晶文摘

[5G技術] 預見未來生活內化AI

給晶新聞一個讚



作者:夏肇毅 2019-12-5 初版 風傳媒

使用AI晶片能提升處理速度,而用5G就能提升資料傳輸速度,彷彿把資料拉到眼前一樣。

之前在有些手機的發表會上,就曾經示範讓手機直接對著表演者錄影,然後用AI抽取動作特徵,傳輸給實體機器人同步來做相同的動作。一旦5G人工智慧晶片長在手機上,就能讓每個人隨時受AI加持,如同第一次工業革命讓每個人得到機械動力的好處一樣,不會讓人工智慧成為少數機構的專屬特權。5G手機AI化,可以把每個人和人工智慧綁在一起,讓使用AI像用Excel一樣自然。站在巨人的肩膀上,AI能做甚麼,我就能做甚麼。


AI人工智慧的應用


AI現在可以應用在分群,分類,影像識別,多國語言互譯,語音識別等多種功能上。分群是可以由許多不同的資料中分析特徵,自動分成不同的群組。分類就是可以把輸入的資料,根據特徵自動指派到不同類別上。好比輸入一個形狀,然後去判斷它是三角形,圓形還是正方形。簡單的應用,就是分析消費資料中的客戶特徵後,分出高中低階的消費族群。現在許多企業,就是用這樣子的功能,在客戶資料中淘金,來做產品行銷或自動推薦。很多銀行也利用這樣的分析方法來做房價預測,信用卡詐欺偵測,未來購買時機等分析。這都是利用電腦來判斷每筆資料的是否詐欺與是否購買的類別。


自從幾年前Google的AlphaGo打敗了人類的圍棋冠軍,就開啟了一股人工智慧的熱潮。AlphaGo利用加強式學習,不需要人類的經驗,讓電腦跟電腦對戰,慢慢地從裡面找出致勝的方法。加強式學習原理其實很單純,就是先隨意產生各種步數,然後紀錄每個步數的勝率。之後再找出在什麼局面,走哪一步的勝率最高,那麼就走這步。簡單的說,就是在不同狀態之下,根據最高報酬來選擇最有利行動。這方法的困難就是各種可能性太多了,電腦沒有那麼多的時間和空間來嘗試每一種可行性,所以如何用最有效率的方法來嘗試,就是技術關鍵。由加強式學習的成功案例,證明了人工智慧有能力不需要依賴任何人類經驗,從嘗試中就可以找到可行之路,這也是最令人震驚的地方。因為用同樣的方式,電腦和機器人未來就有可能發展出自己的方法來超越人類。


另一個人工智慧的分支就是類神經網路,它以模擬人類神經網路的運作方式來學習。2010年史丹佛大學發起ImageNet影像識別比賽,從2012年開始,正確率每年都大幅上升。訓練類神經網路的運作方法,就是把很多圖片一張張的餵給類神經網路,同時也要標示出每一張圖片所要的答案是什麼。經過長時間的重複訓練之後,類神經網路就能夠自動地調整參數,讓輸出跟你事先標示的答案相近。之後,便可以將照片餵給這個已經訓練好的網路,讓他來推論答案到底是什麼。


這種類神經網路的訓練,是需要用很多能力強大的機器,花上幾天幾夜後才會有結果。所以就有公司專門賣獨立顯示卡來讓你自行做運算,或像Google和微軟,直接出租現成的機器給你用。用大機器做訓練,然後再用小手機推論找答案,這就是目前人工智慧圈的生態系。


這次的人工智慧工業革命和以往一樣,將會取代許多人的工作,但同樣也能創造出許多運用人工智慧的工作。每個人時刻都在用的有AI功能的5G手機,將成為日後生活不可或缺的關鍵元素。如同第一次工業革命之後,汽車被製造出來,到現在變成每天必備之物一樣,未來生活必定會內化AI,讓它像呼吸喝水一樣自然。