联发科点出三大AI发展关键,降低训练成本/提升效能

人工智能(AI)发展如火如荼，从智能车载系统、家用语音助理，乃至侦测信用卡盗刷等智能犯罪防治机制等，逐步贴近人们的生活。不过，联发科计算系统研发本部总经理陈志成于《产业升级之钥--人工智能创新应用国际论坛》指出，目前AI技术在发展上仍有诸多限制，若想在未来有更进一步的突破，高效能学习算法、边际运算与AI适用处理器等发展会是主要关键。

陈志成引用McKinsey近期相关报告说明，2016年全球仅有20%左右的公司将AI应用于产品、服务或内部管理，AI领域的投资总额却超过260亿美元，发展潜力之丰富可见一斑。然而他也指出，AI虽在人脸、对象、语音识别等技术上表现优异，现阶段每个神经网络只能执行一种特定功能，难以扩大应用；而训练神经网络所需的庞大数据量，以及相应人力、时间成本等，更是技术发展上的一大绊脚石。

提升AI训练效率的主要关键在于学习算法。陈志成表示，为省去人力搜集、定义巨量数据的时间心力，诸如让AI透过不断尝试、从错误中成长的强化学习(Reinforcement Learning)，乃至进一步让AI自行分类、定义数据的非监督式学习(Unsupervised Learning)等，均为目前算法的开发主轴。近年备受瞩目的技术发展还包括生成对抗网络(GAN)，透过自行合成、仿真所需数据，可有效减少训练资源，亦能用做影像修补、提升分辨率等后制功能。据传奥多比(Adobe)有意将之导入Photoshop等图像处理工具中。

另一方面，目前AI运算大多得将所有数据交由云端处理，难以满足高阶应用如虚拟现实(VR)、先进驾驶辅助系统(ADAS)等，对实时、可靠与效率上与时俱增的需求；尤其Alexa等贴近生活的应用普及后，隐私数据处理亦逐渐成为隐忧。陈志成表示，终端装置未来须具一定程度的AI能力、负担部分运算，以满足上述需求；他也提到，近日信息大厂包括Facebook、Apple、Google等，也都开始投入边际运算相关开发。

陈志成进一步指出，近几年AI技术虽有极大突破，现今在智能上却仅与昆虫同等；为求赶上人类智能，势必需要较图像处理单元(GPU)更高效能、更适合AI运作的处理器。比方Google去年中发表、为深度学习(Deep Learning)架构设计的张量处理单元(TPU)，据他所言，有较现行方案10倍以上的改善。此外，陈志成举例，让AI在比如辨别车辆时仅撷取2位图，而非16位全彩影像进行运算、减少效能浪费等，也是有助于改善效能的方向之一。