AI專案大哉問:除了技術之外,還有什麼更重要的事? #AI Cafe 0918會後報導

AI Cafe的第一場活動,除了知道如何使用最新技術,快速完成低代碼AI APP,還討論到在電腦視覺專案中,最重要的資料來源與資料處理,快來看看這場活動精彩的紀錄。

當AI與雲端技術推陳出新,科技可以協助人類解決的問題也越來越多,近來,微軟甚至打造一款整合AI技術的應用程式,讓使用者無需任何程式碼的撰寫技能,就能快速打造出一套AI模型,建立符合業務需求的解決方案。但實際上,企業在啟動AI專案上,又有哪些需要注意的地方呢?透過AI Cafe的舉辦,邀請台灣微軟資深合作夥伴技術協理蔡景鷹,以及人工智慧科技基金會技術發展中心總監張嘉哲,與我們談談關於AI專案的考驗。

當打造AI模型只剩下三個步驟

蔡景鷹提到,當前的商業正在透過數據、雲端,以及智慧三種趨勢改變,但在實作中,AI的技術對大多數人仍顯得艱澀與遙遠,以台灣大多數中小型企業來說,即使聽過許多人工智慧相關應用,想要嘗試卻苦於無相關技術人才支援的問題。因而微軟希望能透過Power platform平台中的應用程式AI Builder,讓AI可以更易於被使用,甚至只要透過選擇模型類型、連接適用的資料、執行等三個步驟就能建立一個AI模型。

現場並介紹了當前適用的情境,包括二元預測分類、表單處理、物件偵測、文字分類、名片讀取器等,同時展示如何透過AI Builder進行名片識別與管理的流程,以利後續將資訊存置於資料庫,並導入CRM系統中管理。

台灣微軟資深合作夥伴技術協理蔡景鷹

人工智慧應用多,但電腦真如我們想像的聰明?

張嘉哲提到,目前人工智慧可以應用在生活的方式很多,例如我們常看到的人臉辨識,可以輕鬆幫我們辨識出照片中的人名;或是在農業上,協助農產品分類,幫人類分擔部分工作內容。而目前熱門的電腦視覺技術在處理流程上,也比之前來得簡單,但並不代表,電腦就能輕鬆地幫我們辨別任何東西。

因為想要訓練電腦學習人類的判斷過程,是需要經過許多步驟的,以機器學習的流程為例,得先取得資料、清理與標註資料,接著訓練模型、測試、調整等一連串的步驟。但光是資料的取得,就會遇到許多問題,包括資料圖片的品質、是否有足夠的資料圖片?而圖片的標註也相當花費時間,加上每個人的意見不一定相同,在資料的標註上也會有定義上的問題。

他以人工智慧科技基金會所協助執行的咖啡豆辨識專案為例,想要訓練電腦學會挑掉蟲蛀、外觀破損的咖啡豆,模型可能只有兩種,但資料就分為很多種。光是拍攝可被電腦學習的可用照片,就相當費時。一旦照片中的豆子模糊不清,缺陷部分被遮住,就無法有效讓電腦學習到不良咖啡豆的樣子。另外,專案執行者對於咖啡的知識也會影響模型的表現,以這個專案為例,雖然可以精準的分辨同一個產地的咖啡豆好壞,一旦加入不同產地的咖啡豆,表現就大不如前。原來,來自不同產地的咖啡豆外觀並不相同,因而無法判斷之前沒有訓練過的咖啡豆樣貌。這時候,就需要考驗專案執行者對於咖啡豆的知識,協助建立不同的咖啡豆資料集,增加模型對於不同產地來源咖啡豆的認識。

「很多時候,你並不知道你在拍什麼」,有時候以為是影像專案的,其實並不是提供照片訓練就能得到解答。張嘉哲以紡織業的染布配色專案為例,由於不同的布料所反射的光譜並不一樣,光是從照片上所看到的布料顏色,並無法幫助電腦精準調出精準的顏色,而是必須要用特殊儀器進行量測,才能解析布料上的顏色數值,這也是為什麼專業知識很重要的原因。你必須要有紡織業的相關知識,才能知道不同布料的成色不同,配色需要注意地方在哪。同時,也需要有人工智慧相關的知識,才能知道,這不是一個影像專案,而是一個數值的專案,必須利用數值建立模型。

人工智慧科技基金會技術發展中心總監張嘉哲

專業知識加上人工智慧,才能獨佔鰲頭

張嘉哲說,雖然我們現在覺得AI在某些地方好像很厲害,例如下棋可以贏過人類,就連影像判讀的能力也很強,但他提醒,AI並非萬能,並不是丟了一堆照片給電腦,就能得出一個結果或解答;也不是導入AI,就可以取代所有人。他認為,很多時候,人類的專業知識與直覺才是最重要的,才可以利用電腦訓練出可以有用的模型。

雖然資料很重要,但是徒有資料並無法做出任何成果,唯有人工智慧結合領域知識,才能獨佔鰲頭。如果沒有相關知識,你可能也無法在模型出錯時,找出真正的原因。

人工智慧科技基金會(AIF)透過知勢內容平台與不定期的線下聚會活動,讓更多人認識人工智慧,並持續擴大AI科普影響力,以推動台灣產業AI化與轉型,我們透過客製化訓練、顧問及專案服務,協助企業建立自己的 AI 團隊。扮演產業與學術界的關鍵樞鈕,有效介接學術能量,讓台灣產業在這波AI浪潮中穩健轉型成長。若您對企業AI課程有興趣,歡迎至人工智慧科技基金會(https://aif.tw/ )了解更多,或直接寫信與我們聯絡 hi@aif.tw

當日簡報分享