我們將各式各樣的資料轉變為有用的知識,
將種種想法、思路轉變為具體的行動,
將動機轉化為研究的目標終點;
歡迎和我們一起探索這巨量資料的世界、
用人工智慧發展新一代的前瞻技術。

ABOUT

人工智慧AlphaGo戰勝棋王李世乭

在AlphaGo的演示中,Google DeepMind團隊利用深度學習和強化學習的結合來做兩種任務的判別,即判別現在所在的棋盤是好是壞,同時預測未來有利的走向。以下圍棋來說,機器同樣也需要理解: 目標是什麼?規範是什麼?犯規的案例、成功的走法、 勝利者的案例學習等等,這樣的流程是AlphaGo設計團隊所走過的路,你也可以跟著這些步驟,慢慢練習、複製AlphaGo的成功。

10年後50%的人類工作將被AI人工智慧取代!

隨著大數據、資訊科技與智慧網路的快速發展,促進了人工智慧的興盛,人工智慧透過分析海量的網路資料,就可以做出各種比人更精確的決策、判斷、預測、分類,並且人工智慧能滲透到每一個行業、每一個工作,它對人類所帶來的改變,會超過互聯網、超過電、超過工業革命。對於未來,人類該如何應對AI這項潮流?

人類該何去何從?

一個很好的方向,就是一定要選機器不能做的事情、有深度的事情,
如果只是在網上拼湊整理的工作,例行、有規則的工作,馬上就要被取代。
具體來說,人工智慧並不擅長需要創造力、規劃能力以及「跨領域」思考能力等類型的工作,
因此,人類可以透過教育、學習資料科學,對人工智慧所不擅長的領域進行再深造,
成為創造設計人工智慧系統的專家,運用人工智慧造福社會人群。

人工智慧

Artificial Intelligence

能夠和人類一樣進行感知、認知、決策、執行的人工程序或系統


可視化介面

方便、容易操作 & 管理

自動化預警

即早處理、降低風險

實驗室特色

以人工智慧(A.I.)與資料科學(Data Science)
為基礎,發展各項前瞻性技術。

必備基礎能力

程式設計:
  • Python
基礎學科:
  • 數學理論
  • 演算法
  • 機器學習
  • 資料結構
  • 網路導論…
實務能力:
  • 程式設計與開發
  • 專題研究
  • 實驗實作…

技術主軸

  • 大數據網路安全
  • 進階持續性滲透攻擊防禦
  • 加密惡意網攻流量偵測
  • 釣魚網站偵測
  • 區塊鏈技術
  • SDN/NFV網路安全
  • 機器學習技術
  • 深度學習技術
  • 行動網際網路技術

計畫簡介

跨國合作

(圖片轉載自Akihiro Nakao Facebook)

東京大學

實驗室介紹:

Nakao教授實驗室的路由器已經可以透過廠商技轉製造,
其效能甚至可以處理東京大學主校區的所有網路流量。
同時,Nakao 教授的研究建構在軟體定義網路(SDN)
與網路功能虛擬化(NFV)的平台之上,
與本實驗室的SDN研究計畫有相同的目標,
因此本實驗室與Nakao教授實驗室有建立技術交流合作關係,
以精進軟體定義網路(Software Defined Networks, SDN)
與網路功能虛擬化(Network Function Virtualization, NFV)
實踐網路虛擬化(Network Virtualization)的相關建構與組織技術。

合作單位:Nakao Lab

指導教授:中尾彰宏(Akihiro Nakao)

合作對象相關網址:

(圖片轉載自Sun-Yuan Kung網頁)

美國普林斯頓大學

實驗室介紹:

新世代的行動設備應用、大數據資訊收集真是無孔不入!
而我們攜帶行動裝置在我們的口袋裡,
行動裝置所造成的資料正以指數速度增長,
創造了海量的數據資料中心。
在普林斯頓大學,
我們正在創造符合新世代設備、資料分析應用所需的網絡和硬體,
以滿足新世代科技應用、永不滿足的需求。
並且,我們也正在開發一種安全的計算模式,
從硬體層面和網絡層面,
解決功耗,創造可用性、可靠性和降低成本,
這是一個符合現代潮流的巨大挑戰系統;
我們正在構建,測試,並試圖打破系統,
然後重新建立他們以創造安全、可靠和高性能的多尺度計算基礎設施。

合作單位:Electrical Engineering

指導教授:貢三元(Sun-Yuan Kung)

合作對象相關網址:

AI 趨勢

2017年,對於很多科學家來說絕對是令人振奮的一年。不論是5月底時AlphaGo打敗了世界第一棋王柯潔,還是美國太空總署NASA與Google AI聯手合作發現了迷你版太陽系「Kepler-90i」的突破性發展,多虧了人工智慧,才得以實現人類難以達成的夢想

正因為2017年全球在人工智慧領域發展成果豐碩,《華爾街日報》(The Wall Street Journal)、《富比士》(Forbes)和《財富》(Fortune)雜誌因此稱2017年為「人工智慧元年」。

當時序進入2018年,人工智慧又會對人類社會帶來什麼深刻影響?以下我們將彙集整理各大研究機構的最新趨勢報告,盤點出2018年在人工智慧領域的10大重要趨勢預測。

What’s NEXT?

2018年你不可不知的10大AI趨勢


在人工智慧的浪潮下,很多人擔心自己的工作會被自動化設備或AI所取代,但也有愈來愈多新興職業趁著人工智慧的浪潮而冒出頭來。

根據麥肯錫全球研究所(McKinsey Global Institute公布的研究報告《工作的消失與崛起:自動化時代的勞動力轉移》(Jobs Lost, Jobs Gained: Workforce Transitions in a Time of Automation)[1]預估,2030年全球將有 4~8億個工作將會被自動化科技取代,但同時也將有9億個新工作機會崛起。

全球最大的管理諮詢顧問公司Accenture事業部總經理H. James Wilson近期在《史隆管理評論》(MIT Sloan Management Review)[2]進一步指出,這些新誕生職業的重要功能,要能與AI科技進行互補。舉例來說,「AI管理師」就是未來企業中最不可或缺的關鍵角色之一。

AI之所以能取代人類,關鍵在於機器能透過深度學習,學習人類大腦的思考模式,並做出高效率且精準的判斷。然而,機器終究不是人類,當AI做出的判斷有瑕疵,甚至悖於常理、有損人們的權益時,就得有人在AI行為脫軌時,立刻予以糾正。「AI管理師」一職因此應運而生。

AI管理師必須在AI系統出現問題時,擔任演算法鑑識分析人員,對該事件進行深入分析,並逆向推論導致機器產生某結論的變數,以快速做導正。另外,AI管理師也得確保AI系統不違反人類道德。

去年Google旗下的AI研發公司DeepMind,就宣布成立一個全新部門――DMES(DeepMind Ethics & Society:倫理和社會),主要負責研究 AI帶來的道德倫理與社會問題。具體來說,該部門人員除了得精通專業技術,還要幫助技術人員在研發時能兼顧倫理議題,以確保AI可造福人類。

再者,不少金融機構也開始運用AI來進行民眾的信用貸款審核。最初在設計這樣的AI系統時,就內建有倫理、道德觀念的自主學習能力,但AI管理師仍需要時時監控系統,以避免AI對於某特定族群或行業有差別待遇,而損及人們的權益。

如果 AI技術要在人類社會廣泛運用,就得確保AI具備效率、而且經得起檢視,因此AI管理師的工作絕對是舉足輕重。

除了屬於高階白領工作的AI管理師之外,針對AI機器人進行維護工作、以及與AI機器人工作互補的「機器人褓姆」(Robotic Babysitters)的職缺也開始變夯。

目前很多製造業就大量採用AI機器人進行產線的組裝業務,取代不少藍領勞工階層的工作。不過,儘管AI機器人不需要休息,能24小時不間斷地工作,但機器人跟人類一樣,也需要定期進廠維修、做「健康檢查」,才能在工廠裡長期服役,而幫助機器人做健康檢查的維修人員,就扮演了機器人褓姆的重要角色。

「機器人褓姆」一職的存在,將能針對AI機器人進行預防性的保養檢查,以延長AI機器人的使用壽命,並避免由於機械問題而導致的意外停機,畢竟工廠一旦停機,企業損失的成本將難以估計。


[1] 報告全文請參見https://www.mckinsey.com/mgi/overview/2017-in-review/automation-and-the-future-of-work/jobs-lost-jobs-gained-workforce-transitions-in-a-time-of-automation

[2] 文章內容請參見https://sloanreview.mit.edu/article/will-ai-create-as-many-jobs-as-it-eliminates/

你聽過「AI for X」嗎?這可是目前人工智慧領域最熱門的詞彙之一。所謂的X,就是你想得到的應用,都可以填上去,像是AI for Agriculture就是人工智慧在農業上的應用,AI for Retail則是AI在零售業的應用。所有人們想得到、想不到的應用,幾乎都有人在嘗試開發。

for Shampoo就是一家位於紐約的專業護髮品牌Prose的創意奇想[3]。Prose產品最特別的地方,就在於它能依據每位顧客的髮質、頭皮狀況與個人喜好,利用AI技術與演算法,計算出最適合的配方。

舉例來說,你的髮量與密度、頭髮長度、髮質好壞與粗細、頭皮敏感度、你期望的髮質改善方向、洗頭頻率、生活習慣,以及周遭環境(日曬頻率、空氣溼度)等等因素,都會被電腦計算進去。

一般市面上的髮類產品,通常只有乾性、油性、混合性髮質、受損髮質等「個位數」選擇讓顧客挑選。但Prose提供的服務是真正的「訂製」,研發團隊以76種高效天然成分為原料,為每位顧客調配出獨家的訂製配方,配方的組合方式可超過「500億」。不管你偏好任何特殊的香味、或是對麩質過敏,還是堅持不使用動物成分的素食主義者,Prose都可以為你打造獨一無二的產品。

有了AI加持的Prose髮類產品也要價不斐,洗髮精與護髮素的售價爲8.5盎司28至38美元,相當於240克的洗髮精要賣新台幣840元至1140元,較一般洗髮精貴上20倍。

除了洗髮精之外,AI也可以幫忙釀啤酒喔!AI for Beer就是一家英國啤酒公司IntelligentX發想的有趣創意[4]。但AI究竟該如何釀啤酒呢?

首先,IntelligentX會透過Facebook Messenger的聊天機器人,詢問購買過IntelligentX啤酒的消費者,是否喜歡它的啤酒,並且請顧客為啤酒口味打分數。接著,AI系統會分析顧客的意見,定期推出全新的釀酒方案。

當然,AI提出的釀酒方案並非所有都是可行的,IntelligentX還是會依據市場的大方向,來決定捨棄哪些不適宜的釀酒方案。在這過程中,AI系統將持續學習釀造方法,並不斷改寫釀造的配方和步驟。

目前IntelligentX旗下已推出了一系列不同口味的啤酒,包括金色(Golden)、琥珀(Amber)、黑啤(Black)、淡啤(Pale)。下次前往英國旅行時,別忘了到倫敦各大酒吧或商店,品嚐看看AI釀造出的啤酒究竟有何特殊滋味!

AI的觸角目前還延伸到了農業。在日本,有一名年輕瓜農就利用機器學習創造了一台「小黃瓜分類機」[5]

這名年輕瓜農原本是日本汽車大廠的電腦工程師,後來決定回鄉和父母一起種植小黃瓜。但每回到了小黃瓜採收季節,年輕瓜農就苦惱不已,因為小黃瓜分類實在是一門大學問,必須觀察它的顏色、長短、粗細、紋路、是彎曲的還是直的、表面是否有刺,接著再仔細分類,最後才能送到市場販售。

他也曾想過要購買市面上的小黃瓜分類器,但不是價格太貴,就是效能太差,因此他決定自己打造一台運用AI技術的智慧型小黃瓜分類機。

年輕瓜農買了樹莓派(Raspberry Pi)[6]第3代版本,並利用Google的深度學習(Deep Learning)平台TensorFlow,開始訓練能判別小黃瓜特質的模型。他花了3個月的時間,餵給資料庫超過7,000張小黃瓜的照片,讓機器透過不斷的學習,成功分辨小黃瓜的形狀、長短與彎曲度。接下來,年輕瓜農還要進一步使用 Google的雲端機器學習(Cloud Machine Learning)平台,改善小黃瓜分類機的精準度,才能更準確地辨別小黃瓜表面細緻的紋路。

不論是AI for Shampoo、AI for Beer或是AI for Agriculture,都在在展現了AI創新應用正在全球遍地開花。美國矽谷獨立智庫CB Insights就指出,2018年將可預見更多使用人工智慧技術的創新應用,這種趨勢代表了人工智慧不再只是一項稀有的高端技術,相反地,AI已成為是軟體和應用的關鍵基石之一[7]


[3] 有關Prose品牌與產品相關資訊,請參見https://prosehair.com/

[4] 想瞭解更多有關IntelligentX釀造的AI啤酒,請參見http://intelligentx.ai/

[5] 日本年輕瓜農Makoto Koike的小黃瓜分類機究竟是如何運作的?詳情請上Youtube網站觀賞https://www.youtube.com/watch?time_continue=3&v=4HCE1P-m1l8

每年1月在美國拉斯維加斯舉辦的「消費性電子展」(Consumer Electronics Show,簡稱CES),全球科技大廠總會展示出最新、最炫的產品,外界也能藉此預測該年度科技業有何重點發展趨勢。

延續了去年的AI熱潮,今年的CES展儼然成為「語音助理」(voice assistant)的天下,其中Google Assistant更是獨領風騷,搶走所有媒體的目光。在2017年的CES展中,亞馬遜(Amazon)的語音助理Alexa出盡了鋒頭,今年Google則不讓亞馬遜專美於前,要向外界宣示Google Assistant也能像Alexa一樣,充份落實在生活裡。

眾多廠商也宣告加入Google陣營,Google語音助理將於2018年在電視、汽車、家電、音響、手機、智慧顯示器、耳機等領域發光發熱。

現在你只要說出「Hey Google」,Google語音助理就會使命必達[8]!以車內應用來說,開車時想聽個音樂,你只要動動嘴巴,告訴Google Assistant,它就會幫你開啟Spotify;忽然有急事要連絡,Google語音助理也會幫你傳送WhatsApp訊息;不知道路線怎麼走最快,只要喊聲「Hey Google」,Google Assistant就會開啟導航系統。預計今年福特(Ford)、通用汽車(General Motors)、福斯(Volkswagen)、富豪汽車(Volvo)的車主,就可享受到Google語音助理的貼心服務。

今年Google Assistant還將整合超過1,500種智慧家用裝置,你想得到的家電用品,通通可以用聲音來操控。Google旗下的聲控智慧音箱Google Home系列產品,甚至已經熱賣到每秒售出一台[9]

聲控智慧音箱之所以深受消費者喜愛,原因就在於它可控制電視、冰箱、空調等各式家電,又能聰明應答人類的問題。市場研究機構Canalys就預估,2018年智慧音箱的全球出貨量,將較2017年成長70%,達到近6,000萬台的水準,首度超越AR、VR與穿戴裝置[10]

面對Google Assistant的來勢洶洶,亞馬遜也不是省油的燈。目前亞馬遜的Echo╱Alexa可是穩坐智慧音箱市場的銷售龍頭寶座,並且成功讓語音助理進入消費者家中。

光是去年的聖誕購物季,全球就賣出了數千萬台搭載有亞馬遜語音助理Alexa的裝置[11],越來越多裝置業者選擇加入亞馬遜陣營,持續推出支援Alexa的商品,像是可以聲控的冰箱、微波爐、烤箱或爐具等。能讓人們「動口不動手」的語音助理,絕對會是今年最火熱的科技應用。


[6] 樹莓派(Raspberry Pi),是一款使用Linux系統的單晶片電腦,尺寸只有信用卡一般大小。

[7] 欲知CB Insights對於2018年人工智慧領域的趨勢預測,請參見CB Insights發表的《Artificial Intelligence Trends To Watch In 2018》報告。

[8] 有關Google語音助理的功能,請參見https://assistant.google.com/#?modal_active=none

[9] 銷售數字參考自https://techcrunch.com/2018/01/05/google-says-it-sold-a-google-home-device-every-second-since-october-19/的文章《Google says it sold a Google Home device every second since October 19》。

[10] 出貨量數據引用Canalys發表的研究報告《Smart speakers are the fastest-growing consumer tech; shipments to surpass 50 million in 2018》。

[11] 銷售數字參考自https://www.geekwire.com/2017/amazon-sold-tens-millions-alexa-devices-worldwide-record-holiday-season/的文章《Amazon sells ‘tens of millions’ of Alexa devices worldwide in record holiday season》

去年10月,蘋果(Apple)營運長傑夫˙威廉斯(Jeff Williams)風塵僕僕來到台灣,參加台積電30週年慶活動,並出席了由台積電董事長張忠謀主持的半導體論壇。威廉斯在論壇中直言,蘋果在未來10年將大舉投入醫療科技領域。智慧醫療已成為蘋果未來的重點發展項目之一[12]

智慧醫療之所以備受關注,就在於AI對醫療產業將帶來翻天覆地的影響――過去全球頂尖醫師得耗費長時間研究,才能得出一套診療方式的模式,將完全被打破。只要AI出馬,各式疑難雜症都可能在短短幾分鐘內得到診斷!

大數據與AI不僅改變了醫療生態系,也改寫人類的抗癌史。癌症一直是人們健康的最大敵人,醫界絞盡腦汁就是為了打贏漫長的抗癌戰役。現在有了人工智慧,已成功讓醫界在抗癌的路上前進一大步。

最為人所知的就屬IBM創造的「腫瘤科的華生醫師」(Watson)。IBM開發的癌症治療輔助系統(IBM Watson for Oncology)[13],已經能診斷超過10種癌症。華生已閱讀超過1,500萬頁的醫學教科書、研究、治療指引,並持續利用深度學習法,每年消化約5萬篇的新癌症研究。目前華生已在全球超過50家醫院,擔任醫師的助手。華生的任務是針對病人的病歷、各項檢查數據與醫療影像資料進行判讀,並提出多面向的治療建議。

AI智慧醫療最強大的地方,就在於機器學習演算法可以快速比對數百萬名患者的病歷,並精準分辨人類可能忽略的細微差別。

除了IBM之外,麻省理工學院(MIT)則讓AI技術進入了加護病房。加護病房的醫護人員一直都處在與時間賽跑、高風險的環境,他們必須在最短時間內消化眾多資訊,並做出醫療決策。因此MIT的電腦科學與人工智慧實驗室(CSAIL)利用深度學習開發了 ICU Intervene模型[14]

ICU Intervene 模型每小時會為病患量血壓、心跳和葡萄糖指數等生命徵象,再搭配上病患的年齡、性別等個人資訊,和醫院的資料庫大數據進行比對,並藉此預測病患需要何種治療,以及何時該治療、何時可停止治療。這個模型能提前8小時做出預測,讓醫護人員在分秒必爭的嚴苛環境下,迅速做出最好的判斷。

很多醫院大膽啟用AI技術,並非為了要讓機器取代醫師,而是希望醫師能與AI相輔相成、攜手合作,共同戰勝疾病。

CB Insights預估,AI技術與設備在2018年將進入全球醫療系統,其中,AI將在臨床診斷等領域大展身手,進一步改變醫療體系裡人員的工作方式,而病人們也可以感受到更專業、全面的醫療服務。


[12] 參考自https://www.macrumors.com/2017/10/23/jeff-williams-attends-tsmc-30th-anniversary/ 的文章《Apple's Jeff Williams Speaks About Artificial Intelligence and More at TSMC's 30th Anniversary Ceremony》

[13] 詳情請參見IBM官網https://www.ibm.com/watson/health/oncology-and-genomics/oncology/

[14] 參考自https://blogs.nvidia.com.tw/2017/10/the-ai-will-icu-now-deep-learning-helps-guide-decisions-in-intensive-care/的文章《人工智慧準備好在加護病房見你了:深度學習在加護病房裡協助引導做出決定》。

當AI人工智慧PK全球頂尖律師,究竟誰能勝出呢?答案是AI完勝!今年3月,以色列的法律AI平台LawGeex,和20名擁有豐富執業經驗的律師群進行比賽,雙方要在4小時以內審視5項保密協議(Non-Disclosure Agreement,簡稱NDA),以確認其中30個法律議題,包含了仲裁、保密關係與賠償等內容[15]

最後比賽結果出爐,AI平台僅僅花費26秒就完成審查,律師群則平均耗費92分鐘的時間。另外,AI平台雖然在極短時間內就達陣,但準確率依舊相當高,達到95%的超高水準;律師群的準確率則是85%。AI平台在某一份合約的審視上,準確率甚至達到100%;至於人類律師群中,則沒人拿下滿分,準確率最高是97%。

很多人看到這裡可能不免擔心,如果連需要高度專業的律師行業,都可能被AI所取代,那大部分的人是否都將面臨失業困境?其實,法律AI平台LawGeex最初在成立時,並非以取代人類工作為目標,而是要透過人工智慧與自動化,來加速律師及事務所的資料審查時間,讓律師的工作能更有效率。

畢竟律師平時的工作有很大一部分是匯整法律檔案,法律檔案動輒數十頁、甚至上百頁;一個案件處理下來,數千頁法律檔案內容的審查實在曠日廢時。但有了受過訓練的法律AI平台,電腦就能在幾分鐘、甚至幾秒鐘內完成繁雜的任務。法律AI平台其實是律師們最得力的助手。

以另一個高度人力密集產業――記者行業來說,AI的出現則讓不少記者能更專注於深度報導。

美國科技公司Automated Insights創造了一個超強的寫文章神器――WordSmith平台[16]。WordSmith這個AI記者生產力超高,每年可寫10億篇以上文章,平均每秒能產出2,000篇文章。根據統計,AI記者的一篇文章最高曾有超過100萬的點閱人次,文章筆調還可因內容屬性不同而改變。目前Yahoo!、美聯社(Associated Press,簡稱AP)都雇用了這個「AI記者」。

美聯社當初之所以會採用WordSmith平台,主要是想利用AI記者來撰寫美國數百家上市公司的財報相關文章。財報文章大多是由企業公布的財報數字組合而成,雖然文章不難寫,但工作量極大、必須動用眾多人力共同完成。有了AI記者之後,這些財報文章就能由電腦來完成,而財經記者就能專心完成後續的深度報導。美聯社還曾公開表示,沒有任何一名記者因為WordSmith平台的出現而丟了飯碗。

為了證明身為「人類」記者不可取代的價值,有一名任職於全國公共廣播電台(National Public Radio,簡稱NPR)的資深記者Scott Horsley就向AI發出戰帖,要和WordSmith一較高下[17]

比賽辦法是Horsley和WordSmith平台在同一時間接到美國最大連鎖家庭餐廳Denny’s的最新一季財報,並開始撰寫報導,看誰寫得快、寫得好。比賽結果顯示,就寫稿速度來說,WordSmith平台大勝,只花了2分鐘就完稿,而Horsley則耗時7分鐘才寫完文章。雖然Horsley在速度上差了WordSmith一大截,但文章品質卻大受好評――WordSmith寫的文章只有912個人支持,而Horsley的文章則獲得9,916個人按讚。大家普遍認為機器人寫的文章缺乏「溫度」,Horsley的筆調則活潑生動,讓整篇文章看起來有血有肉。

AI除了能幫律師、記者完成繁複的工作,就連軟體工程師最傷神的「debug」(抓錯),AI都有辦法做到。英國新創公司DiffBlue是由英國牛津大學教授所創立,目的是要運用人工智慧幫助軟體工程師[18]。為程式debug一直都是工程師最不想做的苦差事之一,不僅耗時、耗腦力,有時還沒辦法將所有錯誤清除。因此,DiffBlue的出現可說是不少工程師的救星,讓debug流程能更準確、更有效率。

人工智慧的嶄新應用正逐步擴展至各行各業,白領階級已深刻地感受到衝擊,但如何將自動化的衝擊,轉化成提升自己價值的助力,則是每個工作者需要思考的嚴肅議題。


[15] 比賽規則與最終結果請參見 https://www.lawgeex.com/AIvsLawyer/

[16] 欲知WordSmith平台如何生成文章,請參考https://automatedinsights.com/wordsmith 。

[17] 參考自 https://www.digitaltrends.com/computing/automated-insights-wordsmith-challenges-nprs-finest-to-a-writing-race/的文章《Automated Insights’ WordSmith challenges NPR’s finest to a writing race》。

[18] 有關diffblue公司的介紹,請參見https://www.startupsilike.com/blog/diffblue

當人工智慧與機器學習的應用快速拓展到我們生活的各個層面,越來越多裝置需要龐雜的運算需求,但如果每次都得將運算需求交由「遙遠的雲端處理,這樣一來一往之間,不僅傳輸耗費時間,更可能因此產生延遲狀況。假設是攸關生命安全的裝置,像是寶寶監視器、自動駕駛車輛,能否即時處理感測器傳來的資訊,就顯得至關重要。「邊緣運算」(Edge Computing)因此成了目前AI領域最夯的概念。

根據維基百科(Wikipedia)的定義,「邊緣運算是一種分散式運算的架構,將應用程式、數據資料與服務的運算,由網路『中心』節點,移往網路邏輯上的『邊緣』節點來處理。由於邊緣節點更接近用戶終端裝置,可以加快資料的處理與傳送速度,減少延遲。」[19]

工研院產業經濟與趨勢研究中心(IEK)表示,AI發展初期是將資料傳輸至遠端的雲端來執行運算,但在網路頻寬、通訊延遲、資料安全等限制因素下,運算任務需要轉移至終端裝置或就近的網路設備上,邊緣運算因而興起。IEK直言,2018年人工智慧領域的焦點將從雲端運算落實到「邊緣運算」,而邊緣運算的全球市場規模,也預料從2017年的80億美元成長至2022年的133億美元,年平均成長率達10.7%[20]

如何讓終端裝置能執行邊緣運算,以具備處理資料的能力,成了不少科技大廠的未來發展大計;其中,蘋果就是邊緣運算領域發展的重要先行者。

以去年最新發表的iPhone X來說,它內建的A11 Bionic晶片就具備了神經網路引擎,每秒可處理多達6,000億次運算, iPhone X無須仰賴雲端,即可獨立完成人臉辨識的複雜運算,即使手機處於離線狀態,也能執行臉部辨識來解鎖。蘋果還宣稱,iPhone X的Face ID能適應使用者外表因時間變遷而產生的改變[21]

在過去,人臉辨識系統必須將資料回傳到後端系統才能進行處理,而蘋果A11 Bionic晶片的強大運算功能,打破了過去的情況,引領了邊緣運算的潮流。

為了因應邊緣運算的需求,英特爾(Intel)去年也推出了全球首款USB格式的深度學習套件、同時也是AI加速器的「Movidius神經計算棒」(Movidius Neural Compute Stick)。這款AI加速器可直接插上電腦使用,使用者不需要再花大錢升級硬體設備,也不用連接上雲端,電腦就具備神經網路的運算能力[22]

英特爾表示,Movidius神經計算棒可提供每秒1,000億次的浮點運算能力,而且只需要1瓦的電力。Movidius神經計算棒的問世,對於產品開發者來說好處多多,除了能避免因連線到雲端而產生延遲的問題,也可節省能源,更重要的是使用者能在離線的情況下執行運算,保有完整的隱私,避免自己的研究成果有洩漏的可能。

除了手機、筆電等終端裝置開始吹起邊緣運算風潮,就連自駕車也趕上這股熱潮。特斯拉(TESLA)目前就積極整合軟硬體,要將每一台特斯拉的車子變成邊緣運算裝置。未來特斯拉的自動車開在路上時,就能不完全依靠「遠在天邊」的雲端,而是利用「近在眼前」的邊緣運算系統,就近運算、自我思考,即時回應當下的突發狀況。特斯拉的企圖心可說是相當遠大,因為要讓汽車變身邊緣運算裝置,所需的運算能力和硬體的DRAM、NAND都必須大幅超越現行的先進駕駛輔助系統,難度並不低。

[19] https://zh.wikipedia.org/wiki/ 邊緣運算

[20] 相關資訊參考自工研院網站https://www.itri.org.tw/chi/Content/NewsLetter/contents.aspx?SiteID=1&MmmID=5000&MSID=1000131004533304110的文章《工研院IEK 2018十大ICT產業關鍵議題》

[21] 參考自http://technews.tw/2017/09/15/why-a11-bionic-is-highlight-of-keynote-performence/的文章《為什麼 A11 Bionic 晶片才是整個蘋果發表會真正的亮點?》。

[22] 詳情請參考英特爾網站 https://developer.movidius.com/

AI人才究竟有多夯,看看彭博商業周刊(Bloomberg Businessweek)在今年2月發表的一篇文章〈Sky-High Salaries Are the Weapons in the AI Talent War〉,就可以知道了[23]

作者Jeremy Kahn在文章開頭做了一個絕妙的比喻――如果你想要連續多年都能拿到7位數美元的年薪,過去你只有4種選擇:擔任一家大公司的執行長、成為一名銀行家、變成一個娛樂圈的名人,或是職業運動選手。現在,你有了第5個選擇,就是人工智慧專家。AI專家之所以能躋身美金7位數年薪之列,關鍵就在於沒有人可以斷言目前全球究竟有多少AI專家。AI頂尖人才供不應求的狀況,早已是不爭的事實。

要成為一個能獨當一面的AI專家,除了得在數學、統計學上擁有一流的能力,寫程式更是基本功,另外,對資料科學領域更得擅長。因此一些剛從美國知名大學拿到機器學習與資料科學領域博士學位的畢業生,就有不少企業願意開出年薪30萬美元以上的優渥條件。

目前科技業的巨擘們正想盡辦法招募全球最頂尖的AI人才,其中全世界各知名大學裡的教授與研究人員,就成了被挖角的對象。

臉書(facebook)近來就動作頻頻,不僅持續在加州總部及全球各重要城市設立AI實驗室,今年更宣布砸重金從華盛頓大學(University of Washington)與卡內基美隆大學(Carnegie Mellon University),延攬了3位在AI與機器人領域的知名教授[24]

其中一名是華盛頓大學計算機科學與工程系的教授Luke Zettlemoyer,將負責主導臉書位於西雅圖的AI實驗室。Zettlemoyer教授是「自然語言處理」(Natural Language Processing)領域的翹楚,未來他將積極開發一套計算機AI閱讀軟體,讓臉書能針對用戶發布的訊息能進行過濾。

位於匹茲堡的卡內基美隆大學在電腦科學領域一直相當優異,近期更傾力發展AI,臉書這回挖角了專門研究電腦視覺技術與機器人的教授Abhinav Gupta和Jessica Hodgins,就是要讓臉書位於匹茲堡的AI實驗室專注於機器人與深度學習研究。

全球科技大廠在AI領域的求才若渴,也充分展現在AI人才薪資的水漲船高。在2014年被Google收購的英國科技公司DeepMind Technologies,於去年公布的財報中就明列「員工薪資成本與相關支出」的金額為1.048億英鎊,外界推估DeepMind公司的團隊規模約為400人上下,平均下來每位員工的薪水達到25.2萬英鎊,相當於新台幣1,018萬元[25]

在就業網站上也可窺見全球AI人才的薪資水準居高不下。美國職業資訊網站「Glassdoor」是一個分享雇主評價與職場資訊的平台,不少員工會在網站上透露自己的實際薪資,供其他人參考。近期在Glassdoor上的薪資分享資訊上,就有不少AI職位的年薪達到美金6位數[26]

為了挖掘AI人才,科技大廠無不卯足全力端出最誘人的薪資條件,讓人才自動向自家公司靠攏。除了向外尋找AI人才外,Google和臉書等大企業對內也積極開班授課,培育自家員工,傳授人工智慧、機器學習、深度學習等相關技術,讓AI技術能從公司內部扎根。


[23] https://www.bloomberg.com/news/articles/2018-02-13/in-the-war-for-ai-talent-sky-high-salaries-are-the-weapons

[24] 參考自 https://www.nytimes.com/2018/05/04/technology/facebook-artificial-intelligence-researchers.html的文章《Facebook Adds A.I. Labs in Seattle and Pittsburgh, Pressuring Local Universities》。

[25] 參考自CBhttp://uk.businessinsider.com/deepminds-financials-ai-talent-salaries-2017-10的文章《DeepMind's financials hint just how much tech giants are willing to spend on top AI talent》。

[26] 參考自CB Insights發表的《Artificial Intelligence Trends To Watch In 2018》報告。

提到AI,大家一定會認為這是一門高深的技術,AI的應用和相關產品也不是一般人可以創造出來的。但現在,你不再需要計算機科學博士或是數學博士的協助,就可以創造出屬於你自己的AI喔!

為了讓更多人接觸人工智慧、並且使機器學習變得更「平易近人」,Google與樹梅派(Raspberry Pi)基金會發表了適合所有年齡層的AI計劃(AI for all ages)――AIY(Artificial Intelligence Yourself),要讓所有人都能自己動手設計專屬於你的人工智慧產品[27]

首先,Google在去年發布了第一個AIY產品「語音辨識套件」――Voice Kit。它包含了可用來捕捉及播放聲音的硬體,並且以Raspberry Pi 3 Model B作為設計及測試平台。這個語音套件可以在不同裝置上運作,創造一個專屬於你的人機互動介面。Google表示,你可以自己編寫程式,讓Voice Kit化身為個人語音助理,有趣的是,語音助理的聲音還能隨個人喜愛有所不同,不論是有著007電影主角詹姆士龐德(James Bond)迷人嗓音的「男聲」語音助理,或是講話輕聲細語的「女聲」語音助理,通通都可以創造出來。而且,Voice Kit價格超便宜,只要花上新台幣1,500元,就可以打造一個全球獨一無二的智慧音箱[28]

繼Voice Kit語音套件後,Google又在今年推出了第二個AIY產品「視覺辨識套件」-Vision Kit,其中包含了搭載了Intel圖像處理晶片 Movidius MA2450的VisionBonnet主機板、小型喇叭與鏡頭套件等零組件[29]。簡單來說,這就是一台DIY的AI相機。

由於Vision Kit內建了3組TensorFlow神經網路模型,因此這個AI相機可以進行人臉辨識、表情辨識、物體辨識,而且即使是離線狀態也能進行影像辨識。有了Vision Kit之後,你可以把這台AI相機放在家中,觀察寵物是否到處搗亂,也可以做為防盜監視器。當然,上面所說的家用相機功能只是最基本的應用,相信有不少AI玩家們一定可以實現更多大家想不到的創新應用。

為了不讓Google專美於前,亞馬遜(Amazon)推出了全球第一台專為開發人員設計的AI深度學習攝影機「DeepLens」[30]。亞馬遜表示,深度學習是一種利用神經網路來學習和進行預測的機器學習技術,而DeepLens就可以讓使用者在攝影機上執行深度學習模型,以針對看到的內容進行分析和採取行動。

DeepLens每秒可執行超過1,000億次的運算,具備了物件偵測、臉部辨識以及為人類活動辨識(像是刷牙、塗口紅、彈吉他等30多種動作)等功能。除了DeepLens這樣的硬體設備外,亞馬遜還特別創造了Amazon Sagemaker系統,要為開發人員提供機器學習的全套管理服務,助開發者一臂之力。

以目前現況來說,執行機器學習的過程可說是極為複雜及繁重,其中還得經過大量的試錯,亟需專業的技能,因此機器學習對於大多數開發人員來說是遙不可及的。但有了Amazon Sagemaker的服務與DeepLens的硬體後,開發人員不需要再花費過多時間建立模型、試誤,就可以快速建立模型,並簡化、加速機器學習的訓練過程。

換句話說,亞馬遜的目標就是要協助開發人員學習各種深度學習技能,即使是沒有機器學習經驗的開發者,也可以在10分鐘以內運行自己的第一個深度學習模型,大幅降低產品開發人員進入AI領域的門檻。


[27] 欲知AIY計畫內容,請參見 https://aiyprojects.withgoogle.com/

[28] Voice Kit產品相關資訊可參見 https://www.raspberrypi.com.tw/17991/aiy-projects-voice-kit-v1/

[29] Vision Kit產品相關資訊可參見 https://aiyprojects.withgoogle.com/vision

[30] DeepLens產品相關資訊可參見 https://aws.amazon.com/tw/deeplens/

做為科學和技術的產物,人工智慧目前已為人類世界帶來了相當多助益,大家也普遍認為AI的應用領域大多是講究快速精準的制式工作,缺乏情感的機器的確和創意發想扯不上邊。

然而,去年8月美國樂壇出現了一張特別的專輯,曾在2004年參加美國選秀節目《美國偶像》的流行女歌手Taryn Southern發行了名為《我是人工智慧》(I am AI)專輯,最特別的地方在於這張專輯是由歌手Southern和名叫Amper的人工智慧共同創作,如果不特別告訴聽眾,絕對不會有人懷疑專輯的作曲者並非真人[31]

一家位於盧森堡的新創公司AIVA科技公司(AIVA Technologies),它還創造了一個能創作歌曲的人工智慧,名為「人工智慧虛擬藝術家」(Artificial Intelligence Virtual Artist,簡稱AIVA)[32]。AIVA是使用CUDA、TITAN X Pascal GPUs和cuDNN的深度學習架構,藉由海量的古典音樂資料庫來訓練神經網路。曾經有人把AIVA創作的曲子和人類的作品放在一起,要進行圖靈測試(Turing Test)[33],結果AIVA通過了圖靈測試,民眾根本沒辦法分辨出哪些是AI創作的曲目、哪些是人類作曲的。

AIVA目前也成為全球第一個經過政府與法律認證作曲家,它目前是法國和盧森堡著作權管理協會(Society of Authors, Composers and Publishers of Music,簡稱SACEM)的註冊會員,因此AIVA創作的所有曲目,都受到著作權法律的保障。

AI不只會作曲,還會繪畫創作!美國羅特斯大學(Rutgers University)的藝術與人工智慧實驗室(The Art and Artificial Intelligence Lab,簡稱AAIL),就在實驗室主持人――艾格曼教授(Ahmed Elgammal)和學生的努力下,創造了能繪製出具原創精神畫作的[34]

為了創造這個會畫畫的AI,他們餵了電腦將進10萬幅十五至二十世紀的西方畫作,來訓練神經網路。艾格曼教授團隊發現「生成對抗網路」(Generative Adversarial Network,簡稱GAN)雖然是公認的處理圖像生成問題的好辦法,但是在生成原創視覺藝術方面,卻表現得不夠傑出。

因此艾格曼創造了一個創意對抗網絡(Creative Adversarial Networks,簡稱CANs),要為AI賦予藝術創作的力量。艾格曼認為,CAN和GAN最大的不同之處,在於GAN做的是模仿,而CAN則會創新。

為了確認以CAN為架構的AI畫作,是否能達到人類創作的水準,該團隊進行了圖靈測試――他們將AI的繪畫作品和數十幅博物館級典藏的大師級畫作放在一起,要讓受測者選擇哪些是電腦創作的、哪些是真人畫的。最後測試結果顯示,人們完全無法辨別電腦與大師創作的作品,甚至有不少人認為,AI的作品勝利,因為「在創意上更新穎」、「在審美觀上更具吸引力」[35]

很多人一定認為,AI機器人的高效率與自動化優勢,未來可能會讓不少勞工失去飯碗,難道就連人類最可貴的創造力與藝術發想等價值,都將被AI所取代嗎?

其實,我們可以換個角度想,人類在遇上AI時,並非是你死我活的零和狀態,沒有誰一定要取代誰的問題,只要雙方能夠透過協作,就可能將人類潛能發揮到最大。國際研究暨顧問機構Gartner的研究副總裁Svetlana Sicular認為,「人工智慧最大的好處在於人工智慧的增強功能(AI augmentation),也就是結合人腦與人工智慧,使之相輔相成。」以AIVA來說,它的誕生與存在的目的,並不是要取代音樂創作者,而是希望能協助人類創作、增進效率,創造最符合市場期待的音樂作品,進而擴大消費市場的規模。


[31] 專輯製作過程可參見 https://www.digitaltrends.com/music/artificial-intelligence-taryn-southern-album-interview/

[32] 有關AIVA的更多資訊請參見http://www.aiva.ai/

[33] 圖靈測試為人工智慧領域一項重要測試,是計算機科學與人工智慧之父――艾倫˙圖靈(Alan Mathison Turing)設計,用來判別機器是否具備人類特有的智慧(Intelligence)。

[34] 實驗室網站請參見https://sites.google.com/site/digihumanlab/home

[35] 參考自https://www.artsy.net/article/artsy-editorial-hard-painting-made-computer-human的文章《It’s Getting Hard to Tell If a Painting Was Made by a Computer or a Human》。

活動訊息

榮譽事蹟

2015通訊大賽智慧城市應用服務設計競賽-企業獎
臺大電機系大學部精專獎
2017台大電機系大學部精專獎貳獎
2017 SDN/NFV創新應用競賽-應用類台組

指導教授

林宗男 教授

Tsung-Nan Lin Professor
  • 現職:國立臺灣大學電機系 / 電信所教授、資訊安全技術中心 主任
  • 學歷:美國普林斯頓大學博士
  • 主要研究領域:行動網際網路、網路資訊安全、機器學習、深度學習、大數據網路安全
  • 研究室:博理館 626室
  • 實驗室:博理館 507室