名家觀點/讓人工智慧真正開始上工
2018-10-16 00:44 經濟日報 台灣人工智慧學校執行長 陳昇瑋
讓人工智慧進入企業,第一步驟要有團隊。通常參與的技術成員分為資料科學家、資料工程師及機器學習工程師三種專家。我們可以各用一句話來描述他們的特長,資料科學家擅長連結資料與商業價值,資料工程師擅長蒐集及處理資料,機器學習工程師擅長演算法,從資料裡頭榨取出最多的資訊,讓人工智慧系統的決策更精準。當然也有人可以身兼多種職務,團隊成員可多可少,初期若有資源疑慮,也可以先從兩、三個成員開始,先求有,再求好。
但,想喝牛奶真的需要養一頭牛嗎?難道我們不能夠直接導入既有的套裝軟體或者聘請顧問公司就好?以今天的人工智慧技術來說,並沒有即插即用的套裝軟體,通常需要大量的客製化工作。
即使自行開發,系統及流程整合的工作往往也無法避免,因此我們這裡所談的人工智慧團隊,並不見得一定要做系統開發,而是熟悉企業業務、流程、資料、及目標,能夠確認切入點的合理性及資料可用性,能夠與內外部團隊協同合作,並擔任產品及績效管理的專業團隊。
就產業AI化來說,我們不見得需要最先進的人工智慧技術,經常可以就既有的技術來解決企業本身的問題。因為要解決的問題、領域知識以及資料,都在自己家裡,因此,若內部擁有掌握人工智慧技術的成員,不論接下來系統要自建或是外包、外購,才能有足夠的掌握度來確認目標及進程,並且做實質的績效管理。
因為機器學習技術進展神速,只要從學校畢業超過兩年,不可能在學校中學過最先進的機器學習及深度學習技術,因此很難在市場上找到厲害且富經驗的人工智慧人才,就算要挖角也無從挖起。這個現象不只是在台灣,全球各大企業都同樣在想盡辦法尋求有經驗的人工智慧高手加入。
幸運的是,這一波,也是人類歷史上第三波的人工智慧浪潮,伴隨著一個我們稱為「人工智慧民主化」的趨勢,其中最重要的概念是,人工智慧技術不應該只被某些跨國企業所壟斷,應該讓所有需要的人都有機會參與及使用。具體的作法包含各種機器學習開發工具及模型的開放源碼,以及各式最新核心技術的分享等等。
因此,我的建議是,趁著這一波人工智慧民主化的趨勢,與其在人力市場上痴痴等待高手出現,最有效的策略是,挑選內部員工來做教育訓練,適時地搭配來自外部的輔助,讓他們成為「雙軌人才」,在原本的專長領域之外,外加人工智慧,由他們來組成企業專屬的人工智慧團隊。
台灣人工智慧學校以及為數不少的線上教學平台,都提供人工智慧的訓練課程,但要記得這一波的人工智慧技術以工程為主,理論為輔;因此,在教育訓練一定要包含大量的實作課程,才能夠訓練出有實戰能力的部隊。
已經打造流程自動化及資料基礎建設的企業,應該要把握這個機會及時間點,儘早在公司內部打造人工智慧團隊,開始探索人工智慧的可用之處。團隊再小也沒關係,重點是儘早將問題定義清楚,建立好資料蒐集機制,納入企業日常運作中,以現成工具儘早驗證資料的可用性,以及人工智慧可能帶來的價值,才能將自己準備好,日後不論是建立正規部隊或是導入外部系統,都能讓人工智慧為企業產生最大價值。