- 科技報導
文章專區
2018-08-01Google AI創新研究營的啟動 期望培育更多臺灣AI人才
440 期
Author 作者
李依庭／《科學月刊》主編。
人工智慧（artificial intelligence, AI）在這兩年來勢如破竹的發展，不僅衝擊各項領域，更被科技產業視為未來一波發展的全新革命。有鑑於此，科技部在去（2017）年12月宣布投入資金，在臺灣、清華、交通和成功4所大學建立AI創新研究中心並啟動「AI創新研究中心專案計畫」，期望能提供AI相關培訓課程，培育出更多具有AI跨領域能力的人才。
機器學習技術論壇
而在這波AI風潮中，Google也不缺席，從去年開始便透過舉辦多場機器學習講座，分享Google團隊目前已研發的各種機器學習及其不同領域的相關應用，像是學術領域中，在天文、生命科學等方面都有相關發展，透過機器學習來辨識行星與非行星的訊號，找出太空中可能的系外行星；將人體基因組轉化成圖像格式、運用分類演算，開發出變體識別模型，相較傳統定序方法，能大幅降低其錯誤率。
而在生活科技部分，也曾與會分享在Youtube影音平台上，如何透過機器學習，提供最適合的個人化「推薦系統（recommendations systems）」；在產業界中，也與臺灣傳統紡織產業合作，透過機器學習整合大量紡織布料的數據庫，建置有系統的應用程式（App）提供快速搜尋，有效縮短人力與時間上的分配。這些研究成果，在在顯示Google研究團隊投入大量資源在機器學習、深度學習上的開發，並期望能逐步擴大人工智慧的應用範疇。
Google智慧臺灣計畫
今（2018）年3月，Google更是乘勝追擊，啟動「Google智慧臺灣計畫」，提供各種數位課程、影音創作研習營等，幫助臺灣在人工智慧領域的發展。除了公司團隊在人工智慧所做的一系列研究與教學外，為響應科技部的AI創新研究中心專案計畫，在上（7）月4號也舉辦「Google AI創新研究營」，邀請國外AI研究專家來臺，安排各種人工智慧相關課程與培訓，傳授各種知識給AI創新研究中心的師生。
而在這次的Google AI創新研究營中安排多場「AI專題演講」探討自然語言處理、醫學影像深度學習應用、推薦系統、「強化學習（reinforcement learning）」和各種機器學習的應用實例。除此之外，為了幫助參與研究營的師生熟悉Google的線上機器學習開源資料庫TensorFlow，Google也設計了「TensorFlow初學者實作應用工作坊」，讓他們能夠透過這項工具建構出自己的人工智慧應用，讓整個研究營的課程不只是被動的學習，還夠主動地進行實際操作，兼具研究與實作雙面向的學習。
深度學習與推薦系統
不僅如此，也藉由「Google AI創新研究營」的機會，請到駐美國總部的Google AI首席科學家紀懷新在這次的機器學習技術論壇中，分享Google機器學習技術如何打造出更精準的推薦系統。在會中，他以Google play商店上的應用程式為例，表示在商店上至少有100萬個應用程式App，並且有190個以上的國家、超過10億個使用者的使用之下，光是在去年就有820億次的應用程式下載量。因此，在如此龐大的數據庫下，如何利用深度學習，提供個人最適化的推薦系統，便是研究團隊的研究目標。
根據研究團隊長期累積針對網路搜尋與線上社群系統的研究經驗，及對使用者行為所帶來的社群效應的洞察，探討Google如何利用AI技術瞭解使用者偏好，提供更個人化的服務。紀懷新表示，其研究團隊發現透過使用深度學習的3大主軸：計算（computer）、大數據（big data）和人才的整合，在2015年建立出TensorFlow，能夠克服多項以往無法及時帶給使用者良好推薦的問題。他更進一步表示，在這2年來，研究團隊已運用深度學習網路打造出超過66項更實用的產品，包含Google play、Youtube等商品及服務相關改善。除此之外，他也藉由實際案例分享推薦系統在不同領域的應用，創造出更好的使用者體驗。
未來目標與期望
而在Google AI創新研究營啟動記者會上，科技部部長陳良基也到場支持並表示，為了讓臺灣能夠在全球的AI版圖上佔有一席之地，科技部積極建立AI創新研究中心，就是期望能培育更多人才，未來協助臺灣國內產業的競爭力與扮演連接世界AI發展的橋樑。而現今在Google的支持下，透過互助合作，將能更加落實臺灣的人才培育、協助各項技術精進和產業升級。
Google臺灣董事總經理簡立峰也表示，臺灣具有深厚的硬體實力，但軟體上也具有很大的潛力，因此希望透過來自世界各地、在Google推動人工智慧前進的AI專家們，能與臺灣優秀的AI領域研究人才進行知識與技術的交流。他更進一步表示，Google期望透過研究營推動臺灣人工智慧的發展與人才的培育，並希望能達成5000人以上的人才培育，以提升臺灣年輕AI科學家的研究實力，增加臺灣與國際研究主題接軌的機會。
延伸閱讀
1. 李依庭，〈YouTube透過機器學習 讓影音應用更多元〉，《科技報導》第431期27頁，2017年。
2. 李依庭，〈Google研究團隊運用機器學習 探索科學應用〉，《科技報導》第435期2頁，2018年。
3. 李依庭，〈Google機器學習在雲端平台的應用 幫助傳統企業轉型〉，《科技報導》第436期26-27頁，2018年。