ITRI
神盾

憑公有服務借力使力 大幅增進AIoT應用綜效

  • DIGITIMES企劃
雙子星雲端運算執行長符儒嘉強調,其Gemini Open Cloud(GOC)平台集結豐富工具套件,可協助資料科學家、AI科學家、IT人員等不同角色,各司其職完成大數據處理、機器學習、模型驗證等端到端任務。

隨著大數據科技的發展,已為人工智慧(AI)、物聯網(IoT)等技術應用,注入強大支撐力道;不少產業專家、研究機構預期,2018年是關鍵的一年,舉凡AI、IoT將加速匯流為AIoT,驅動工業機器人、無人機、自動駕駛、智慧建築、智慧城市等等各式智慧應用大鳴大放。

雙子星雲端運算公司(Gemini)執行長符儒嘉認為,AIoT議題的發酵,將偏向各個垂直應用,主要落在智慧製造、智慧醫療、智慧監控、金融科技(FinTech)等領域,各領域的發展方向不盡相同;但無論AIoT應用場景為何,都需要倚靠堅實的底層架構,有效彙集大數據,接著進行資料處理、儲存,結合機器學習分析,最終呈現分析成果,孕育各種智慧決策。

簡化機器學習步驟,加速推展AIoT

符儒嘉歸納,展望2018年,有些關於AIoT的新興發展趨勢,著實值得產業界加以關注。首先,以往機器學習的實踐場域,多偏向實驗室格局,通常在實驗室內設置小型工作站,藉此定義模型與參數;但不可諱言,欲發揮更大的機器學習分析成效,資料多多益善,單憑實驗室資源不足以有效處理龐大資料,故為了在高性價比前提下快速籌措資源,朝向公有雲型式的AI服務供應商求助,逐漸成為業界的普遍共識。

其次AIoT並非自動生成的萬靈丹,在價值實現的過程中,還是需要借重專家的智慧進行Data Labeling,此即為一般認知的監督學習(Supervised Learning)模式;然而為促使AI普遍化、大眾化,業界亟思尋找不同的機器學習型式,期望降低對專家的倚賴程度,因而不少人把目光轉向強化學習(Reinforcement Learning)、遷移學習(Transfer Learning),乃至生成對抗網絡(GAN)等新的發展方向,藉以大幅減少Input Data、Labeling的需求量,簡化機器學習執行步驟,值得有志發展AI的企業機構留意。

再者不論各式各樣的應用場景,都不可能僅靠中心端產生智慧,意即在執行模型訓練後,很難只靠中心端做完所有推論,因而促使「邊緣運算」蔚為風潮;但持平而論,邊緣端不像中心端具有豐富運算單元或GPU,故需配合模型的簡化,才足以確保邊緣端猶能展現低失真的AI智慧辨識效果。

此外符儒嘉預期,儘管現今AIoT應用場域,通常具有較明確的垂直屬性,但未來彼此界線將趨於模糊,意即不同應用場域可能會合併,轉換為更新穎、也更完整的商業模式;譬如亞馬遜(Amazon)力推的無人商店,箇中便蘊含監控、收銀、推薦等等眾多科技元素在內。

符儒嘉強調,總之無論AIoT應用型態為何,「資料」絕對是開啟一切價值的關鍵之鑰,不管企業取決哪一套模型演算法,皆需借助豐富的資料來執行訓練,因此企業投入AIoT的先決條件,即是準備好足夠資料,且不光是單單一種或少數幾種基本資料,還須納入內外部其他多重資料來源,接著由深諳領域知識的專家利用AI工具,進行模型與參數定義,理解多重資料彼此間的相互關係,協助企業獲取洞察力與決策力,適時調整商業模式,創造優異的經營績效。

借助BDaaS/AIaaS,降低智慧應用發展門檻

儘管從資料準備、深度神經網路DNN(Deep Neural Network)訓練、產生模型並完成驗證,直至最終投入應用場景,此一AIoT價值的實踐之道,多數企業都已了然於胸,但無庸置疑,企業要想單憑一己力量撐起AIoT一片天,肯定並非易事;別的不說,如符儒嘉所言,機器學習是一項Multi-staff的工作流程,包含資料科學家、AI科學家、IT維運人員等三大角色都必須介入其中,以致企業必須因應不同角色需求,分頭佈建三種作業環境,部署可觀的運算與儲存資源,這般投資排場,並非所有企業皆可負擔。

有鑑於此,雙子星透過Gemini Open Cloud(GOC)平台基礎,從IaaS、PaaS一路推進到SaaS,提供BDaaS/AIaaS方案,幫助企業加速執行機器學習訓練、產生模型並形成聰明決策。符儒嘉指出,藉由雙子星的服務,用戶可利用同一硬體平台,同時啟動不同運算叢集,一併滿足大數據處理、機器學習、模型驗證等端到端工作需求,以降低對硬體資源的總體需求量。

不僅如此,由於資料科學家、AI科學家、IT維運人員三種角色都在單一平台作業,輔以其角色所需的 User Portal,可望發揮資源共享但不互相干擾、又能加速作業進程等驚喜妙效;例如不需要歷經繁瑣的資料搬移與轉換,便可讓不同角色依各自權限範圍,隨需共用檔案數據,甚至透過 Registry 集中調度函式庫、Framework 等共通資源(以Repository形式包裝),藉以簡化IT管理、增進分析效能。

更多關鍵字報導: 巨量資料(Big Data) 大數據(big data)