要率先认知的。在 AI 的战场上生存的空间大多来自领先全球的技术。因此,我很同意 这一篇文章 的看法 [1]:「在某种程度上,整个创业界必须回归基本功,对于学术和产业专业做长期的投资耕耘,而不是妄想能一夕之间想出一个惊天动地的『好点子』而一炮而红,这种创业神话在现实中发生的机率是微乎其微。」

所以,现阶段 AI 的发展并不是想到一个好的应用,以 tensorflow+GPU 做个深度学习的套件就能成功,当机器学习(machine learning)甚至深度学习(deep learning)的套件做到连不懂原理的人都可以轻易使用时,必须要有更强大的技术能力才能与众不同。

如果一个 idea 可以在几天内被实现,即便这个 idea 是全新的,也可能在短时间内被複製;反之,若某个想法是「即使我告诉他人要做什幺,他人也无法轻易做得比我好」,表示技术的门槛够高,在 AI 的战国时代成功的机会就大幅提升。

然而,AI+X 大多是属于战术层次的问题,而如何以此杀出重围不是本篇的重点。本篇更想讨论的是从战略的角度,也就是如何找到 AI 的蓝海?个人浅见认为,AI 的蓝海不在 AI+X,而在 AI-Next 以及 AI-Then。

AI-Next 我称之为「次世代的人工智慧技术」,目的是要解决当前这波人工智慧技术所不能解决之问题。虽然坊间对于人工智慧的期待甚多,人工智慧专家都知道目前的技术还有许多需要突破的点。

例如机器学习需要依赖大量标注资料的问题、训练模型参数调校困难的问题、资料为本的方法对于推论与逻辑判断较弱的问题、「资料」与「知识」如何整合的问题、找出更好的非凸性质最佳化(non-convex optimization)方法、指导式学习缺乏创造力的问题等等族繁不及备载。需要注意的是这些都是 AI 在「方法」上面需要补强之处,而弥补这些技术的缺口也会对应到一些应用层次的提升。AI-Next 会是 AI+X 超越别人的契机。

知名的机器视觉专家李飞飞曾言:「我们处在的年代,不是 AI 的起点,也不是 AI 的终点,应该是 AI 启蒙阶段的终点」。我的诠释是:如果把电脑的智慧看成有「启蒙期,发展期,成熟期」目前我们正在启蒙时代的末期,进入发展期的前端。

这也表示 AI 虽然已经可以展示出初步的「智慧」,尤其是「辨识」(如语音、视觉)相关以及「从资料中学习」已经很成熟,却仍有许多需要开发探索的领域存在。 使用启蒙期的 AI 去从事 AI+X 的应用,就如同将正在就读小学的孩子送上战场一样 ,碰到简单的任务也许勉强可以胜任,碰到困难的任务就等于瞎子摸象,成功是运气,而失败大家会称讚他有勇气。

另一个或许更「蓝」的海,我称之为 AI-Then「AI 世代面对的问题」。这个部分要讨论的是:在不久的将来,快则两三年,慢则五到十年,人工智慧(或说「弱」人工智慧)的应用必定会更无远弗届。除了正面的改变人类的生活外, AI 普及化也会造成许多前所未有的问题。

AI-Then 就是去解决未来 AI 世代的来临会碰到的问题,例如:

1. AI 的漏洞:

电脑普及之后,人类方理解电脑病毒对人类可能的危害及严重性。同理,AI 普及与广泛应用,将使 AI 的漏洞造成更大的危机。例如自动驾驶的 AI 技术若被攻击,会危及交通运输的安全性;推荐系统可经由操弄结果影响人类的决策;AI 甚至可能假装人类,改变网路投票的结果等等。是以,AI 如何保护自身的安全,如何确保系统不会被攻击或利用等相关议题,将会是 AI-Then 的重点之一。

2. 更全面更像人类的 AI: 目前的 AI+X 研发多着重于如何利用机器学习从事预测,希望解决的问题相对单纯。但是当电脑愈来愈聪明的时候,就更有机会展现其他方面的能力,甚至成为虚拟的员工。这样的员工除了单独解决问题外,也会有机会跟人互动,跟人协作。这个时候,AI 将会需要沟通能力,理解同僚的能力,让同僚理解它的能力,甚至同理心与社交能力等,这些能力都是目前 AI 所欠缺的。

3. AI 的「社会责任」: 俗谚有云「能力越强,责任越大」,所以许多知名的企业家如比尔盖兹、马克祖克柏都很关心于慈善、普及教育、帮助弱势、环境保育等议题。当人工智慧能力愈来愈强,人类就更应该思考利用它来做更多有意义的事情。例如南加大近年来成立的「人工智慧与社会研究中心」,就是希望能够利用 AI 技术来帮助社会。他们曾经成功的利用社群网路分析技术来防範爱滋病在街友间的传播、利用预测的补兽者技术以防止野生动物被猎杀等。其他如美国政府的环境监控以及评估专案(EMAP)也藉由机器视觉的方法来帮助监测环境的改变。

4. AI 的「透明度」: 要让一般人能够接受电脑的判断,相关方法与决策的透明度与解释程度将会是关键。当人工智慧往深度学习的方向走,往往牺牲了透明度与解释的能力。深层的神经网路的参数量动辄是数以百万计,想要从里面找出 AI 决策的因子谈何容易。然而,如果诉诸于较为简单容易解释的模型(如决策树),则会牺牲判断的準确性。这就好比是 AI 的「测不準原理」。2017 年的机器学习顶级会议 ICML 最佳论文,就是探讨这方面的议题。

5. AI 的「道德智慧」: 大多数人都会同意「一个很有智慧却没有道德良知的人,有可能对人类造成很大的危害」。同理,当 AI 可以聪明到帮人类从事很多工作时,它对人类造成危害的机率也会上升。AI 对人类可能的危害并不是像电影小说一般,人工智慧产生了自我意识而与人类对抗,因为目前的人工智慧离这个目标相距甚远。撇开这个疑虑不谈, 人工智慧仍然有三种可能造成危害的形式:人工智慧的「恶意使用」、人工智慧对任务的「误解」,以及人工智慧「缺乏道德观念」。

a. 人工智慧的恶意使用

很容易懂,就是人类把人工智慧当成一种工具,为了遂行私利而危害他人的利益。从这个角度来看,人工智慧就跟军火武器电脑病毒一样,能载舟亦能覆舟。

b. 人工智慧对任务的「误解」则是潜在更大的危机:

大部分的人工智慧方法都建构在最佳化的技术之上,也就是人类告诉 AI 有一个目标,而 AI 的决策就会尽量去最佳化这个目标。这里所谓潜在的危机,就是 AI 对人类给的目标的误解(或是人类自己没有釐清目标)。

例如一个真实的存在的状况:某家航空公司从西雅图飞香港中途停靠台北的班机,比从西雅图直飞台北的班机来得便宜。如果你跟一个旅游人工智慧代理人要求找到「西雅图到台北快且便宜的机票」,它可能会选择前者因为它从西雅图到台比的确是最快最便宜的。但是它就没有考量到乘客可能到台北后无法下机需要直飞香港再回来。

再举一个「健康照护机器人」比较极端的例子,这样的 AI 可能会建议主人应该要出门运动了,而人类偶而会用比较夸张的语气来表达意愿,如:「天气太热了要出门?乾脆把我的脚打断吧」,AI 听到可能就真的服从命令把主人的脚打断。当 AI 无法真正理解人类命令的真实涵意,类似的状况就可能出现。

c. 第三种危机来自人工智慧缺乏道德观念:

建构在最佳化的 AI 往往使命必达。然而,若在训练 AI 的时候没有「教」它道德观念,AI 就有可能在目标最佳化的过程中做出违反道德的事情。例如,如果 AI 自动空拍机的目标大多是照出覆盖率最高的照片,但是如果没有隐私观念,AI 就有机会拍摄到侵犯他人隐私的照片。

自动车如果目标是快速的到达目的,它可能就不会礼让行人或救护车,因为礼让跟「快速到达目的」的目标是有冲突的。所以,如何能够训练 AI 拥有道德观念,而且在目标与道德冲突时如何找到平衡点,是下一代 AI 需要面对的议题。

AI 的崛起带给人类的冲击将会是前所未见的。所以,下一步的战略规划是什幺?个人浅见可以从几个方向讨论:

I. 如果一个企业到目前为止还没有引进巨量资料分析方法,建议即刻布局资料蒐集与分析。如果已经引进资料分析但是还没有到智慧型的预测,可以往 AI+X 的应用着手评估适合度,寻找最恰当的 AI solution 引进。在这里碰到的问题往往不是 solution 不够多,而是如何能够找到最适合 CP 值最高的方式。让原来跟 AI 距离遥远的企业有机会引进智慧型的解决方案,相较之下是比较容易达成的任务。

II. 如果一个新创公司希望布局 AI 技术,除非有「秘密武器」(如大量资料,很强的领域知识(domain knowledge),或别人还未开发出的技术),否则在 AI+X 的战国时代生存困难重重。

III. AI-Next 是未来两三年 AI 技术的战场 ,对于学术界或致力于 AI 技术研发的公司都是兵家必争,先做先赢的态势。例如 Google DeepMind 跟 Facebook FAIR 近两年不约而同的提出的 Memory-Augmented Neural Network 的概念,就是希望利用引进「记忆」的因素在深度学习的架构中,能解决原来不能解决的问题。

IV. AI-Then 可能是中长期更会需要面对的问题,需要不仅是个人与企业、政府的投入于一些重要却难营利的任务也是必须的。它不一定能带来立即的利益,但是绝对是战略布局重要的一环。

在这个 AI 百花争鸣的年代,大公司如 Google,Facebook,Microsoft,IBM 纷纷推出 AI 的 library、平台,这些非常容易使用的套件使得 AI(尤其是深度学习)的使用门槛大幅降低,却也表示 单单是应用深度学习套件或其他方法在某个应用上,已成为成功的必要条件却非充分条件。 个人认为,AI 技术与理论的理解与深耕、对于新技术新方法掌握的速度,并且能发展出独特的「秘密武器」,才是未来能够胜出的重要关键。

因此, 我想大部分的人都会同意:拥有以上能力的人才,是 AI 的战国时代最重要的资产。在「AI 2017」这三部曲的最后一章,将回归基本面来探讨 AI 人才的培育与规划。

To be continued……

 

[1]台湾新创公司面临最大问题并非资金不足