人工智能技術是基于大數據吃飯的?
  • 發表時間:2019-05-23 點擊數:19
  • 來源:未知

   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GoogleFacebook依照興趣投放的廣告、可以幫你找資料設定日歷的語音助理Siri,背后都含有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的蹤影,這個技術也將徹底改變人們的生活模式。

      QQ截圖20190523153433

  是什么讓AI科幻科技”?

  AI其實是個龐大而復雜的概念,但大都奠基于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,并在AI整體市場的50億美元中占了約六成比重,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,那么它究竟是什么?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,要讓一臺搭載深度學習能力的車輛進行自動駕駛,面對陌生的路線、隨時有行人沖出馬路的危險路況,機器怎么判斷?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,便有助于它在行進過程中快速而精準地避開障礙、找出最佳路徑,并順利抵達目的地。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。

  這么說來,要能讓AI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,深度學習并不是唯一方法。

  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,然后任憑他不斷的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也借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。

  為什么我們需要小數據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、癥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。日前飔拓公司就發布了其最新的研究成果AInspir深度學習平臺,表示其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后的精準辨識能力,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后座休息,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咨詢,并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。