online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 靠吃大數據才能養出AI?逆勢思考的技術也在萌芽中

摘要: 自從Google 的人工智能AlphaGO 成為圍棋界的百勝將軍開始,AI(Artificial Intelligence,人工智能)這兩個英文字,剎那間成為科技業最熱門的關鍵字之一。而就在2017年初,早在AI 領域打下深厚底子的IBM Watson,除了打進一些數據服務公司、科技公司外,甚至進軍醫療領域,能夠依照病患資料判定青光眼,準確率高達95%。


作者拓墣產研

靠吃大數據才能養出AI?逆勢思考的技術也在萌芽中

自從Google 的人工智能AlphaGO 成為圍棋界的百勝將軍開始,AI(Artificial Intelligence,人工智能)這兩個英文字,剎那間成為科技業最熱門的關鍵字之一。而就在2017年初,早在AI 領域打下深厚底子的IBM Watson,除了打進一些數據服務公司、科技公司外,甚至進軍醫療領域,能夠依照病患資料判定青光眼,準確率高達95%。

我們現在已經邁入了AI與機器人逐漸取代人類工作的年代,在不知不覺間,AI的相關技術已經開始滲透每個人生活的角落,從Google與Facebook依照興趣投放的廣告、可以幫你找資料設定日曆的語音助理Siri,背後都含有AI的概念與技術。未來的生活無論是投資、交通、醫療、學習、生產,將無處不是AI的踪影,這個技術也將徹底改變人們的生活模式。

是什麼讓AI從“科幻”變“科技”?

AI其實是個龐大而復雜的概念,但大都奠基於一項基礎的關鍵技術,這個技術叫做“機器學習Machine Learning”。

機器學習技術,就是讓機械擁有自主學習的能力,說起來很簡單,但在1950年代技術萌芽期間,演算法和硬體條件都不夠成熟,是直到近年來日益優異的演算法,與強勁的硬體運算能力,才讓機器學習的能力有突破性進展,而其中帶進展最為快速的一項關鍵技術,就是大家最耳熟能詳的──“深度學習”。

我們來看看這個數據:2015年機器學習的周邊市場規模約3.6億美元,至2020年預估將突破29億美元,並在AI整體市場的50億美元中佔了約六成比重,可以說機器學習的技術突破,就是AI市場發展的原動力。

既然機器學習重要,那麼它究竟是什麼?為何能進展神速?

“大數據”提高了深度學習精準度

演算法及硬件條件的大幅躍進提供了機器學習發展的優良條件,再加上數字化聯網的蓬勃下帶來的“大數據”,便引爆了科技大廠爭相投入深度學習技術的浪潮。目前不管是NVIDIA這類的芯片商,或擅長演算法的Google、Facebook等軟件商,最常提到從事的機器學習的主流技術,就是深度學習。

舉個例子描述深度學習如何進行。想像一下,要讓一台搭載深度學習能力的車輛進行自動駕駛,面對陌生的路線、隨時有行人衝出馬路的危險路況,機器怎麼判斷?透過深度學習,你可先一次提供機器海量的數據資訊,包含路標、號志、路樹、行人、等,讓它學會辨識環境中的物體為何,學會了,便有助於它在行進過程中快速而精準地避開障礙、找出最佳路徑,並順利抵達目的地。只要數據越豐富完整,機器就越能夠提高一切辨識的精準度,以加強判斷能力。

這麼說來,要能讓AI靠“深度學習”發展思考能力,很大程度是依賴大數據所賜,不過,這時候我們就會面臨一個問題:沒有大數據,深度學習就毫無用武之地了嗎?

“小數據”的機器學習方案也蓄勢待發

大數據帶給深度學習強而有力的判斷能力,但其實機器若要做到“學習”這件事,深度學習並不是唯一方法。

回到自動駕駛的例子,倘若這次我們先不將海量的數據提供給機器,而是只告訴他“目的地”、“禁止碰撞”兩項指令,然後任憑他不斷的Trial & Error,在失敗中汲取“經驗”以達到學習的效果,最終也能抵達目的地(前提當然是沒有遭遇嚴重車禍影響行進能力)。這樣在初始階段不仰賴大數據的學習方式,可以歸類為“強化學習”。

強化學習的方法能補足機器在突發狀況下的應變能力,AlphaGO 的開發商DeepMind 也深諳這項方法的優點,因此讓AlphaGO 也藉著深度學習與強化學習的組合,在對手下出意料之外的棋步時,隨即建立新的經驗,以做為未來在相同局勢下能克敵制勝的判斷依據。

為什麼我們需要“小數據”的AI 培養方案?

事實上,“獲取足夠大量的數據”就是極耗成本的一件事,此外,有些數據如罕見疾病的病歷、症狀等本身就具稀有性,因此像是強化學習等低數據依賴度機器學習方案逐漸開始受到青睞,許多公司與研究機構也以此作為研發的努力方向。日前就有一間名為Gamalon 的新創公司發表新技術,表示其AI 系統可僅用很少量的數據訓練機器學習,就達到媲美進行深度學習後的精準辨識能力,成功吸引市場關注。

除了一般仰賴大數據的深度學習外,其他可降低數據量依賴度的機器學習方案正不斷醞釀中。在不遠的未來,我們開車出門只要安穩的在後座休息,不須擔心安全與塞車問題,AI 自然會幫我們找到最佳路徑;彈指輕點,手機便會幫我們挑選出最適合的購物選擇;還可能有貼身的虛擬健康顧問可諮詢,並隨時告知我們每天的飲食是否均衡、甚至幫我們設計健康菜單。

AI 深入生活的程度,說不定會比我們想像中來得更快。

轉貼自: 36大數據


留下你的回應

以訪客張貼回應

0

在此對話中的人們

Powered by Komento

YOU MAY BE INTERESTED