2016年3月15日,Google的AlphaGo以4比1成績打敗南韓圍棋棋王李世石,此舉讓人工智慧又再次被各媒體關注,幾乎每天都有人工智慧的相關新聞。
AlphaGo的傑出表現,背後原理和20年前的「深藍」電腦不同,當時主要是將西洋棋譜放在電腦裡,比的是電腦如何快速找到棋譜的「搜尋能力」;現今AlphaGo是比如何讓電腦有好的「學習能力」,從中不斷自學,在短時間中獲得超凡的圍棋技術。
其實這種技術已落實在生活使用,只是常不自覺;例如使用的搜尋引擎會收集每次在桌機、筆電及手機輸入搜尋的關鍵字。出門上班後,家裡的掃地機器人在每次打掃經驗中,學習家中的地理空間狀況,讓每次打掃可從先前打掃經驗再精進時間和效率。
音樂播放軟體懂得在每天下午進入撞牆期時送出振奮精神的搖滾樂,並在睡前送上節拍緩慢的助眠音樂。這些方便又貼心的服務,需要的就是人工智慧核心「機器學習」。
機器學習為實現人工智慧的關鍵方法;傳統人工智慧著重運用清楚的邏輯學,進行問題的推論和演繹,但有許多例外情況無法用邏輯解釋,造成在推理判斷時無法令人滿意。現在運用機器學習讓系統進行自學,在各種儲存及運算成本大幅下降,只要資料量累積愈來愈多,機器就可從不斷自學,取得最佳解的能力和機會就愈高。
近年來有大廠及開放社群為加強話語權和影響力,將內部使用的各式機器學習演算法公布,讓採用的業者有如獲得大廠的機器學習能力。例如Google的TensorFlow、Microsoft的CNTK及DMTK;或是著名開放原始碼Caffe、Theano、Torch等。
許多大廠還將不同的機器學習技術結合雲端平台,讓企業以平台租用方式,選用不同的機器學習功能來加入自家系統。
藉由機器學習的開放原始碼及平台化,有助企業快速導入機器學習的行列,帶動企業運用機器學習去訓練屬於自家特有服務模型,以此和競爭對手形成差異化。
一旦機器學習的能力不再只是大廠獨有時,廠商將積極運用原始碼開放及平台的易用化,將自家產品及服務進行各種智慧化升級,整體產業形態開始由數位化逐步的變革為智慧化。當產業進行智慧化升級時,機器學習會對每個環節產生重大影響。
面對這波機器學習創造智慧化浪潮,企業主不應以購入硬體產品或軟體升級之思維,應儘早學習使用機器學習來分析內外部擁有的資料,不斷運用不同機器學習方法來精進服務的品質,一旦將相關服務校調到合適的準確度後,使用者會更依賴有機器學習所提供的服務,未來就會愈依賴業者提供的產品來完成事情。
(本文刊登於2016/1/8 經濟日報 A12版)