智慧應用 影音
DFourm0722
event

AI真是萬靈丹? 產業AI化有哪些挑戰與迷思?

產業AI化的過程,仍有許多挑戰需要克服。李建樑

COVID-19新冠疫情自2020年衝擊全球,2021年台灣也因疫情實施半封鎖,遠距辦公成為新工作型態、仰賴線下營運的零售業幾乎沒有人流、工廠生產力放緩等,產業各自面臨前所未有的難題,也因為疫情暴露原先組織結構的弱點,企業彈性應變能力變得更加重要。

創投基金蜂行資本(Hive Ventures)日前所發表的一份「2022年台灣企業AI趨勢報告」中就發現,台灣已有近6成企業導入AI來因應疫情帶來的影響,也因此2022年台灣AI成熟度對比去年,可以說是有了「飛躍性」的提升。

疫情無疑是企業數位轉型、加速AI發展進程的催化劑,企業都想導入AI來解決問題並創造價值,然而產業AI化的過程,仍有許多挑戰需要被一一克服。

AI真是萬靈丹?

AI已經在許多產業應用上證明其價值,讓許多企業趨之若鶩,現在產業風向似乎是,沒有導入AI,就沒有跟上潮流,許多企業甚至認為,只要收集數據,就是導入AI。然企業在發展人工智慧時的迷思,往往就出現在這些環節中。

通常企業最容易陷入的迷思之一,就是認為AI是萬能的。

工研院建置的「AIdea 人工智慧共創平台」,讓來自產、官、學界,乃至非營利組織的各式 AI 相關需求,都在AIdea公開上架,再由來自各方的資料科學家線上解題。工研院資通所副組長暨AIdea人工智慧共創平台計畫主持人洪淑慎就觀察到,許多企業會把各式各樣的問題丟到平台,希望AI能一解謎團,但若某些企業本身曾長期累積結構化資料,其實往往會發現這些問題藉由統計分析也能找到不錯的解決方案,此時導入AI並不一定是加分,況且投資回收也是企業必須優先考量的現實問題。

洪淑慎表示,事實上AI並非萬靈丹,它仍有適用的特定情境。舉例來說,AI擅長解決更複雜的問題,導入AI後最明顯的改進,應該是在於能夠消化更多與議題相關的非結構化資料,增加資料特徵豐富性,因而從中找到更多的洞見。

產業AI化正面臨的三大挑戰

挑戰一、重新建立對人才資本的概念

在產業AI化的過程中,不論產業別及公司規模,都會遇到許多共通挑戰。其中幾乎沒有例外,業界遇到的第一個挑戰就是缺乏人才。

日前群創榮譽董事長段行健與台灣人工智慧學校校務長蔡明順都不約而同針對此發表看法,其認為,未來企業三到五年對於AI最重要的投資當屬人才。段行健表示,發展AI是對的方向,但不能因此而忽略像是基礎科學或物理化學的專業知識培養,才能有邏輯地整合分析AI專案,這意味著,未來AI所需的是「整合性人才」,蔡明順表示,AI時代所需之才絕沒有想像中簡單,並非舊瓶換新裝,而是需要從核心全面升級,因此蔡明順也建議,當前對企業主來說,最重要的就是要儘快重新建立對人才資本的概念。

挑戰二、數據的「質」比量更重要

業界有句話是這樣說的,「有數據不一定能夠成功導入AI,但沒有數據是萬萬不可能導入AI」。通常產業AI化會遇到的挑戰,除了資料是否有以數位化形式保存,具有足夠的「量」之外,企業還要考慮的是這些資料的「質」,是否為訓練AI模型過程中真正所需。舉例來說,目前產業相當成熟運用的瑕疵辨識,是依靠AI學習多種不同樣態的瑕疵pattern,倘若瑕疵樣態不足或過於單一,便容易使AI在「欠缺經驗」下而影響其辨識精準度。這也是為什麼大多數的企業通常需要花80%的時間用於整理資料,然後才能開始訓練AI的原因之一。

LandingAI創辦人吳恩達就曾表示,通常資料量越少,模型受資料雜訊的影響也就越大,但只要資料的品質夠好,即使是少量乾淨的資料也能找到好模型。例如吳恩達自己就多次遇到有些專案只能提供40或100張影像資料,這才發現,只要有工具或流程確保資料夠乾淨,模型也能有不錯的結果。

挑戰三、沒有一勞永逸的AI模型

各產業近年都看好AI所帶來的龐大效益,但真正能從開發走到應用的企業卻只在少數,或許也有企業發現到,原本訓練好的AI模型精準度高達99%,但為何一旦實際部署到場域中就無法運行?根據Gartner調查,在企業原先預期的年度AI計畫裡,最後卻僅有5%真正被部署。根據業界人士分析,初期從情境確認、資料分析到每一次模型部署上線,企業內部通常就需花費大量的時間溝通,而等到模型上線後,又會因為情境需求改變,甚至是日益增長的資料而讓模型執行環境變得不堪使用。

後期在AI模型管理上,許多企業甚至會以為管理AI模型跟管理網頁一樣,但其實兩者間有很大的落差,AI模型在開發完成後,通常會隨著時間失去它的精準度,洪淑慎因此也直言,因應製造環境的複雜與多樣化,有時候甚至連同一種、同一廠牌的機台,在不同時間或地點也會呈現出不一樣的效果,因此也會衍生出不同機台需對應不同AI模型的需求。因此,沒有一勞永逸的AI模型,即使已經有訓練好的模型,企業還是必須持續地訓練,反覆校正,後續的維運仍然相當重要。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: AI