MKC Logo
瀏覽數:1810

深度學習正在走向盡頭?AI的下一個時代是什麼?

        根據資誠聯合會計師事務所(PWC)的《全球人工智慧研究報告》指出,從現在到2030 年,人工智慧將會是全球最大的商機來源之一,無論是對生產力的改善和提升,或是人工智慧為生技醫療業帶來的革命性變化,事實上幾乎沒有任何一個產業或任何一家企業不受人工智慧的影響。若企業不開始運用人工智慧,很快的就會逐漸落後競爭對手,進而失去市場佔有率。將人工智慧帶入並成為企業的助力是迫切的需求,但各式各樣的人工智慧,應該跟隨潮流嗎?還是我們有更好的選擇?

        目前人工智慧主流-「深度學習(Deep Learning)」,像是2016年擊敗世界棋王柯潔的 Google AlphaGo、Google的搜索功能、Facebook的新聞饋送和Netflix的推薦引擎都是,但深度學習並不是全新的概念,只因這幾年硬體的進步而死灰復燃。甚至近年來受到熱烈討論的深度學習時代也可能即將結束,並邁入下一個主流技術?AI技術究竟會朝什麼方向發展,目前恐怕還難以預測。

        根據《麻省理工科技評論(MIT Technology Review)》的評論,其實根本沒有什麼「最新的技術」,一直以來人工智慧都只不過是用不同的技術輪流主宰研究界。長期以來,不同技術的突然興起已成為人工智慧的特徵。美國華盛頓大學計算機科學教授Pedro Domingos(佩德羅·多明戈斯)在《麻省理工科技評論》上提到的:技術變遷很快,每隔十年,就會出現不同的想法和技術,而每個時期會有不同的主流。

        《麻省理工科技評論》從全球知名的科學論文公開資料庫-arXiv下載並研究與人工智慧相關的16,625篇論文摘要,希望藉此收集較大的研究趨勢,並看到不同想法的演變,而通過分析發現了三個主要趨勢:

初期主流-機器學習(Machine Learning

        為什麼人工智慧的第一個主流是「機器學習」?在1980年代,使用電腦協助工作的做法,基本上就是設定好原則並寫好一套程式,而機器依據「腳本」運作。隨著人類需要電腦做的事情越來越多、越來越複雜,就需要編寫更多的規則才能使系統做有用的事情。這不僅增加了成本,也明顯地減緩了效率。「機器學習」的發展,讓人類不需要重複的手動寫程式,而是讓電腦在一堆數據中自行選取規則,在這個時期最重要的是「如何讓電腦找出規則」。

第二時期-人工神經網路(Artificial Neural Network

        為了得到更好的結果,在1990-2000年時期人類開始嘗試不同的技術,包含神經網路,以及一些當時很受歡迎的技術,像是貝氏網路(Bayesian network)、支援向量機(Support Vector Machine)與演化式演算法(Evolutionary Algorithms)等等,而這些技術都採用了各種不同的方法。直到2012年,一場全球圖像辨識分類比賽,稱為ImageNet,冠軍的隊伍是由加拿大多倫多大學教授Geoff Hinton領軍的研究團隊,他們以深度學習技術寫下圖片辨識率達85%的新紀錄(前一屆2010年的競賽中,辨識率最高僅72%)。短短兩年,錯誤率從28%降低到15%,讓許多人看到深度學習的驚人潛力,也讓處於寒冬數十載的人工智慧迎來曙光。而Geoff Hinton領軍的團隊主要研發的就是深層學習網路(Convolutional Neural Networks,CNN),這項技術是由腦神經網路獲得啟發,將神經元的運作原理套用到電腦視覺(Computer Vision)領域。

第三時期-強化學習

        在深度學習興起後的幾年裡,人工智慧研究已經發生了第三次的轉變,也就是現在的主流發展,專注於強化學習。其中包含三種不同的類型:監督,無監督和強化學習。監督學習是最常用的,也是至今最實用的。但在過去幾年,強化學習模仿了通過懲罰和獎勵來訓練動物的過程,獲得快速的進展。對此Domingos教授表示,這想法並不新穎,只是幾十年來它並未曾真正的發揮作用。他還指出,採用「監督」類型的人,可能還會嘲笑強化學習的方法太舊,但當它繳出成績後,便突然受到重視。2015 年使用深度學習的AlphaGo在圍棋上的亮眼表現,就是一個立刻造成影響力的好例子。那麼接下來呢?

下一個十年

        隨著物聯網、大數據、人工智慧等新科技的快速發展,若能充分了解並發揮人工智慧的作用,其釋放的生產力將是驚人的。然而技術的變遷很快,也難以預測,舉例來說,神經網路在1980年被提出,雖很快就不受矚目了,但2012年又再次出現,但強化學習出現後,它可能又會再次沒落了。每隔十年,就會有不同的技術成為主流,以現在來看,恐怕深度學習的時代也會很快終結。現在〝導入人工智慧〞是各行各業都在喊的口號,但應該客觀的衡量需求與擬定計畫,而不是盲目追逐主流科技,這才是企業真正所需。

 

資料參考:MIT Technology Review


您可能會有興趣的課程

資料讀取中...

您可能會有興趣的出版品

資料讀取中...

能力雜誌

資料讀取中...
輔導諮詢