作者:小波
看過科幻電影的朋友都知道AI很厲害,但它離我們的生活有多近了呢?對於Maker朋友來說,能夠將AI玩上手了?這些問題在Jack Hsu的分享中,都清楚地讓大家得到了解答。
許哲豪(Jack Hsu)是一位全方位的科技人,從資工、電子到機電,都有深入的研究及產業經驗,對於AR/VR及AI題材更是長期涉入,加上本身也是位不可救藥的PRO Maker,特別了解Maker對新知的強烈求知慾。因此,在他這兩小時的分享中,從AI人工智慧的發展脈絡,講解到現今在產業界以及生活中的應用與技術,讓在場Maker終於搞懂AI的真相,甚至知道該怎麼去玩AI。
一步又一步,AI成熟之路
隨著學術單位及許多民間企業紛紛挹注大量開發資源,動輒數十億的資金,Google、臉書、微軟、三星、鴻海等產業龍頭,亦趨之若鶩地投入研究,甚至有了些可見成果下,AI人工智慧成為近兩年媒體新聞的當紅炸子雞。特別是2016年,AlphaGo戰勝了世界冠軍韓國職業棋士九段李世乭,再次挑起了無數產官學民對人工智慧的好奇與廣泛討論。
然而正如羅馬不是一天造成的,「AI的發展亦並非一蹴可及,乃是經歷了各個重要的里程碑」,Jack說道。
相關技術、知識、系統、軟硬體是經過無數資金和日子的研發,才進化成我們日常生活當中所見的應用,甚至達到影視作品裡所「想像出來」的功能,至今也已成為當代科技發展中不可或缺且相當重要的趨勢。而這兩年AI議題不斷發酵與炒作,人工智慧的討論聲量不斷飆高,也使得許多似是而非,或者只需簡單算法或數據統計就能作到的結果都被稱為「AI」,但其實,人工智慧在每次成為話題的里程中,都有其核心技術突破的意義。
一點又一點,AI自強之術
其實人工智慧也叫做機器智慧,是指由人製造出來的機器所表現出來的智慧。Jack指出:「AI的核心問題包括建構能夠與人類相似,甚至超越的推理、知識、規劃、學習、交流、感知、移動和操作物體的能力等」。
從弱AI(規則驅動)到強AI(資料驅動),經歷了判別條件、專家系統、巨量數據、深度學習等發展進程,其中機器學習需要演算法、框架、硬體、資料集,以大數據分散式儲存,達到增強式辦監督的學習;而深度學習則需要CPU及TPU的平行運算,AI晶片更從通用的多核心CPU演變到專用的ASIC,由此可見硬體規格技術的提升與人工智慧的進展密不可分。另一方面,神經網絡自1943年誕生後,經歷了1958、1986、2012三次的興起,從神經元到多層神經網絡的發展也與人工智慧的開發息息相關。
機器學習(自動化機器學習平台、內容推薦引擎)、自然語言理解(語者意圖及情境識別、人機對話系統)、機算機視覺(人體行為姿態、場景環境識別)這些核心技術的發展影響了投資佈局,連帶影響了行業方案。許多人會問:「人工智慧能吃嗎?」,事實上,人工智慧即將改變未來職場的樣貌,公部門、金融機構、製造零售業、互聯網都會因為AI技術普及而有所不同,中國的「智能養豬」便是很好的例子。
Maker可以這樣玩AI
最後,Maker該怎麼玩AI?Jack建議不妨從「決定輸入、輸出內容、推論速度」著手,接著依成本選擇硬體平台,小型的如Mbed、樹莓派都是好選擇,中型則可以選擇常見的平板(多核心CPU)、電腦(帶GPU)、專用開發版(TK1)等等;雲端服務則有AWS、Microsoft Azure、Google、BAT等資源。
面對複雜的AI知識以及紛亂的網路資訊,Jack提到史丹佛李飛飛教授、吳恩達教授所開設的的開放式課程是很好的學習資源,台大李宏毅教授與林軒田教授也有許多相關影片供學習者參考,期待未來更多人加入AI的行列,為Maker圈再造更多可能。
(本活動為2018/2/24的《南科AI_ROBOT Meetup》分享,完整簡報介紹請參考講者歐尼克斯實境互動工作室部落格原文)
- 集資量產自製樂器,獨立音樂圈的創客新星 - 美秀集團 - 2018/08/30
- 當區塊鏈遇上物聯網,串起未來智慧生活 - 2018/07/16
- 智動創意跨域呈現,中科推出 Pickathon 機器人競賽 - 2018/07/12