AI 1.0成为技术基础 产业迎向AI 2.0时代

人工智能(AI)近年大行其道，不仅带动一波产业AI化的风潮，也创造了AI产业化的商机。AI的概念存在已久，随着相关技术及工具的成熟、普及，AI也从原本的AI 1.0往AI 2.0的方向发展。面对AI 2.0时代的来临，台达研究院院长阙志克认为，产业界必须要学习如何去掌握这股潮流，并能顺利应用，才能协助产业创造最大价值。

面对AI 2.0时代的来临，阙志克认为，过去受限于技术等问题，神经网络的建置难以超过5层，因此很复杂多关连性的问题较难解决。而这一波深度神经网络，因为层数大福增加，所以可以从事更复杂的关连性分析。面对新一代技术的成熟，先前AI 1.0已经成为基础必备的部分，如何在AI 2.0中脱颖而出，就要先克服挑战。

首先， AI训练的过程要往自动化方向发展。也就是在发展上，从AI相关数据的分类、架构的选择、超参数的设定，都要往自动化方向发展；同时，对于已经成熟的AI模式，可以在经过小幅度的修正之后，快速的复制到其他地区使用，并随着时间与环境的演变，以及数据上出现的变化，AI的模式也能持续进行演化。

其次，要建立能以少量数据进行的机器学习模式。特别是针对某些数据取得不易的应用，要能在提供数据缩减的情况下，可以有效益相同的模式产出；像是如何在仅提供10%数据量的前提下，可以训练出相似效益的应用模型。

第三是要往可解释的AI方向发展。现在的AI训练涉及到许多黑盒子，外界对于AI判定的过程无从了解，不过今后这些黑盒子的过程要能被解释，并了解其间的逻辑，对使用者而言，不仅要透过AI寻求结果，更要能解释原因，因为有了原因，才能进行后续的调整。

就实际应用上，阙志克表示，很多过程其实是需要被解释的，像是透过AI进行贷款申请，如果无法通过申贷，要能了解AI不予通过的原因，而在了解原因之后，才有机会能进一步修正改进。同样的，将AI应用在医疗判定上，也需要给予过程的解释。特别是当每一个AI模型的准确性都差不多时，更需要透过了解判定过程的原因，来进行说服。

第四则是与AI安全相关的议题。阙志克指出，这里的安全与外界攻击无关，主要涉及的是AI模型在应用上，要如何像软件一样获得保护，避免被复制盗用；以及对数据保护相关的议题。

第五则是在训练方式上的突破。近年在训练技术与工具上都有长足的进步，像是生成型已训练变换模型 3(Generative Pre-trained Transformer 3；GPT-3)在应用上已经可以获得相当惊人的成果。重点是这些新的技术与工具，可以针对接下来的发展进行可能的推演。

由于AI的普及性已经愈来愈高，面对AI本身的转型升级，阙志克也提醒产业界，不仅是要掌握AI在技术上的演进，增加竞争实力，更要能将相关技术应用在适切的情境，才能协助业者创造最大的效益。

责任编辑：朱原弘