作者：高煥堂
AI產業化的致勝三力：專家直覺知識力、AI建模師創新力及數據運算力。此三力幫助到AI產業進步（即AI產業化），AI能才壯大幫助各行業（產業AI化）：
- 專家直覺知識力 — 建立各行業的知識圖譜，支持Graph AI。
- AI建模師創新力 — 培育〈科技+美學〉跨領域人才。
- 大數據運算力 — 強化 Edge AI 晶片生態鏈，開發Edge AI 作業系統軟體。
全球AI產業發展的轉折點
從兩家近年來火爆的機構來看，一個就是剛剛發佈ChatGPT的OpenAI，另一個是去年開源了Stable Diffusion的Stability AI。有意思的是OpenAI300多人的團隊大部分不是電腦博士，而Stability AI一百多人裡只有一名博士，相比很多科技巨頭他們似乎並沒有特別明顯的優勢。
這些資訊透露了什麼呢？其意味了：AI商業化之路，從演算法創新，踏上了模型創新階段。其模型創新，即是模型的組合設計&創新。也就是把一群不會飛的模型，以新的形式巧妙組合起來，竟然飛上天，傲遊天際。
- 2020年之前，AI模型 ＝ AI演算法。
- 2020年之後，AI建模逐漸踏上〈組合創新〉，而非〈演算法創新〉。
這個轉折點很重要。例如著名的Apple公司，重點不在演算法原創，而在於把一群不會飛的模型，巧妙組合起來，竟然飛上天。其中，演算法創新，比較需要依賴數學、計算機博士，而科技性創新組合，需要跨領域的「科技美學」人才。
台灣AI產業生態的成功要素
台灣AI產業園（生態園區），其發展的關鍵成功要素是：Container（容器）。就如同長榮海運生態的Container是貨櫃（或稱為：集裝箱）。再如，華碩PC&Server生態的Container是硬體MB（主機板：Mother Board）和軟體OS。還有，台積電半導體生態的Container是IC晶片。以及耐能公司Edge AI生態的Container是AI加速晶片。
一個產業園區，涵蓋人、事、時、地、物、金流等各種要素，其中在<物>層面的Container(容器)，是生態演化、繁榮壯大的關鍵性元素。沒有它，整個生態就缺乏蓬勃演化(Evolution)的生命力。沒有它，整個生態就缺乏力與美的組合。
那麼，如何尋找台灣AI產業生態的Container呢? 那就先從長榮海運貨櫃，來認識一下Continer的特徵，有三項特徵：
- 外型簡單一致。
- 內涵複雜多變。
- 無限重複組合。
在自然界的生態演化物種，也處處可見這種Container。例如，這朵花的花蕊，就是Container：外型很一致，內含各不相同，又重複組合成為一朵花。
像這圖像裡的樹葉，還有像人體的細胞等，俯拾可見。這就是一般所謂的：自然界有機次序（Organic Order）。
在最具爆發力的工業設計中，你常常可以發現其傑作具有其特色：「簡單造形、內涵不同、無限重複」。貨櫃（集裝箱）就是典型的單純造形，它兼具了「簡單造形、內涵不同、無限重複」三項特質。更重要的是：它帶來無比巨大的商業潛力和暴利商機。
例如，台灣最大船運公司就是從貨櫃起家的。長榮海運公司總裁張榮發先生在其回憶錄上寫道：
「為了配合貨櫃化運輸時代的來臨，海運事業的整體運作型態也產生了重大的轉變，無論在海上運送、碼頭作業以及陸運轉接上，都有革命性的改變。陸上拖車運輸業應時而興，扮演極為重要的角色，以貨櫃拖車配合貨櫃船運輸，具有簡化包裝、防止竊盜、加速貨物搬運及便利關務檢驗等優點，使貨櫃運輸作業更加靈活。為了能確實掌握海上及陸上的運送服務品質和效率，就率先於1973年9月成立了長榮運輸公司。」
只要擁有上述三項特質的工業設計品，都會具有無現活力和巨大商業潛能。
在許多革命性轉折裡，經常出現貨櫃（Container）的身影。貨櫃是創造「序中有亂」的利器，是承先（包容既有之繁雜）和啟後（創造新的序）的有效手段。貨櫃的外表簡單有序，能疊得很高，而且井然有序（Order）。貨櫃的內部是空的，用來容納多樣化而繁雜的物品；這種情形稱為：序中有亂（變化）。序中有亂的巨大威力，改變了整個運輸產業，也改變了人們的生活。
一樣地，當今的AI模型結構目前仍處於〈大模型架構〉，相當於1970年代的〈IBM 大型電腦〉架構。後來，到1990年代才進入台積電的IC架構時代。於是，從Container的視角，可以清晰看出臺灣AI產業（生態）發展的康莊大道：培育AI建模師，基於Container設計出形形色色、百花齊放的AI模型元件，然後重複組合出各種創新產品和應用。
那麼，在AI產業生態中，這種貨櫃（Container）的身影是什麼呢? 答案很可能是：潛藏空間（Latent Space）。例如，2023年初紅透半天邊的ChatGPT，非常依賴潛藏空間（即貨櫃身影）。例如：
基於AI模型潛藏空間（Latent space）的Container視角，也能預見在最近的將來，AI領域裡的KG（知識圖譜）和Graph Al，將會是臺灣AI產業（生態）未來10~20年最佳商業獲利點。亦即，任何捕捉專家直覺（智慧）的機制，都可獲利。理由是，因為AI在200年內，都缺乏果因性推理能力，它愈強大對專家直覺的需求愈大。AI建模師的角色與人才培養
AI建模師的職責：組合模型、訓練模型。亦即把一群不會飛的模型巧妙組合起來，訓練它然後飛上天際。如果這個創新組合架構是一個有機體，它將會綻放生命力，不僅生生不息，且無盡繁榮。台灣如果沒有積極培育優秀〈AI建模師〉，很可能是未來10年AIGC潮流下的大輸家！
至於AI建模師的職責是什麼呢? 我們來問問ChatGPT，聽聽它的解說：
Q1：AI建模師的職責是什麼？
ChatGTP回答：
AI建模師(AI Modeler)是負責創建和開發 AI 模型的專業人員。他們的一些主要職責和職能包括：
- 數據準備：AI建模師必須通過清理、轉換和規範化來為 AI 模型準備數據，以確保它適合訓練。
- 模型選擇：基於要解決的問題和可用數據，AI建模師必須選擇合適的 AI 模型架構和演算法來使用。
- 模型訓練：AI建模師使用準備好的數據訓練 AI 模型以優化其性能。
- 模型評估：AI建模師使用準確性、精確度、召回率和 F1 分數等指標評估 AI 模型的性能，以確定其有效性。
- 模型部署：AI建模師將經過訓練的 AI 模型部署到生產環境中，確保它可以用於對現實世界進行預測。
- 模型維護：AI建模師負責根據需要維護和更新 AI 模型，以確保其持續性能。
- 技術專長：AI建模師必須具有強大的技術背景和 AI、機器學習和深度學習方面的專業知識，才能開發有效的 AI 模型。
總而言之，AI 建模師在 AI 系統的開發和部署中發揮著關鍵作用，並負責確保其性能和準確性。
接下來想想：如何培養AI建模師? 我們繼續問ChatGPT，聽它的解說：
Q2：如何培養AI建模師呢?
ChatGTP回答：
教育 AI 建模師沒有千篇一律的答案，因為所需的培訓和技能可能因 AI 的特定領域和應用而有很大差異。但是，可以採取一些通用步驟來培訓 AI 建模人員：
- 基礎知識：人工智慧建模者應該對數學、統計學和計算機科學有紮實的理解，包括線性代數、微積分、概率和演算法。
- 編程技能：AI 建模者應至少精通一種編程語言，例如 Python，並具有使用 TensorFlow 和 PyTorch 等機器學習和深度學習庫和框架的經驗。
- 數據操作和分析：AI 建模人員應該具有處理大型數據集、清理和轉換數據以及使用統計技術分析和解釋數據的經驗。
- 機器學習概念：AI 建模者應該對監督和非監督學習有很好的理解，包括決策樹、隨機森林、k 最近鄰和神經網絡。
- 深度學習概念：對於那些對深度學習感興趣的人，重要的是要很好地理解卷積神經網絡 (CNN)、循環神經網絡(RNN) 和生成對抗網絡 (GAN)。
- 道德和責任：AI 建模者應該意識到 AI 的道德和社會影響，並能夠做出將這些考慮在內的決策。
- 真實世界的經驗：AI 建模者應該有處理真實世界項目和將模型部署到生產中的經驗，因為這將幫助他們理解創建和部署 AI 系統所涉及的實際挑戰。
以上這些只是 AI 建模者應該具備的一些關鍵技能和知識領域。所需的具體技能和知識可能會有所不同，具體取決於正在開發的 AI 模型的類型及其使用的應用程式。
小結
當我們培養了AI建模師，而全球AI產業也持續演化，則這些AI建模師，結合有機生態的Container商業&設計思維，就成為優秀的AI產業生態的建築師了。
（責任編輯：謝嘉洵。）
近5年來，從事於AI普及化教育工作，目前擔任銘傳大學AI課程、長庚智慧醫療研究所AI課程授課老師。也擔任永春國小、東園國小、立志中學、君毅中學、永春高中等學校的AI師資培育工作。
- 為什麼Gemma採取Decoder-Only Transformer架構呢? - 2024/04/08
- 如何從0訓練企業自用Gemma模型 - 2024/04/03
- 運用BF16與NHWC技術實現進階版LLM微調訓練最佳化 - 2023/12/18
