我從吳恩達(dá)AI For Everyone中學(xué)到的十個(gè)重要AI觀

寫在前面

在這個(gè)人機(jī)共存的年代，每個(gè)人都應(yīng)該去嘗試了解并運(yùn)用人工智慧這個(gè)超能力，思考自己未來在這個(gè)變化快速的世界的定位?

曾經(jīng)領(lǐng)導(dǎo)Google Brain 的吳恩達(dá)教授公開的Coursera 課程：AI For Everyone^[1]非常有意義。這堂課不談技術(shù)術(shù)語，專注在與非技術(shù)人士以及企業(yè)經(jīng)理人說明?

• 何謂AI?
• 如何建立AI項(xiàng)目?
• 如何在企業(yè)內(nèi)部建立AI基礎(chǔ)?
• AI與社會(huì)的關(guān)系?

課程內(nèi)容精要，總結(jié)了不少他多年在Google Brain、百度里領(lǐng)導(dǎo)AI 團(tuán)隊(duì)所累積的寶貴經(jīng)驗(yàn)這堂課也提到了不少AI Transformation Playbook^[2] 里頭的內(nèi)容。

雖然課程中很多時(shí)候是以CEO 或是企業(yè)管理者的角度說明AI 概念，但我認(rèn)為每個(gè)人都可以用個(gè)人角度，從本課學(xué)到不少有用的建議以及思考框架。有了這些概念，可以幫助我們?cè)谶@個(gè)變化快速的AI 潮流中掌握好自己手上的船舵并順利航行

本文將列舉出我認(rèn)為本課中最值得記住的10個(gè)AI觀，希望能讓你學(xué)到些東西。

這篇不少概念是我自己的心得總結(jié)，而你在上完課后肯定會(huì)有其他重要見解。事實(shí)上，我會(huì)推薦你在閱讀本文后就找時(shí)間實(shí)際去上這堂課，或是通過其他方式進(jìn)一步了解AI

30秒AI大局觀

以下就是10 個(gè)我認(rèn)為AI For Everyone 這堂課傳達(dá)的重要觀念懶人包。如果你一秒鐘幾十萬上下，可以只看這節(jié)就好：

• 講到AI，我們通常是指狹義AI而非通用AI
• 多數(shù)AI應(yīng)用是讓機(jī)器學(xué)會(huì)一個(gè)對(duì)應(yīng)關(guān)系
• 大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)及運(yùn)算能力是AI成功關(guān)鍵
• 只需花費(fèi)你1秒的任務(wù)，大都可由AI自動(dòng)化
• 對(duì)AI的態(tài)度不應(yīng)過度樂觀，但也不必太悲觀
• AI偏見難解，但或許比消除人類偏見簡單
• 擁抱AI的最好方法是將其與領(lǐng)域?qū)I(yè)結(jié)合
• 機(jī)器學(xué)習(xí)和資料科學(xué)的產(chǎn)出分別是系統(tǒng)和洞見
• AI時(shí)代，你得思考未來自己想要扮演的角色
• 終身學(xué)習(xí)在這個(gè)年代前所未有的重要

是的，既然是AI For Everyone，自然沒有什么特別深入的內(nèi)容。但就像吳恩達(dá)教授在課程里頭所說的，我相信這些基本的核心思想可以引導(dǎo)我們?cè)谶@個(gè)AI 時(shí)代更有方向且順利地前進(jìn)。

本文接著會(huì)搭配課程PPT，針對(duì)上面提到的一些概念做點(diǎn)簡單的補(bǔ)充說明，供你參考。

AI For Everyone

1、講到AI，我們通常是指狹義AI而非通用AI

現(xiàn)在媒體整天報(bào)導(dǎo)的人工智能（Artifical Intelligence, AI）應(yīng)用如：

• 智慧音響
• 自動(dòng)駕駛
• 人臉辨識(shí)
• 圖像分類
• 推薦系統(tǒng)
• 機(jī)器翻譯

背后皆是狹義的AI（Artificial Narrow Intelligence, ANI）。

盡管很多AI 應(yīng)用的表現(xiàn)甚至已經(jīng)比人類還優(yōu)秀，這些AI 基本上都專注在完成「特定」的任務(wù)；這跟科幻電影如魔鬼終結(jié)者里頭，能跟人類以一樣的方式思考并做「任何」事情的通用AI（Artificial General Intelligence, AGI）是有很大差異的。

盡管開發(fā)出AGI 是很多研究者的終極夢想，但事實(shí)上現(xiàn)行的科技離實(shí)現(xiàn)AGI 還有好一段距離。

2、多數(shù)AI應(yīng)用是讓機(jī)器學(xué)會(huì)一個(gè)對(duì)應(yīng)關(guān)系

大部分的機(jī)器學(xué)習(xí)以及AI 應(yīng)用本質(zhì)上都是讓電腦學(xué)會(huì)一個(gè)映射函數(shù)（Mapping Function），幫我們將輸入的數(shù)據(jù)A 對(duì)應(yīng)到理想的輸出B：

• 郵件分類：電子郵件->是否為垃圾郵件
• 語音辨識(shí)：音訊檔案->文本
• 機(jī)器翻譯：英文文本->中文文本要實(shí)現(xiàn)這種AI應(yīng)用，最常被使用的方法是監(jiān)督式學(xué)習(xí)（Supervised Learning）：給予機(jī)器大量的成對(duì)數(shù)據(jù)，告訴它什么樣的A要對(duì)應(yīng)到什么樣的B，并讓機(jī)器最后自己學(xué)會(huì)如何將任意的A轉(zhuǎn)換成理想的B，達(dá)到自動(dòng)化的目的。

3、大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)及運(yùn)算能力是AI成功關(guān)鍵

要實(shí)現(xiàn)能幫助人類做復(fù)雜判斷的AI技術(shù)有很多種，但近年真正讓AI大紅大紫的是深度學(xué)習(xí)（Deep Learning）以及人工神經(jīng)網(wǎng)絡(luò)（Artifical Neural Network）

值得一提的是，你或許常聽到「神經(jīng)網(wǎng)絡(luò)跟人腦運(yùn)作方式相同」的這種說法，但事實(shí)上如果你問相關(guān)人士對(duì)這種意見的看法的話，得到的答案常常是「兩者天差地遠(yuǎn)」。

盡管神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式跟我們神奇的大腦不完全一致，搭配大量數(shù)據(jù)以及前面提到的監(jiān)督式學(xué)習(xí)，越大的神經(jīng)網(wǎng)絡(luò)通常可以在特定任務(wù)有越好的表現(xiàn)。

雖然這樣的現(xiàn)象令人振奮，但別忘記

• 大型神經(jīng)網(wǎng)絡(luò)的運(yùn)作
• 大量數(shù)據(jù)的處理

這兩件事情都意味著需要更大量的電腦運(yùn)算能力。而很多時(shí)候一般人是沒有這樣的運(yùn)算資源的。

值得慶幸的是，很多以深度學(xué)習(xí)為基礎(chǔ)的AI常常有個(gè)很好的特性：透過遷移學(xué)習(xí)（Transfer Learning），我們能將事先已經(jīng)用大量計(jì)算資源做訓(xùn)練，并在任務(wù)A表現(xiàn)優(yōu)異的AI做些簡單修改，就能讓修改過后的AI'能在相似的任務(wù)B也表現(xiàn)不錯(cuò)。這時(shí)候就算你只有少量數(shù)據(jù)以及不多的計(jì)算資源，也能利用AI完成以往難以想像的任務(wù)。

4、只需花費(fèi)你1秒的任務(wù)，（未來）大都可由AI自動(dòng)化

這項(xiàng)概念是吳恩達(dá)教授在課程里所提到的「一秒原則」，可以讓你用來判斷一個(gè)任務(wù)是否能用AI做自動(dòng)化的準(zhǔn)則。通過監(jiān)督式學(xué)習(xí)以及大量成對(duì)A&B數(shù)據(jù)，我們可以讓很多以往被認(rèn)為非常復(fù)雜，但人腦僅需1秒鐘就能解決的任務(wù)透過AI來自動(dòng)化，讓我們的生活更加輕松。

當(dāng)然，這個(gè)簡化的原則并不是放諸四海皆準(zhǔn)，但可以做為一個(gè)不錯(cuò)的參考基準(zhǔn)。

5、對(duì)AI的態(tài)度不應(yīng)過度樂觀，但也不必太悲觀

盡管我們已經(jīng)清楚現(xiàn)代AI 的威力，仍需注意AI 并不是萬能藥，無法（完美地）解決或自動(dòng)化所有人類的問題。

比方說有研究嘗試把自然語言轉(zhuǎn)成SQL，但短期內(nèi)一個(gè)數(shù)據(jù)科學(xué)家自己寫SQL查詢數(shù)據(jù)可能還是比較有效率。盡管AI不能（完美地）做到任何事情，我們也不該對(duì)AI失望，斷定下一個(gè)AI冬天必定會(huì)到來。現(xiàn)在可以肯定的是AI已經(jīng)，而且也會(huì)繼續(xù)改變我們未來以及下一代的生活型態(tài)。

最重要的是理性地理解AI 能做到什么，在能活用的時(shí)候善加利用它，同時(shí)不抱著「AI 能解決所有問題」的不切實(shí)際幻想。

6、AI偏見難解，但或許比消除人類偏見簡單

在利用監(jiān)督式學(xué)習(xí)的方式訓(xùn)練AI 的時(shí)候，我們常常會(huì)使用現(xiàn)實(shí)世界的數(shù)據(jù)讓機(jī)器學(xué)習(xí)。

好消息是因?yàn)楝F(xiàn)在數(shù)位化以及網(wǎng)際網(wǎng)絡(luò)的發(fā)達(dá)，我們有非常多數(shù)據(jù)可以交給AI 學(xué)習(xí)；壞消息是這些數(shù)據(jù)時(shí)常反映了人類數(shù)十年甚至幾個(gè)世紀(jì)的偏見。

用這些數(shù)據(jù)訓(xùn)練出來的AI 系統(tǒng)就像是面照妖鏡，也會(huì)不可避免地學(xué)會(huì)這些偏見（Bias）。

知名的例子有：

• 以白人照片訓(xùn)練出來的人臉辨識(shí)系統(tǒng)在辨識(shí)深色膚色的人種時(shí)表現(xiàn)很差
• 自動(dòng)化雇用的AI系統(tǒng)對(duì)女性存有偏見
• 銀行的自動(dòng)信用評(píng)比AI系統(tǒng)對(duì)某些族群產(chǎn)生偏見

以下則是另一個(gè)課堂中提出的例子：上例或許稱不上歧視，但很明顯是偏見，一種長久存在于人類社會(huì)的性別偏見。

因?yàn)楹芏鄷r(shí)候這些AI 系統(tǒng)是學(xué)習(xí)一種統(tǒng)計(jì)關(guān)系，因此在此例中，AI 只是忠誠地呈現(xiàn)我們社會(huì)的用字習(xí)慣罷了。

要消除AI的這些偏見并不容易，但仔細(xì)想想，這可能比消除人們腦中數(shù)十年的偏見要來的簡單，而且振奮人心。這件事情當(dāng)然不簡單，但卻非常值得一試。

當(dāng)然，你可以選擇不思考這些AI倫理、偏見問題，相信建立AI系統(tǒng)的這些工程師們立意良善以及夠細(xì)心，能幫我們將AI系統(tǒng)里的偏見移除，并讓其做出最合適的判斷。

盡管如此，意識(shí)到再厲害的AI系統(tǒng)內(nèi)部也可能存在如同人類的偏見，進(jìn)而導(dǎo)致各種不公平的社會(huì)問題這件事情也是很有幫助的。

7、擁抱AI的最好方法是將其與領(lǐng)域?qū)I(yè)結(jié)合

想要學(xué)習(xí)AI，不需要打掉重練。雖然現(xiàn)在AI 相關(guān)領(lǐng)域十分熱門，究其根本也就只是一種工具/技術(shù)。而且AI技術(shù)接下來會(huì)越來越平民化，上手的門檻會(huì)越來越低。

因此比起現(xiàn)在轉(zhuǎn)行當(dāng)AI 工程師，你要先做的應(yīng)該是想辦法利用自己工作累積的領(lǐng)域知識(shí)（Domain Knowledge）以及洞見（Insight），找出能應(yīng)用AI 改善的地方，進(jìn)而創(chuàng)造出專屬于你或企業(yè)的競爭優(yōu)勢。

8、機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)的產(chǎn)出分別是系統(tǒng)和洞見

機(jī)器學(xué)習(xí)（Machine Learning, ML）以及數(shù)據(jù)科學(xué)（Data Science, DS）這兩個(gè)詞匯常常結(jié)伴出現(xiàn)，且依照不同企業(yè)其定義都有所不同。因此，不在這塊領(lǐng)域里的人常常不知道兩者的差異。

一般來說，在企業(yè)內(nèi)的ML項(xiàng)目大都分為3 個(gè)階段：

• 收集數(shù)據(jù)
• 訓(xùn)練模型
• 部署模型

而DS 項(xiàng)目的步驟則為：

• 收集數(shù)據(jù)
• 分析數(shù)據(jù)
• 建議行動(dòng)/假說

兩者皆需原始數(shù)據(jù)作為輸入，且皆有機(jī)會(huì)使用AI / ML技術(shù)來解決、分析問題，但最終的產(chǎn)出形式時(shí)常不同。

總結(jié)來說，ML項(xiàng)目較注重在軟件工程方面，且最終希望產(chǎn)出一個(gè)以AI為基礎(chǔ)的線上系統(tǒng)；DS項(xiàng)目的結(jié)果則可能是一份幫助經(jīng)營者做重大投資決策的PPT報(bào)告。

9、AI時(shí)代，你得思考未來自己想要扮演的角色

AI 目前正是顯學(xué)，不少人決定進(jìn)入這塊領(lǐng)域，而現(xiàn)在跟AI 相關(guān)的職業(yè)就有好多種，比方說：

• 數(shù)據(jù)科學(xué)家
• 機(jī)器學(xué)習(xí)工程師
• 機(jī)器學(xué)習(xí)研究者
• 軟件工程師
• 數(shù)據(jù)工程師
• AI項(xiàng)目管理者

等等。而且隨著AI 的影響力持續(xù)擴(kuò)大，未來可能還會(huì)出現(xiàn)新的相關(guān)職業(yè)。我們?cè)谶@邊不會(huì)一一列出每個(gè)職業(yè)的工作內(nèi)容。

10、終身學(xué)習(xí)在這個(gè)年代前所未有重要

如同課程中吳恩達(dá)教授所說的，你并不需要取得一個(gè)AI master 才能開始進(jìn)行AI 項(xiàng)目。很多時(shí)候利用線上課程或是網(wǎng)絡(luò)上的深度學(xué)習(xí)資源就可以開始你的第一個(gè)AI項(xiàng)目了。

事實(shí)上，學(xué)習(xí)AI For Everyone 這堂課就是一個(gè)不錯(cuò)的開始。網(wǎng)絡(luò)上也有很多優(yōu)質(zhì)的博客或教學(xué)文章等待你的探索。

AI 領(lǐng)域近年發(fā)展神速，要學(xué)習(xí)AI，用上一代「讀幾年書，出來用一輩子」的概念是行不通的。臺(tái)大電機(jī)系的李宏毅教授就曾說過：「在深度學(xué)習(xí)的領(lǐng)域，超過五年就是遠(yuǎn)古時(shí)代了」！

因此如果你決定踏上學(xué)習(xí)AI 的這條路，就做好跟我一起終身學(xué)習(xí)的心理準(zhǔn)備吧！

結(jié)語

看到這里，相信你已經(jīng)了解AI For Everyone 里頭10 個(gè)最重要的概念了，恭喜！

這些概念大多是我將課程里頭擷取出的核心概念，佐以自己的心得感想。希望閱讀完此文的你有學(xué)到點(diǎn)東西，或是獲得些啟發(fā)。

本文參考資料