ITRI
神盾

扎穩數據分析基礎 循序養成AI競爭能量

  • 洪千惠
台灣人工智慧學校執行長陳昇瑋強調,舉凡數據、機器學習與人工智慧,三者依序是根本、手段及目標,彼此互為因果、環環緊扣,企業欠缺任何一塊,最終都無法形成完整的AI應用拼圖。

過去幾年大數據可謂頭號顯學,如今風向球已轉為人工智慧(AI);身兼中研院資訊科學研究所研究員、台灣資料科學協會理事長,及台灣人工智慧學校執行長的陳昇瑋認為,此轉變實為健康態勢,有助於提醒企業,並非做好大數據收集、統計分析就能克竟全功,還須借助資料的終極運用----AI,才能真正實現數據的價值變現。

陳昇瑋形容,數據如同原料,機器學習是處理原料的方法,AI是最終結果,三者依序是根本、手段與目標,互為因果關係而非並行,不能漏掉任一環節。

換言之,企業無法在缺乏數據基礎架構(包含資料處理、儲存與分析)之下,憑空邁向AI,故須步步為營,花力氣建立完整的Infrastructure、Pipeline;在發展過程,企業亦應導正過往的資訊採購文化,無論引進任何大數據或AI工具,都不能僅側重功能規格,應基於日後可能的分析應用,預先設想需要動用哪些資料、需要保存多久、是否需要建立備份,乃至能否從工具中取出資料,及資料格式的可用性。

此外企業亦須審慎安排AI Team的主導者。按以往經驗,企業直覺認為IT可勝任此角色,但IT強項在於資訊基礎建設,論及數據的價值變現,實已逾越IT能力範圍;企業務須體認到,AI只是工具,唯有設法讓每個擅於領域知識(Domain Knowhow)的專業人士都有能力駕馭這個工具,培養基本認知,才能如願實現「產業AI化」目標,將AI能量融入實際工作流程,而非一股腦把AI重任交付IT部門執行。

AI導入進程,涵蓋五大步驟

陳昇瑋歸納,合理的AI導入進程,依序含括五大步驟:成功案例、資料生態、技術工具、流程整合、開放文化。先從小處著手,選定一個不涉及太多資料的專案題目,嚐試建立成功案例,藉此創造價值、營造信心;繼而打破部門間隔閡,使資料可被分享與集中處理;選擇正確的AI技術工具、建立團隊或尋找技術夥伴;接著讓AI技術成為工作流程一部份,確使數據收集的過程自然而然、流暢無礙;最終形成開放文化,人與AI得以協同增進生產力,形塑高值化的工作環境。

毫無疑問,對於台灣,AI實為至關重大的議題,亦是驅動產業升級的關鍵能量,因此如何讓機器學習及人工智慧在台灣深化,帶動產業發展,可謂當務之急;惟欲落實產業AI化,有頗多挑戰亟待克服,包含實戰人才的缺乏、找對問題不簡單、產學之間的鴻溝,及企業對自建技術的信心不足,其中尤以「實戰人才的缺乏」為亟需突破的首要障礙。

有鑑於此,台灣資料科學協會遂與財團法人科技生態發展公益基金會攜手合作,輔以中研院的資訊科學研究所、資訊科技創新研究中心的支持,正式催生台灣人工智慧學校,由陳昇瑋擔任此校執行長。

他指出,台灣人工智慧學校為產業AI化的軍校,意在找尋各行業領域的專家接受培練,使之懂得如何利用AI解決企業的營運課題,終至讓「找不到人才」,不再是企業難以推動AI應用的障礙。

值得一提的,台灣人工智慧學校共計開設兩大類學程,一是「經理人周末研修班」,目標學員即為上述領域專家,幫助他們懂得AI應用的大方向;另一則是「技術領袖培訓班」,培養具AI思維與實戰經驗的技術領袖人才,意即具問題定義、資料蒐集、資料淨化、模型開發、上線運作、場域驗證等實務能量的AI工程師。

台灣人工智慧學校執行長陳昇瑋將於3/27的巨量資料論壇--當AI遇上BI,數據時代的企業決策大躍進擔任Keynote講師,活動完全免費,掌握趨勢,請速報名參加!