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
自動化機器學習工具,能紓解台灣機器學習人才荒?
數位時代翁書婷
獲取產業訊息零時差!立即訂閱電電公會電子報。

Google推出了自動化機器學習工具Auto ML,讓機器學習過程更簡單與容易,大幅度的降低機器學習的入門門檻,讓非機器學習的專家也能快速上手,那這樣的工具能大幅度解決台灣機器學習人才荒的問題嗎?這類工具能大幅度縮短培養機器學習人才的時間嗎?

根據104人力銀行的統計台灣人工智慧相關人才缺口約有6000人,而全球也正展開AI人工智慧搶人大作戰。就在此時,Google推出了自動化機器學習工具Auto ML,讓機器學習過程更簡單與容易,大幅度的降低機器學習的入門門檻,讓非機器學習的專家也能快速上手,那這樣的工具能大幅度解決台灣機器學習人才荒的問題嗎?

業界觀點:彈性很小,模型客製化程度相當有限

台灣產業界的觀點是什麼呢?雖然這類工具讓行業內專家快速理解機器學習,但是仍有不少侷限之處。

首先,從自動化機器學習工具本身功能來看,工具是標準化的,彈性很小,因此模型客製化程度相當有限,也不夠精緻。

玉山金控科技長暨臺灣人工智慧學校執行長陳昇瑋就表示,「很久以前工程師們也希望,不用寫程式,就可以開發軟體,但『開發軟體不用寫程式』的理念一直沒有成功過。仿間各種自動程式開發工具總是不夠彈性,不夠好用,想要的功能可能沒有,而在機器學習領域的狀況也是一樣的。」

再者,從整個機器學習的過程來看,機器學習可不是僅有建模調參數等步驟而已,還包括還包括「訂題目」與「搜集整理數據」等重要步驟,自動建模僅解決機器學習小部分挑戰。

因此就算有了這個建模工具,還是必須面對找問題與數據等重大挑戰,這些挑戰都需要熟悉機器學習的專才,靠著人腦解決,無法自動化。

最後,若放在台灣的產業現況來看,建模也非台灣多數企業導入機器學習時的最大挑戰,因此就算可以快速建模,還是無法大幅度提升企業將業務導入機器學習的速度。

「台灣企業目前大多還停留在搜集整理數據,並且找出數據價值的階段,因此非常需要在地的服務支援,這是雲端服務無法提供的。」一名人工智慧專家觀察。

學界觀點:學術基本功並非一蹴可幾

從企業的角度來看,自動化機器學習工具侷限處不少,那從學界的觀點來看呢?這類工具能大幅度縮短培養機器學習人才的時間嗎?學界對於這類工具看法為何?

藍星球副總經理宋浩指出這類工具對於學生來說可以快速理解機器學習的梗概,利用這類工具迅速做出一個簡單的模型,在課堂中Demo,讓學生快速入門。但若要潛心鑽研機器學習,還是需要扎實的數學與統計等領域基礎,並無法一蹴可幾。

台大資工系教授洪士灝也在其文章<對深耕專業領域的新創,Google AutoML應不是阻力,而可能是助力>中,點出這類的速成工具可能帶給學生「學習隱憂」。

這些讓機器學習更容易上手的工具,讓初入門的學生不注重基本理論,並且缺乏獨立思考能力。「我比較擔心的是,學生們產生一種迷思,那就是趕快學會幾個所謂實用招數就去就業或搞新創,比起一些曠日費時的學習來得實在。什麼打好理論基礎、磨練研究分析能力、學習跨領域溝通技能,還不如讀幾本坊間入門書籍、用現成 API做出吸引群眾目光的聊天機器人來得有成就感。」洪士灝文章中如此描述。

況且,目前學界來說。在機器學習領域最大的挑戰還是在於訓練資料的缺乏。學術界需要大量的業界真實樣本,作為機器學習演算法與模型的訓練素材,而這些數據大多數都沒有被開放出來,取得相當困難,「學界目前最常反應,沒有足夠的與真實環境下的高品質的數據發展機器學習技術。」趨勢科技台灣暨香港區總經理洪偉淦就曾指出。「以資安領域來說,目前市面上公開的數據多為5到10年的舊數據,其實很多數據公開時程晚一個月,效用就有限了。」

綜合業界與學界的這些觀點,我們再看這個問題:自動化機器學習工具,就能大力紓解台灣機器學習人才荒的問題嗎?答案恐怕不是太過於樂觀。

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。