[專案經理雜誌文章]人工智慧和大數據能力，都需要時間累積 人工智慧大數據科技生活

現在看起來很厲害的人工智慧，都發展很久了
應該不少人知道，阿里巴巴的大數據很厲害。但是，阿里雲公司從2009年開始創建，到現在也已經八年了。讀者也應該知道，亞馬遜現在有很棒的雲端運算與人工智慧的服務，但還記得Amazon Web Service是2002年開始就創建的嗎？而人工智慧的「書籍推薦」，甚至是在上個世紀就開始在亞馬遜官網上運用了。最近令大家驚異的人工智慧公司當中，最受矚目的Google AlphaGo、IBM Watson、Amazon Alexa、微軟小冰，都是使用大量資料的深度學習（人工智慧的一個子領域）。以IBM Watson為例，在2012年開始進入醫療領域，2015年升級為深度學習，直到2016年在日本救了癌症急症病患 ，才讓人了解到它在醫療診斷協助的強大能力，不過在2012年Watson已經有在美國的益智問答節目Jeopardy狂勝人類的紀錄了。

這些公司的共通點是什麼呢？蒐集的資料越多、學習的時間越久、建立的模型預測能力才會越強。

一開始真的很難，後來就會飛快成長
如果打算從零開始由公司自己建立人工智慧系統，現在有很多開放原始碼的平台，是不是比起過去來說簡單很多呢？資源也許比過去豐富，但是真正操作時，難免遇到這些開放原始碼架設的平台還不夠穩定，有問題卻得不到解答的窘境。由此可知，為什麼這些公司過去都得花大量時間建構基礎設施及蒐集資料，才有後來呈幾何級數成長的成就。

《從零到一》的作者Peter Thiel說過，網路創業「從零到一」跟「從一到一百」的時間是一樣的。而人工智慧與大數據的學習有類似的情形：先花時間好好投資，把基礎強化，在基礎打好之後，就可以基於這個能力，飛快地進行，達成很棒的成就。

台灣過去在軟體耕耘不夠，更要加把勁投入
台灣過去的軟體能力不夠，是因為重硬體輕軟體的結果，對於軟體需要的投資，很多公司其實根本是沒做的，這也造成進入人工智慧時代，除了幾家之前累積人才與實力的公司（例如台積電、鴻海），其餘大部份電子業的公司，其實往往只是說得一口人工智慧的能力，真要做卻又端不出成績來。

和碩電腦是另一個成功的例子。當初高層看重人工智慧，決定做相關的能力培養，花時間建置設施，聘請人才形成團隊，針對工廠生產過程做影像辨識、蒐集生產大數據，進行人工智慧的深度學習。幾年過去，終於在人工智慧有所突破，所以童子賢在今年Computex期間，介紹和碩在這方面的成就，視訊會議的臉部辨識能力可高達98.9%，比人眼93%還高。

台灣在物聯網時代，需要人工智慧成就物聯網生態系的大腦，要縮短人工智慧的學習時間，人才跟數據是絕對的關鍵，可惜台灣現在人才多在學界，進入業界很難馬上產生效果，相關領域數據蒐集更是需要時間，想要在沒有基礎的狀況下，達成短期成就自已領域的深度學習能力，無異緣木求魚。

童子賢說得好：「重點還是在於是不是有打下基礎？是不是掌握了深度技術。……要有一定的耐性跟韌性。」和碩現在能有不錯的基礎，是之前努力的累積。建議有志於培養人工智慧能力的企業，要有較長期投資的心理與財務相關準備，深度學習是需要硬底子的，沒有投資，哪來成就？