吴恩达看AI的下一步趋势：小数据、方法论和后设增强式学习

国际知名线上教育平台Coursera共同创办人、曾带领Google Brain和百度首席科学家的AI大神吴恩达（Andrew Ng）日前首度来台公开演讲，分享最新AI趋势，也提出对企业拥抱AI的建议。

趋势一：需要建立AI方法论

吴恩达指出，AI将成为一门有系统的工程学科，但它还缺乏一套方法论，例如没有一套标准的开发流程，“现在正处于建立扎根用的AI方法论的过渡期。”

像吴恩达的机器学习团队就采用了改良版的敏捷式AI开发流程，将多数人惯用的2周冲刺期缩短为1天冲刺期。“利用白天写程式，搭配晚上几个小时来测试，隔天早上召开团队会议，检视前一晚实验结果，再决定下一步方向，如此周而复始。”吴恩达说，比起传统软件开发，短期ML开发流程是他实行过最有效率的方法。

趋势二：小数据将成为显学

早期的AI应用多仰赖大数据，这是因为早期开发AI应用的多为大型网络公司，拥有数十亿笔巨量资料。“但现今，开发AI的企业不再只是软件业，”但这些企业的资料量少，以小数据来开发AI的趋势越来越明显。因此，吴恩达点出，这几年也产生许多新技术，比如单样本学习（One-shot Learning）、小样本学习（Few-shot Learning）、自我监督式学习（Self-supervised Learning），甚至他在Landing AI的团队，也执行不少关于小数据的研究。

趋势三：RL商业价值将因新方法而大幅提高

“深度学习和监督式学习创造的经济效益，占所有AI技术的99％，而增强式学习（RL）的占比非常小。”但吴恩达观察，近两年兴起了一种后设增强式学习（Meta RL），将能改写RL的商业价值。这是将用来训练自我学习能力的后设学习（Meta Learning）理论，用于优化RL的奖励机制，让RL模型不只加快训练速度，也能让模型直接可用于非原本训练资料范围的新应用任务。

11年前，吴恩达在斯坦福大学任教时，曾利用RL开发一套不须人为遥控、可自行飞行的小型直升机，利用RL技术，建立了一个虚拟的操控模拟器（Simulator），在虚拟场景中学习如何操控直升机，再用训练完成的操控模拟器，来控制真正的直升机。不过，他说，当时没人知道自己训练的RL模拟器能否100％正确飞行。

但是，现在有了后设学习方法，可以从利用数百种不同的操控模拟器，在虚拟场景中，控制各种不同参数的虚拟飞机（比如大小、推力强弱），让RL模型找出一套自己学会操控虚拟飞机的自学方法，“研究显示，就算最后用于虚拟场景中没见过的实体直升机，Meta RL建立的虚拟模拟器依然能快速适应，且表现比RL更好。”吴恩达指出，所以，“这几年，连OpenAI、DeepMind等组织都争相研究Meta RL。”目前，吴恩达已正在研发Meta RL农业应用，但他认为，也可用于制造业。

企业拥抱AI，先从小专案开始

对于想拥抱AI的企业，吴恩达给了不少建议，首先是从小型专案着手，先取得成就和内部信任。他以自己为例，一开始，Google同事和主管大多对深度学习抱持怀疑态度，有些高层甚至认为深度学习不可行。吴恩达先锁定Google Speech的语音辨识，成功优化辨识率后，才转向规模稍大的Google Maps，利用电脑视觉来提高地图上的建筑定位精准度。有了这些成绩，吴恩达才有机会说服规模更大的Google Ads团队，引进AI来改善广告投放精准度。“先从小型专案开始累积成就，很重要。”他强调。

一旦要开始执行AI专案，吴恩达建议，“至少先想6个题目。”再从技术面和业务面影响来评估这些题目（如下图）。技术面问题如AI系统是否达成所需效能、需要多少资料量、软件开发时程，业务面则如降低成本、提高营收、创造新产品或新业务。他在选定AI专案前，通常会花上数周，和团队共同分析技术面和业务面需求，最后再挑出最可行的2个题目来执行。

从试验专案累积动能，进一步将AI推广至整个企业

从小专案累积出经验，企业若决定进一步全面拥抱AI时，吴恩达也从自身经验归纳出5个原则。首先，透过试验专案来累积动能，“不一定是最有商业价值的专案，而要找容易成功的专案，才能累积企业内部动能。”他指出，AI试验专案期可维持6至12个月，外包或内部团队自己执行都可以。

但是，当这些AI专案发展到一定程度后，吴恩达建议，企业就必须建置集中式的内部AI团队。可比照业务单位的设计，以一个独立AI单位<

来协助不同业务单位，可由首席执行官管辖，或由CIO、CTO或CDO管理（如下图）。“Google和百度的AI团队，就是如此运作。”

另一方面，AI专案推动过程，吴恩达建议，企业必须进行提醒全公司的内部AI教育训练，可按职务分成三类来培训。第一类包括决策者和资深业务主管，他们必须了解AI能为企业做什么、如何制定AI策略、如何分配资源；第二类是参与AI专案的部门主管，要让他们了解如何制定AI专案的方向（包括技术面和业务面考量）、资源分配，以及监管专案流程。最后一类则是AI工程师新手。他们不只要学会AI软件开发，还要能搜集资料、执行特定的AI专案等。不过，他提醒，企业不用从无到有设计新教材，而要懂得从YouTube、Coursera等平台，选择合适的教材。

在AI策略上，吴恩达指出，许多企业的首席执行官容易制定不切实际的AI策略，比如要求属下尽可能收集各种资料、越多越好。但他认为，企业应该等到试验专案成功、累积基础后，再来订定AI策略制定应。一是建立资料策略，包括如何取得资料、建置统一的资料仓储，其次是从网络效益和平台优势来思考策略。

吴恩达建议的最后一项AI导入原则是，要发展内外部交流管道，如与投资者和-之间的沟通管道，也要兼顾使用者、人才招募和内部的交流管道。

不只企业要发展AI，吴恩达认为，长远看来，各国也该积极建立AI中心。他有感而发地坦言：“我们这类专家所犯最大的错，就是在互联网崛起的年代，替硅谷和北京赚了大笔财富。”他希望，这次在AI崛起的时代，要让AI跨出硅谷和北京，在各个城市发展，而且AI发展权不应只握于软件公司手中，而是要让各产业都能做到。他建议，台湾要发展AI，可自身成熟的产业强项如半导体、制造业切入。文◎王若朴