line
跳到主要內容區塊 :::

職場新鮮誌

:::
回上一頁 友善列印 轉寄好友
字級:
小字級
中字級
大字級
職場觀點

人工智慧新顯學 讓機器自動學習

機器學習讓機器可以自動學習、從巨量資料中找到規則,進而有能力做出預測。據麥肯錫全球研究所估計,到2018年光美國就有十數萬個機器學習專家,而在台灣,一切發展方興未艾。

撰文◎Career職場情報誌 吳永佳 

  能讓電腦更聰明的人工智慧程式碼,過去是科學家們秘而不宣的神奇公式。2015年開始,卻有多家IT巨頭,紛紛開源釋出了自家人工智慧領域上的先進技術。
  打頭陣的是Facebook,開源釋出了自家研發的深度學習模組Torch。11月,Google開源釋出機器學習引擎TensorFlow;隔了一天,微軟亞洲研究院也宣布在Github上開源釋出分散式機器學習工具包DMTK。不到幾週,IBM 跟著開源釋出機器學習技術SystemML。
  但機器學習(Machine Learning)和人工智慧(AI),差別在哪?在哈佛大學人工智慧實驗室取得資工博士學位的AI專家游直翰曾指出,人工智慧是一種系統透過資料處理和(或)演算法運算傳達情報資訊的方法,從而產出有意義的資訊,並讓機器擁有比人更聰明的智慧。簡單來說,人工智慧就是教電腦做「正確、聰明的決策」,也就是我們所謂的「智慧」。

新顯學 將龐大數位資料變黃金

  而機器學習是人工智慧的其中一個分支,主要是設計和分析一些讓電腦可以自動「學習」的演算法,從巨量資料中找到規則,並利用規律對未知資料進行預測。人工智慧讓過去只能透過人類或動物智慧解決的問題,也能透過電腦系統迎刃而解;機器人是自動執行工作的機器裝置,而人工智慧則可以讓機器人快速、精準處理大量資料。
  簡言之,機器人像是人的「身軀」,人工智慧則是人的「腦」。

繼物聯網、區塊鏈之後, 機器學習

  (Machine Learning)成為各大IT產業調研機構共同看好的關鍵「新興」技術。嚴格說來,機器學習不是新的技術,但它現在引起熱烈關注,主要原因包括現今客戶對於消費體驗的期待愈加升高,期待能被瞭解所有喜好,得到專屬服務;此外,企業也期待透過機器學習能更精準地預測營運風險。
  雖然據麥肯錫全球研究所估計,到2018年光美國就有十數萬個機器學習專家,但基本上機器學習在全球仍是一個快速發展中的嶄新領域,最領先的技術也掌握在FB、Google、微軟、Amazon等少數科技巨擘手中,台灣企業設有這個職稱的還相當稀少。
  像是2014年成立、自主研發各種移動應用的雪豹科技,就曾對外積極徵求機器學習專家加入研發團隊,一直找不到適合的,只好將原本編制內的資深安全研究員黃獻德轉調作相關研究。

相關演算法X原本專業=應用無窮

  從小學到博士班曾「周遊10校」的黃獻德,年少曾經歷懵懂衝撞的歲月,幸好大學時他終於找到自己的興趣──電腦,也順利轉學考進資訊工程學系。
  在資訊領域中,他對資訊安全特別有興趣,就一路鑽研。「因為有興趣,你就會天天去追蹤國際間的新趨勢,這些巨頭科技公司的新動態,都要馬上知道。」除了國際動態,黃獻德並指出,目前兩岸機器學習專家學者發表的言論,也可讓有意者更快掌握這領域的知識。
  像是台灣大學資訊工程學系有「三林」──林守德、林軒田、林智仁三位教授,都是台灣機器學習領域的先驅者。黃獻德說,「林軒田老師在YouTube上發表了100多部影音,由淺入深將他的教學大公開,想瞭解機器學習,先看完影片吧!」
  以黃獻德來說,他目前的研究,是如何將機器學習運用在他專業的資安領域。所以機器學習是個手段、工具,熟悉相關演算法是基本,重點是它必須與你原本的專業結合,以更高的效率解決問題。
  AlphaGo人工智慧圍棋程式讓大眾再度認識機器學習的威力,機器學習已經跟人們的生活與工作息息相關。而在台灣,無論在醫療、金融、或商業行銷領域等,黃獻德認為都有機器學習可廣泛發揮的空間!

TOP