人工智慧所需要的人才培育

洪士灝

國立台灣大學資訊工程學系

2017-08-31

1

關於我

◆現任臺大資工系教授兼副主任◆密西根大學電腦博士、台大電機學士

◆高中時代即自學電腦科技、嚮往人工智慧◆博士研究: 以超級電腦解決產業、學術問題◆於矽谷昇陽電腦研發高階系統技術(2000-2005)

◆研究平行處理、效能優化、大數據系統、人工智慧、資訊安全，培育學術實務兼備的人才

人才培育有什麼難?

◆不就是廣設大學、增設系所、增開課程就好了嗎?

◆這些年看下來，我想我們缺乏能在這個新時代:

–追求卓越、領袖群倫的將才–別出心裁、求新求變的奇才–深耕技術、使命必達的專才

◆或許是人才的標準越來越高，因為面對的是全球性高科技競爭，但我們還是用舊思維在培育人才

資訊科技已大幅改變世界

◆隨時可以存取重要資料、聯絡親友、玩遊戲、翻譯語言、導航、購物、與Siri對話、收到Google的建議、看Facebook推播的廣告

◆除了把人類帶入虛擬的世界，資訊科技逐漸以影像辨認、資料分析、自動駕駛、機器人等形式深入實體世界，取代人類的工作

◆但教育的體制、內容、工作者還停留在上個世紀!

考試考不過Watson

◆ IBM運用大數據技術開發出Watson

◆Watson背了很多書，能聽、看、說，也能分析

◆ 2011年打敗Jeopardy!的對手

◆積極開發精準醫療、金融科技、智慧工業的應用

https://www.youtube.com/watch?v=WFR3lOm_xhE

下棋也輸給AlphaGo

◆Google運用機器學習技術開發出AlphaGo

◆讓分身彼此競爭，不斷增進棋力，下贏眾高手

◆類似的技術還可以應用在企業的決策

如果連開貨車、計程車的工作都被搶走了

◆有甚麼工作好做呢?

◆不用工作就有飯吃，不是很好嗎?

◆會是大同世界，還是弱肉強食的世界?

http://technews.tw/2017/08/11/tesla-is-starting-a-autotrunk-testing-in-neveda-new/ https://www.inside.com.tw/2017/04/17/autonomous-driverless-electric-pod

重新檢視人才培育的思維

◆舊有制式教材(課綱?)能教出將才、奇才、專才嗎?

– 善用線上學習、自主學習、發揮個人潛能、建立特色

◆應該學習善用資訊科技來創造價值

– 理解資訊科技和培養運算思維

◆掌握人工智慧(AI) 技術的人，是否能造福人群?

– Google: Don’t be evil

– 重塑新世界的價值觀、讓人類與AI共榮

資訊科技(AI)的生態系的人才需求

◆絕大多數的人是資訊科技的消費者，用於日常工作、休閒娛樂

– 不需要培育，但他們如何面對AI? 如何與AI互補共榮?

– 學校該教什麼? 個人想發展什麼? 國家呢?

◆有些人是資訊科技的專業使用者，用來提高生產力、探索新知、創造價值

– 需要能夠將AI用於特定專業的跨域人才 (X+CS, CS+X)

◆少數人是資訊科技的開發者，創新資訊科技

– 需要精通AI理論、軟體、系統的人才

其實AI不是一天造成的

◆ 1950~1970: 人工智慧的夏季，學者預言在30年內會發展出與人類相當的人工智慧，但結果遠低於預期

◆ 1970:人工智慧的第一次冬季

◆ 1980: 很有錢的日本人以全國力量開發人工智慧電腦，美國也跟著砸錢研發，開啟人工智慧的第二次夏季

◆ 1990:人工智慧的第二次冬季

◆ 2000迄今: 雲端運算+大數據+機器學習，集大成而造就人工智慧的第三次夏季，而且開始應用於產業與生活

跨領域打造人工智慧應用所需的人才

資料分析專家

應用領域專家

知識建構專家

機器學習專家

系統平台專家

仿真模擬專家

是否有與眾不同的專業知識?

如何將專業知識數位化?

如何發掘資料的價值?

怎麼讓電腦自己學會做事?

如何用電腦重現物理世界?

如何實際建構好用的系統?

跨領域合作:以圍棋為例

資料分析專家

應用領域專家

知識建構專家

機器學習專家

系統平台專家

仿真模擬專家

◆應用領域專家: 棋士◆資料分析專家◆仿真模擬專家

◆知識建構專家: 棋譜◆機器學習專家: DeepMind

◆系統平台專家: TPU

跨領域合作:以商業智能(BI)為例

◆應用領域: 分析師◆資料分析: 強化IT部門◆仿真模擬: 透視與預測

◆知識建構:分析技術◆機器學習:引入專家◆系統平台: 建置/租用AI引擎

資料分析專家

應用領域專家

知識建構專家

機器學習專家

系統平台專家

仿真模擬專家

想使用AI來強化競爭力的產業

https://blogs.nvidia.com/blog/2016/01/12/accelerating-ai-artificial-intelligence-gpus/

專業知識

◆是否有與眾不同的專業知識?

◆專業知識是否能數位化?

◆如何數位化?

一般工廠 核能電廠

仿真模擬

◆如何逼真模擬物理現象?

◆如何嚴格測試智慧機器人?

◆如何介接虛擬與真實世界?

圖：http://www.nvidia.com

大數據與機器學習

Source: http://msb.embopress.org/content/12/7/878

開放原始碼的人工神經網路軟體

http://playground.tensorflow.org

高效能系統平台: 軟硬整合加速AI發展與應用

Microsoft Project Catapult

http://www.anandtech.com/show/11771/intel-announces-movidius-myriad-x-vpu

高效能、體積小、省電、便宜 更多的應用

AI的軍火庫的概念

Google設計Tensorflow專用處理機並且用於加速自家的服務

圖：http://www.google.com

台灣廠商依然是稱職的代工業者

21

如何善用台灣的優勢和國際情勢?

台灣的資訊科技發展與人才培育窘境

◆因緣際會導入了個人電腦和半導體製造業

◆但軟體技術與人才遠遠落後先進國家

◆忙著做快老二，多數代工業者無暇深耕技術研發

http://www.computerhistory.org/atchm/the-worlds-smallest-computer/

台灣能發展人工智慧嗎?

◆台灣欠缺軟體技術、人才、生態系

– 利用開源碼填補軟體缺口與軟硬整合

– 努力國際化、以線上資源培育人才

◆設法創造生態系

– 科技應用與發展

– 系統與晶片技術

– 產業發展環境

資料分析 + 機器學習 + 系統平台

◆沛星(Appier) 於 2012年在台北市創立，剛剛獲得10億台幣的C輪投資

◆初期以資料分析與機器學習技術進攻「精準廣告」市場，也成功建立起系統平台

◆深耕技術的結果，讓他們進而提供解決方案，讓企業導入人工智慧協助決策

禮遇人才 +產學合作 +產業轉型

25

鴻海捐贈HGX-1贊助研究

台灣應發展AI，但亟需培育各種人才

◆AI是極關鍵的資訊科技，也是集資訊科技之大成，需要各種高階人才，才有國際競爭力

◆目前只是AI實用化的開端，將來還有很大的發展空間。各界應致力於培育人才，但有頗長遠的路要走，不必操之過急，切莫短視近利

◆應該挑選適合發展的利基應用，跨領域合作深耕，亟需將才、奇才、專才來開創新局，必須打破僵化的教育和科研思維