台灣產業AI化的問題1〉大數據、機器學習與人工智慧

要深入了解產業如何應用人工智慧達成策略目標,首先必須瞭解AI究竟能做哪些事?無法做什麼事?企業對於AI又存在著哪些誤解?

在人工智慧的年代裡,企業若要維持現有的競爭力,甚至彎道超車勝過對手,產業AI化是非做不可的。

最近幾年大家一定經常聽到,人工智慧是台灣產業轉型關鍵技術這樣的說法,也有不少企業宣布已經導入人工智慧。但是,到底什麼是人工智慧?我想我們必須在課程開始的第一個重點,先釐清這個概念。

人工智慧定義

人工智慧的定義是,任何讓電腦能夠表現出類似人類智慧行為的技術。實現人工智慧的技術有許多種,目前這一波的人工智慧浪潮中,最主要用來實現人工智慧的技術叫做機器學習。

機器學習的定義是,能夠從資料裡頭學習到規則的演算法,之後我們就可以將這些規則實作在電腦系統中,讓電腦展現看起來有智慧的行為。依這個定義來看,機器學習需要有資料才能發揮功用,所以,是否有合適的可用資料也是實現人工智慧的關鍵之一。

因此,人工智慧、機器學習以及大數據這三個大家常見的名詞,事實上是息息相關的。今天的人工智慧系統,底層的引擎都是機器學習模型;而機器學習必須要基於大數據才能淬取出有用的規則。換句話說,我們可以將大數據想成原料,機器學習則是處理這些原料的方法,而產出的結果就是人工智慧。

人工智慧、大數據與機器學習

人工智慧雖是台灣普遍關注的熱門議題,不僅企業想擁抱人工智慧,人才也想往人工智慧領域移動,大家也都聽過,人工智慧將帶領新一波科技革命,但究竟產業如何導入人工智慧,仍然是不太清楚。在認知不清的狀況下,台灣企業目前的資料運用程度,通常與人工智慧應用仍有一段距離。

人工智慧發展的三個面向

所以,在今天的課程中,要跟大家談的第二個重點是,先了解人工智慧發展的三個面向,再聚焦台灣產業與人工智慧的關係。

人工智慧發展的第一個面向指的是技術發展,這個面向通常由學術界或業界實驗室來進行,鑽研機器學習演算法的改善。它的目的是讓以前做不到的事變成可以做到,讓演算法可以基於同樣的資料在同樣的條件下,讓電腦表現出來更聰明。因為我們這個系列課程的目的在於人工智慧應用,在這次的課程中我們先不深入討論。

人工智慧發展的第二個面向是AI產業化,像大家都知道的無人車、無人機、無人商店或服務型機器人,這些以人工智慧技術為主軸,所發展出來的新產業或新商業模式,稱為AI產業化。

第三個面向,就是我們在這十二堂課程中要深入與各位分享討論的,叫做產業AI化。產業AI化指的是將人工智慧導入現有的各式產業中。不論是製造業、金融業、零售業、服務業、農林漁牧業等等,都可以藉由人工智慧的協助,提升產品或服務的品質,同時降低管理、人事及生產成本等等,維持及提升產業競爭力,甚至成為升級及轉型的契機。

人工智慧發展的三個面向

商業智慧平台不等於人工智慧

不同產業對於產業AI化的需求與方向不太一樣。根據我個人協助許多企業的經驗,金融業與電信業因為監理法規的要求,通常已累積大量交易及使用者行為資料;製造業方面,因為工業4.0與物聯網的觀念推行,尤其是電子製造業,許多中、大型廠商都積極蒐集從備料,排程,生產,出貨到實際運行的所有資料。另外,電商平台生而數位,掌握所有使用者的交易資料。大型零售業也在POS系統的幫忙之下,有限度地瞭解使用者喜好及行為。

這些產業基本上資料充足,且資料架構相對成熟,其中許多已經投資商業智慧平台,可以透過資源儀表板或關鍵績效指標的呈現,來做情勢評估,並據此進行管理。不過,應用數據報表來做情勢評估,仍仰賴人力來做解讀及決策,只是資料分析的最淺層應用,與人工智慧還有一段很長的距離。若企業自己覺得,我已經收集很多資料,每天也都有報表可以看,就是大數據的應用,那實在是太可惜了。

產業AI化談的就是下一步,在企業收集資料並有可能開始進行資料分析後,能讓「資料為企業產生價值」的終極手段,就是人工智慧。

Gartner有篇報告將資料分析按深度分為四個階段:描述型分析、診斷型分析、預測型分析與指示型分析。這四種階段,分別要回答「發生了什麼?」「為什麼發生?」「未來是否發生?」「如何讓它發生?」這四個問題。其中,我們通常把前兩個層次,也就是描述型分析、診斷型分析,歸類為商業智慧平台的能力,而把後兩個層次,預測型分析與指示型分析,歸類為人工智慧,因為預測及指示,指示就是指下指令的動作,像是擁有人類智慧才能進行的工作。

資料分析運用四大階段

依我過去數年的觀察,比對上面所提到的描述、診斷、預測與指示四種資料分析階段,也可以說是資料運用的深度,目前台灣企業多數還停留在前兩個階段,甚至是第一個階段,也就是拿著數據產出報表,以人來解讀,號稱是洞察報告的階段。

須先破除「人類才能做決策」迷思

困難的是,有些企業誤以為這就是大數據分析該有的運用方式,因為只有人類可以理解瞬息萬變的市場,才有足夠的領域知識及經驗來進行企業裡各式大大小小的決策。這個理解在某些情境是正確的,畢竟今天的人工智慧還沒有真正的智慧;但在許多情境是錯誤的,有太多實例可以證明,在各式商業情境中,人工智慧進行決策,可以比有經驗的從業人員決策更為準確且快速。

因此,在人工智慧的年代裡,企業若要維持現有的競爭力,甚至彎道超車勝過對手,產業AI化是非做不可的。大家必須破除「人類才能做決策」的迷思,將資料運用能力提升到「預測」與「指示」的層次,讓人工智慧以合適的角色、合適的方式進入合適的企業流程中,透過人與人工智慧協同合作,讓人工智慧在各方面為企業加分,無論是開源,節流或是提升企業效率。

要如何做到這一步呢?在下一次課程中,將會與各位分享,如何讓人工智慧持續變聰明的關鍵技術。