訂閱電子報∣ 友善列印字體大小 文章分享-Facebook 文章分享-Plurk 文章分享-Twitter
解決AI人才短缺,打造會寫AI的AI是好點子嗎?
數位時代高敬原
獲取產業訊息零時差!立即訂閱電電公會電子報。

未來的世界將是AI的天下,許多大公司都面臨AI人才短缺問題,而專業人才的培育並非一朝一夕就能達成的事,「打造會寫AI的AI」會是個好點子嗎?

「台灣AI元年」口號喊得火熱,科技部長陳良基今年五月接受《數位時代》採訪時,表示台灣需要培育更多AI人才;上個月台灣微軟新任總經理孫基康上任時,也談到為了讓AI普及化,第一步將會選擇投資AI人才。

 

未來的世界將是AI的天下,在人才大家都想搶的情況下,許多大公司都面臨AI人才短缺問題,而專業人才的培育並非一朝一夕就能達成的事,因此包括Google等許多科技巨頭,都紛紛想用自動化的方式解決AI人才短缺問題,「打造會寫AI的AI」會是個好點子嗎?

靠自動化發展AI技術,逐漸擺脫人工介入

Google資深工程師傑夫·迪恩(Jeff Dean)最近在矽谷發表演說時,談到Google一項叫「AutoML」(自動機器學習)的計畫,AutoML是一種機器學習演算法,可以透過分析數據來學會執行特定任務,能做到學習開發其他機器學習演算法的程度。

透過AutoML的幫忙,Google也許在不久的未來就能透過自動化的方式開發AI技術,逐漸擺脫人工的介入,這也是許多人認為AI產業發展的未來。根據統計,全球大約只有1萬人具備研究這類複雜演算法的知識、經驗與能力,包括Google、Facebook、微軟每年都在AI人才上投入數百萬美元的經費,本來就稀少的AI人才遭到科技巨頭壟斷,AI人才短缺問題恐怕很難在一時半刻就得到解方。

不需靠人類訓練,AlphaGo Zero能自主學習

NVIDIA創辦人暨執行長黃仁勳,上個月出席NVIDIA GTC Taiwan大會時,形容AI是一種「自動化的自動化」(automation of automation),認為未來在AI的時代,人類不需要再親力親為寫程式,因為人類會訓練電腦寫程式。

NVIDIA創辦人暨執行長黃仁勳認為,在AI的時代,人類不需要再寫程式,因為人類會訓練電腦寫程式。
James Huang 攝影

今年五月在Google DeepMind開發的人工智慧AlphaGo,擊敗世界圍棋冠軍柯潔後,今年十月,Deepmind在《自然》雜誌發表了一篇論文,介紹最新版本的圍棋程式「AlphaGo Zero」,最大特色是不需要人工介入訓練就能自主學習。

論文中提到,AI長期的目標是透過後天自主學習,創造出超越人類的程度演算法,AlphaGo Zero 採用新型強化學習方法,從完全不知道圍棋遊戲規則,稱為「白板」(tabula rasa)的神經網路空白狀態與強大的搜尋演算法結合,AI在跟自我下棋的過程中,神經網路不斷被更新和調整,AlphaGo Zero 便能成為自己的導師自我訓練提高決策強度,AlphaGo Zero 僅僅花了三天的時間,就達到第一代AlphaGo的水準。

「不使用人類的數據,也就是不用任何方式吸收人類的知識,就能完全不受人類知識對系統的限制,」AlphaGo Zero 研發人員解釋:「因此AlphaGo Zero就能從基本原則開始建立自己的知識。」

最新版本的圍棋程式「AlphaGo Zero」,最大特色是不需要人工介入訓練就能自主學習。
shutterstock

AI 發展趨勢 ─ 「學習去學習」

AI 發展中的一大趨勢,專家稱為「學習去學習(learning to learn)」的概念其實由來已久,最早在1990年代由加拿大蒙特婁大學的Yoshua Bengio提出這項想法,當時科技所做出來的東西仍比不上人類操作的成果,因此實驗成果並不理想。

近年隨著運算能力不斷增強,以及深度學習技術的出現,AI 自我學習的能力終於有了突破;Google認為AI現在已經可以開始逐步學習寫程式,Google 深度學習科研專案團隊「Google Brain」在今年初的一次實驗中,讓軟體設計了一套機器學習系統,接著對這套系統進行語言處理方面的測試,結果發現表現超過人類設計軟體的水準。

Google Brain團隊的負責人傑夫·迪恩(Jeff Dean)認為,未來機器學習專家應該將部份工作讓AI軟體來負責,如此一來將能大大降低AI應用的門檻。

卡內基美隆大學研究員Renato Negrinho說談到:「雖然會寫AI的AI不是現在生活日常,但這只是時間的早晚而已。」
Shutterstock

會寫AI的AI出現,只是時間早晚問題

另外,今年二月,微軟研究院和劍橋大學研究人員開發出一套會自己寫程式的AI「DeepCoder」,DeepCoder能打造出符合需求的程式,大幅縮短開發時間和成本。

DeepCoder使用一種叫做「程式組合(program synthesis)」的方法,只要在系統上設定期望的結果,DeepCoder就能透過搜尋其他程式的程式碼,再挑出適合的程式碼片段組合成滿足需求的程式,簡單來說就是一個「複製貼上」的過程。這項研究目前仍在早期階段,DeepCoder最多只能寫出約5行左右的程式碼,也還不具備自行生成一段全新程式碼的能力,但已經能瞥見未來寫程式自動化的未來。

Google Brain團隊的負責人傑夫·迪恩(Jeff Dean)認為,Google 最終的目標是要協助缺乏相關的專業知識的第三方企業開發AI系統,迪恩估計目前全球有能力開發AI的公司不超過上千家,但許多公司都掌握了必要的關鍵數據。

許多人相信,讓AI自己打造AI系統,可以加速AI的發展,「電腦將要為我們寫演算法。」加州大學柏克萊分校教授Pieter Abbeel說:「電腦創作出來的演算法可以解決非常非常多問題,至少這是我們希望的。」卡內基美隆大學研究員Renato Negrinho談到:「雖然會寫AI的AI不是現在生活日常,但這只是時間的早晚而已。」

訂閱電子報 友善列印 字體大小:
獲取產業訊息零時差!立即訂閱電電公會電子報。