人工智慧 AI 超參數模型 演算法 認知科技 Cognitive Technologies 機器學習 人機協作

人工智慧工業化助企業加快導入 即時資料成決勝點

AI應用今年將井噴爆發 超參數模型上演軍備競賽

2022-02-23
去年,人工智慧(AI)進入應用爆發期,服務業、製造業、農業紛紛採用各種解決方案優化營運流程或是發展新服務,企業對於新興科技的需求更勝以往,許多大型業者紛紛設立人工智慧研究中心,以投入更多資源在人才招攬、底層技術研究與應用上,中小企業數位程度較高者,也嘗試運用人工智慧於銷售、製程等面向。展望2022年人工智慧應用將有四大趨勢值得持續關注。

去(2021)年人工智慧(AI)進入應用爆發期,服務業、製造業、農業紛紛採用各種解決方案優化營運流程或是發展新服務;同時,一連串的事件,如疫情與元宇宙,則加速電商、雲端與資安興起,企業對於新興科技的需求更勝以往,而人工智慧負責促使這些數位工具智慧化,許多大型業者紛紛設立人工智慧研究中心,以投入更多資源在人才招攬、底層技術研究與應用上,中小企業數位程度較高者,也嘗試運用人工智慧於銷售、製程等面向。多家研調機構也指出,自駕車、智慧製造、智慧醫療、智慧聯網、智慧城市、淨零碳排等應用議題將繼續成為2022年人工智慧應用最熱門的領域。除此之外,人工智慧還有哪些趨勢值得關注?

人工智慧應用快速延伸(資料來源:工研院)

人工智慧工業化將更為普及

在企業營運中,許多預測分析流程仰賴人工智慧模型的運作,而模型之所以能開發、部署與應用,背後是無數的IT與資料學團隊合作,包含資料串流的標準化與機器學習模型即時整合。為了能加速模型的開發與應用,一種新趨勢 —「人工智慧工業化」,成為當前最新作法,這套流程白話來說即是把模型產品化,然後用機器學習平台來生產這個「產品」。一如製造業產線上的自動化一樣,用一系列的步驟與協作,讓平台自動生成人工智慧模型,再讓相關資料╱IT團隊進行後續作業,降低模型開發與維運成本,與解決分析軟體與程式語言不相同的問題。

這背後反映出的是企業對於科技接受度大幅提高以及風險趨避導向:企業在各種外部環境衝擊下主動轉型,但許多公司並不具備充足人力與時間從零開始打造模型、找齊資料科學家與商業分析師,或是經過漫長的模型驗證測試才投入應用,部分底層語言與模型的建置可讓企業修改、客製化自身需求。因此,能掌握人工智慧工業化的平台廠商將奪得此波先機,也是模型與資料能快速變現的最佳實例。

超參數模型成為大型科技業者秘密武器

參數是機器學習演算法的關鍵要素,猶如馬斯克與貝佐斯的太空競賽,科技巨頭的軍備競賽是「誰有最大深度學習的模型」,而參數的數量在這兩年成長速度相當驚人:2018年最大的模型有9,400萬個參數,2021年最大的模型1.6兆個參數,最大主因為Google、Meta、Microsoft、Amazon等巨頭推波助瀾所致,一方面向業界展現驚人的人工智慧競爭力,一方面也探索參數數量的極限,雖然許多聲音指出,越大的模型並不一定適合用在每個場域,但有能力開發出超參數模型(Hyper-parameterized Models)的業者也代表不斷推進演算法的疆界。

這些超參數模型多為語言模型(Language-based Model),讓電腦可以撰寫報告、翻譯、文案、程式、遊戲等,甚至還能辨認語意中是否帶有諷刺或威脅性質的詞語。較著名的例子為GPT-3,一個由在舊金山的非營利人工智慧組織OpenAI訓練與開發出來的大型模型,包含1,750億個參數,這個模型目前由微軟於2020年取得獨家授權,自然也被列進模型戰爭的軍火庫。事實上,微軟也是OpenAI的股東之一。未來大型模型可能有科技公司或是一個╱多個團隊開發,但可以確定的是,目前探索參數在模型中的極限是人工智慧發展的重要里程碑。

擴增人力強化企業人機協作

當認知科技(Cognitive Technologies)與機器學習模型在企業的應用逐年成長時,許多由人力執行的日常行政庶務逐漸自動化,並且在技術的逐漸成熟下已開始規模化應用;這些擴增人力的技術能帶來執行效率的提升,且避免人為介入所造成的偏誤,同時提高訊息判讀精確度等,使得既有費時或重工的傳統運作方式能以更具效率方式進行。根據調查指出,統計式機器學習、自然語言處理、深度學習網路、自動化流程機器人成為企業技術投資的最愛,相較於需要花費時間才能看到的新數位產品或服務,營運流程改善最快見真章,而公司目前也較少因此大規模裁員,反而將人力運用在服務客戶或創新思考上。

即時資料的取得將決定未來競爭勝負

取得並分析即時資料成為這兩年來企業資料團隊最熱門的業務,情感分析(Sentiment Analysis)大量被應用在處理即時資料,特別是面對一線消費者的產業如電商、零售、電信等,這些從社群、聊天機器人、口碑行銷活動、串流影音平台、CRM等異質資料需要多重情感分析模型。根據Forrester一份調查指出,目前已有超過75%的受訪公司已經採用以人工智慧為基礎的即時資料解決方案,以更快速與精準理解消費者輪廓。

大型科技公司正以模型大小決定人工智慧競爭力(資料來源:smarter.ai)

從另一個角度來看,即時資料的出現使傳統的資料湖遭遇不小危機,傳統上,企業使用這種大型數據管理平台處理全公司從資料探勘到新業務發展的事務,資料湖可以儲存大量靜態數據並集中分析,但難以處理即時、正在快速變化的資料,部分的公司正在評估資料湖的適用性。另一個趨勢為物聯網裝置的成長速度與低功耗廣域(LPWA)的應用。事實上,全球感測器數量預計在2025年將成長到270億個,未來5年內,基礎設施、公共事業、智慧城市、智慧工廠等串聯程度將更高,而LPWA(Low-Power Wide-Area Network,低功率廣域網路)技術可以讓電池供電的遠端IoT裝置連網,如車聯網、智慧電表、貨櫃等。在萬物智慧化與聯網時代,企業能否處理大量即時資料可能成為營運決勝點。

<本文作者:Howie Su現為產業分析師>
 


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!