ITRI
訂報優惠

技術債-天下沒有白吃的午餐

  • 徐宏民
技術債可以用素質好的人力彌補,例如挖角、併購,但是往往價格高昂。(圖片來源:Pixabay)

前一陣子,負責智能技術的Intel副總兼CTO Amir Khosrowshahi 來台,有機會交流。Amir說明Intel在未來智能服務的定位。其中提到了NIPS 2015 Sculley的論文中「Technical Debt」(技術債)的概念—原意為軟體工程中太快速、輕忽的開發,所招致的長期成本負擔。

這是很有趣的一個名詞,用來解釋天下沒有白吃的午餐。尤其是近來智能化顯然是相當重要的未來產品方向,但是也得搭配其他不可或缺的要件。Sculley的論文主要討論智能元件上線之後,對於線上的工程系統有怎樣的工程挑戰:比如說如何維持特徵值擷取版本,過多的特徵值,訓練模型的版本等等,值得工程人員關注。

核心智能(機器學習或是深度學習)常常只是工程系統中的一小部分,為了讓整個服務可以完整的運行,還有其他重要配合的工程部分,例如資料收集、標準、運算資源管理、運算平台、監控服務、終端環境的推理硬體元件等。英特爾(Intel)的企圖是想提供這一大部分,不是只有機器學習核心。當然這是極富挑戰的工作,也有許多競爭者正全力衝刺提供類似的解決方案。

每個有價值的垂直領域,都有專業的知識,需要時間、成本累積。舉例來說,從兩年多前開始跟醫學領域的人一起合作,完全可以感受到跨領域的挑戰,令人戰戰兢兢。技術債可以用素質好的人力彌補,例如挖角、併購,但是往往價格高昂。

同樣的,對於非以IT技術擅長的產業,即使是獲利非常良好的隱形冠軍們,要智能化在公司內部開始產生效益,也需要相當的時間跟花費(同樣的,有許多技術債得償還)。當然,經營層的決心是最關鍵的。

這也可能是許多新創公司的機會所在。尤其是專注服務於產出大量資料,以及資料單位價值高的幾個領域:例如製造、能源、健康醫療、交通、IT等,都是值得大量投資智能技術的領域!

徐宏民(Winston Hsu)現任台大資工系教授及NVIDIA AI Lab計畫主持人。哥倫比亞大學電機博士,專精於機器學習、大規模影像視訊搜尋與辨識、前瞻技術商業模式等領域。為訊連科技研發團隊創始成員,曾任IBM華生研究中心客座研究員、美國微軟研究院客座研究員。習慣從學術及產業界的角度檢驗技術發展的機會;十餘年產學合作及新創經驗,近年與國內外企業合作,將深度學習技術落實到產品,並協助成立深度學習(人工智慧)團隊。曾獲ACM MM 2014 Grand Challenge Multimodal Award、傑出資訊人才獎、吳大猷先生紀念獎等國內外大獎。