此为历史版本和 IPFS 入口查阅区,回到作品页
charming
IPFS 指纹 这是什么

作品指纹

第一次,也是最後一次聽陳昇瑋執行長演講

charming
·
·

今天,又是一個非常震驚的日子。

從 Line 群裡傳來陳昇瑋執行長的訊息,那麼的突然,隨之而來的是一大堆的新聞,過去的執行長我並不認識,但在今年3月14日,是我第一次見到他。

台灣人工智慧學校的開學典禮裡,執行長充滿活力的談話,告訴我們為何要學習AI、如何在AI學校裡學到更多、AI的現在與未來,執行長演講風趣,還能引用哈利波特石內卜為我們加油,實在很不能想像,就這樣,消失了。

翻出那天聽演講的筆記,從執行長的口中說的,我的耳中聽的內容,每一字、每一句,變得更強烈,再一次烙印在腦海裡。

於此留下紀錄,希望更多人能投入AI

執行長開場直指,人工智慧最重要的工作,是找到兩個資料之間的mapping,兩者之間的關係。

例如:臉型與聲音的關係,由於人體結構影響口腔的構造,進而影響聲帶的震動,AI可以聽一個人講話10秒鐘,就能預測他長什麼樣子。(傑克,這真是太神奇了)

在醫療領域中,許多人工智慧的應用正蓬勃發展,例如:用眼底鏡檢測視網膜,可以判斷糖尿病病人是不是有視網膜病變,這是眼科醫師的專長,但AI不止如此,還能利用視網膜的影像,預測病人的年齡、男生女生、有沒有抽煙、血糖、BMI、血壓,任何一個眼科專科醫師,都不可能從視網膜影像判斷一個人胖不胖,但是AI做得到,AI可以做到人類做不到的事情,甚至預測這位病人在未來五年內,罹患心血管疾病、腎臟病的可能性。

現在,AI代替醫生寫報告,已經是正在發生的事了。

矽谷也運用AI來決定要投資哪家新創公司。

AI會影響所有產業,就像當初的 Internet ,差別只在於影響在哪裡,Internet讓所有的資訊都更快地到我們眼前來,但AI是第一個可以幫人類處理資訊的工具,甚至做決策,這是AI跟其他技術不一樣的地方。

我們可以稱AI是第四次工業革命

第三次工業革命是自動化,自動化是機器 follow 人,人做什麼機器就做什麼,只是機器的力氣比較大、速度比較快。

但是AI帶來的自動化,可以幫人類做決策,只需要告訴AI,你想要達到什麼目的,AI可以自己去找到答案。

第三次工業革命取代的是藍領階級的工作,而AI將取代的,則是辦公室大樓裡白領階級的工作,甚至,不止白領階級,有些工作也開始面臨改變,過去網拍工作者要請模特兒來拍照,現在,人工智慧取代真人工作,利用AI就可以取代時裝模特攝影師。

產業AI化的困境

台灣電子業從發展開始至今,Business model 一直維持著原樣。

接下來,終於會迎來下一波變革的機會:IoT +AI,或是疊加 AI + 5G,未來10年至20年,最受重視的主角便是A I,然而,產業要AI化仍有待解決的問題:

  1. 缺人:產業內缺乏有AI實戰經驗的人。
  2. 缺資料:不是沒資料,而是缺乏資料的基礎建設。(按:下水道工程)
  3. 找對問題不簡單:AI可以解決的問題太多了,通常學了AI之後,就會發現,這個也可以做、那個也可以做,例如:可以利用AI解決製造業產線問題、物流問題⋯⋯,什麼問題都可以解決的時候,反而會不知道該解決什麼問題。過去就有案例,做了老半天,最後經理人問「為何要做這個,這個不是重要的事」,當頭棒喝,因此,在企業裡做決策的人,一定要懂AI,才能assign真正重要的問題。
  4. 產學之間的鴻溝:台灣的人力外流是全世界前幾名,產學之間溝通不易。

台灣人工智慧學校的成果

案例一:有學長姐做製造業的瑕疵檢測,以往用人力目測的錯誤率大約5%,但是導入AI之後,錯誤率控制在0.01%之下,一台電腦的判斷速度,又可以比一堆人加在一起快10倍以上,瑕疵檢測真的非常適合用AI來做,只要照相技術設定夠好,都做得不錯。

案例二:工廠都不希望機器突然壞掉,AI可以預測維護時機,預測每一台機器大概什麼時候會壞掉,而且預測的時間剛剛好,不會太早,也不會太晚,預測是機器學習的強項。

案例三:原料組合最佳化,各式各樣的材料,如何能組出最適合的比例,得到最佳的品質,與最低的成本。例如:客戶只給一張布的照片,沒有其他的任何資料,現場有100支染料,要怎麼染出這塊布的顏色,還能兼顧成本,各式各樣的參數,人類的成功率只有七成,AI的成功率可以高達九成以上。

我們要的人還不夠

台灣有140萬家公司,今日,需要AI的公司可能只有10分之一(即14萬家),若每家公司需要5個AI人才,那麼總共會需要70萬個人,因此,為了把能量放大,需要更積極的培育。

另外,AI工程師的特點,是以前沒有的

一個好的AI工程師,可以今天在製造業,明天在服務業,大後天在電商,甚至做農業、媒體、醫療……,用的技術都一樣,卻可以應用在不同的領域,這是過去的技能中,從來沒有的。

在AI的時代裡,我們不一定要變成AI專家,但是必須了解可以如何運用AI執行管理、知道如何配對資源、需要做什麼樣的準備、評估要投入多少時間、最後如何驗收、是否能判斷A專案成功或失敗。(就像可以不懂如何修車,但要懂得如何選車跟開車)

謝謝執行長

在這一次的短講裡,執行長直接簡白地告訴我們現況,以及我們尚無法想像的未來,我們會繼續學習,雖然在7月的畢業典禮將看不到執行長的身影,聽不到他開心的恭禧。

44歲正值壯年,今天執行長逝世,讓人再度反思生命,健康仍是無比的重要,以及隨時保握當下,放下執著,好好的做自己認為重要的事情,珍惜自己的最愛。

新聞版面上,到處都是令人悲痛的消息,挑選2個我覺得適合推薦大家看的專訪:

【最後的禮物】AI學校執行長陳昇瑋留給台灣的四個提醒

陳昇瑋:培養孩子成為π型人不怕被AI取代

眼界在哪裡,世界就在哪裡

在AI的路上,學習曲線很陡,要面對的困難很多。

幸運的是,困難不會變大,但是我們的能力會越來越大。

謝謝陳執行長,教育就是一棵樹搖動一棵樹,一朵雲推動另一朵雲,一個靈魂喚醒另一個靈魂

《我們都將是您喚醒的靈魂》


CC BY-NC-ND 2.0 授权