loader

AI進入門檻高 產學合作是勝出關鍵

Foto

人工智慧(AI)浪潮席捲全球,但想以人工智慧技術為產品服務增色可不容易,除要能因應產品需求建立、訓練與驗證資料分析模型,還須進一步提升員工對技術的掌握度,面對這些挑戰,建議台灣企業可透過產學合作等資源整合,循序提升團隊研發能力,有效增強企業創新能力。

 綜觀全球,人工智慧技術已從實驗室邁入商轉,除有助於提升員工生產力、優化業務流程,還有機會為企業帶來新的營收獲利。研究機構IDC即指出,到了2018年底,全球至少有75%的企業與獨立軟體商會自行開發或至少採用一個具備人工智慧功能的應用服務。台灣網路儲存伺服器(NAS)品牌群暉科技便透過攜手學界投入人工智慧技術研發,不到一年的時間即推出搭載深度學習圖像辨識功能的相片管理服務–Moments,為使用者智慧地解決資料分類、管理的麻煩,最大化企業服務價值。

 關鍵的第一步:以產學合作加快產品上市腳步

 透過自行建立深度學習模型與導入臉部辨識技術,群暉科技讓NAS在半年多的時間裡,學會辨認相片中的「人物」、「地點」,以及諸如不同食物、婚禮等345個場景與物件「主題」,未來更將持續增加各項類別,讓NAS能為使用者完成更細緻的相片管理。而這項技術研發的背後,長期研究機器智能(Machine Intelligence)的台灣大學資工系教授徐宏民功不可沒。

 當企業將新技術導入產品時,引路人是加速研發時程的首要關鍵。研發團隊透過每周大量研讀相關論文,重現論文中模型結果以開發並訓練自家的模型;而與徐宏民教授的合作更大幅增加了團隊對學界研究成果的應用範圍,能更快找出與團隊所遭遇問題相似的學界研究成果,加速產品交付市場的時程。同時,徐宏民教授也針對評估模型好壞的指標給予客觀建議,協助團隊的研發成果更貼近實際使用情境,確保良好的使用者體驗。透過與學界合作,企業不只能順利走出研發盲點,更能大幅縮短智慧加值產品的研發及商轉時程,加速應用落地的同時亦為企業服務創造嶄新價值。

 培育高靈活度人才以提升企業競爭力

 然而,想在這一波人工智慧浪潮中站穩腳步並引領潮流,除可透過產學合作達到事半功倍,另一個關鍵是招聘並培育能即時因應新興趨勢及科技應用的人才。畢竟每個企業營運模式不同,擁有的數據資料及需要的演算法、資料分析模式都不一樣,研發團隊必須根據市場需求來優化演算法與資料分析模型。

 舉例來說,為提供更智慧的相片管理服務,群暉科技希望透過人工智慧技術讓既有網路儲存應用可以做到「在一張影像中辨識出多個物件/場景」,而這與學界盛行的「影像分類:一張圖片一個主題」與「物件偵測:偵測每張照片裡面的物件與位置」等兩種技術的目標不同,無法單獨挪用任一種導入產品,因此企業必須自行開發演算法與資料分析模型。

 更重要的是,人工智慧技術仍處於發展中階段,需透過不斷實驗、研發來確認哪種模型及演算法能有效解決問題;而隨著人工智慧技術從一開始學界針對單一資料集進行最佳化及競賽,到現在必須於各應用場域面對實際問題並提出解決方案,企業更需要靈活且應變能力高的團隊,以不斷持續追蹤與掌握最新技術動態。

 換句話說,在這個當下,要找到一個人工智慧全才幾乎是不可能的事,與其尋找AI-ready專才,建議企業聘雇熟悉電腦科學、統計學與機率論等領域的人才,並透過內、外部培訓與邀請外部顧問等方式,循序培育適合企業的人工智慧人才。

 面對勢如破竹的人工智慧浪潮,台灣企業亦可先透過產學合作的方式提升產品研發能力,再依據企業策略及市場需求,循序聘僱、培育企業專屬人工智慧研發團隊,以加速產品或應用服務的開發腳步,優化企業營收獲利模式,並搶佔龐大的國際市場商機。