企業一窩蜂「AI 轉型」,該跟進嗎?台大資工系副教授陳縕儂:有些公司不導入也沒關係

2024-04-28 11:00:00    編輯: 經理人月刊
導讀 對世界來說,2023 年是生成式 AI(generative AI)元年,但對陳縕儂來說,2023 年是自己長期耕耘、但在過去被認為相對冷門的專業,終於能夠應用、落地的一年。 陳縕儂在 2016 年...


對世界來說,2023 年是生成式 AI(generative AI)元年,但對陳縕儂來說,2023 年是自己長期耕耘、但在過去被認為相對冷門的專業,終於能夠應用、落地的一年。

陳縕儂在 2016 年從美國返台任教時僅有 29 歲,是當時台大資工系最年輕的副教授。當初選擇在自然語言處理、語言理解、對話系統等領域鑽研,是因為自己小時候看了《漢聲小百科》描繪的未來,比如用聲控就能開關燈、視訊或自動駕駛等,「我希望自己的生活可以這麼便利,所以希望能開發出這樣的技術」。

▲ 陳縕儂。

如今,各種 AI 應用已散落在人類的生活,但許多人還是不太清楚其中差別。陳縕儂解釋,AI(artificial intelligence)就是人工智慧,只要是用機器來模擬人類的智慧行為,都能稱做 AI。比如說人臉辨識,看到一個人臉,可以辨識出它的身分;車牌辨識,看到一串數字,可以知道它是哪輛車的車牌;語音辨識則是可以從影像或聲音,直接轉成逐字稿,這些 AI 都屬於「辨識型 AI」(discriminative AI)。

過去比較多 AI 都是如上所述,是在模擬人類被動接收資訊、理解的行為。而生成式 AI 之所以讓人驚豔,是因為它有主動生成資訊的能力,就像是人類可以畫圖、唱歌、寫詩等,「生成一定比理解更難,就像是看懂一個好的小說,跟自己寫出一個很好的小說,難度差非常多。」

至於機器學習、深度學習、專家系統、自然語言處理等,則是機器模擬人類智慧的方式。以專家系統來說,它是透過訂很多 SOP 或條件,讓機器知道,「當對方問 A 的時候,就要回答 B」,以此訓練機器。但這樣的缺點就是,如果沒預設到某個情況,回答就會失效。

所以在實務上,漸漸演變成從機器或資料裡學習,像自然語言處理,就是「餵」語言資料給機器,這也是為什麼 ChatGPT 在 2022 年底推出,就讓多數人覺得好上手的原因。因為它更接近人類的真實互動,只要跟它進行有效對話,它就有機會完成你的指令。

數據轉型不等同 AI 轉型,你的公司屬於哪一種?

這樣的特性,讓許多企業搶著導入 AI,或者說,被趨勢推著走,不得不開始轉型。

然而,陳縕儂表示,並不是所有公司都一定要導入生成式 AI。

她解釋,導入 AI 跟數位轉型,是有不同層次的差異。數位轉型只是把所有資料數位化,比方說,一家餐廳數位化之前,只能透過發票知道自己賣過什麼東西,數位化後,就可以把所有交易蒐集起來,知道某個人在某個時間點買了什麼,甚至知道他在哪個分店、年齡、性別等資料,「把所有資料數位化儲存起來,就能進一步獲得一些 business insight(商業洞察)」。

舉例來說,如果餐廳能好好整理、分析這些資料,就能進一步規劃行銷活動,針對賣不好的品項做促銷,或是發展新客群等,「這些資訊能幫助公司做未來的規畫,但如果你什麼都沒有存下來,就只能憑空想像。」

簡單來說,數位轉型只是第一步,下一步則是看企業能不能基於這些資料,進一步產生服務或應用,為公司加值,這才是所謂的 AI 轉型。

陳縕儂表示,公司通常要有前面的基礎建設,才能進一步為公司創造更多營收,或是減少成本,「領導者該評估的是,你把公司定位在哪裡?你投入的成本,跟之後得到的效益,是不是值得投資?」

她強調,每間公司的需求差異都非常大,比方說某家醫院過去可能用非常多人力在做資料彙整或病例標註,那這時候導入 AI 可能就能省下非常多錢;但如果某家醫院這方面的需求很低,就算把標註的工作自動化,也無法帶來額外營收或節省成本,那不做其實也沒關係。

微調現有模型或自建 GPT?前者便利,後者長期成本較低

以這次生成式 AI 浪潮為例,有滿多公司選擇鼓勵、訓練員工使用 ChatGPT,把它打造成貼身助理,幫忙處理一些行政作業。但有些產業就比較無法這麼使用,它必須「客製化」自己的 ChatGPT,「這也是為什麼微軟(Microsoft)營收漲那麼多的原因,因為它跟 OpenAI 的策略合作,讓它可以協助企業客製化自己的 GPT。」

陳縕儂形容,OpenAI 開發的 GPT 模型,就像是一顆大腦,但它沒有把這個大腦開放出來,其他公司只能透過微軟,把資料放進去、調出符合需求的模型,「你可以用這個大腦,但你不能擁有它」,換句話說,微軟的角色,就是居中協助企業調整模型,然後對使用這個雲端服務的企業客戶收費。

不過,另一方面,Facebook 母公司 Meta 也訓練一個類似 GPT-3 的模型,但把它開源(open source),讓任何需要的人可以自行使用。陳縕儂解釋,選擇自己訓練的企業,雖然必須要花比較大的精力去執行,但長期下來成本會比較低,因為不必租用雲端平台,只要買 GPU(圖形處理器)放在伺服器上即可。自己打造內部 GPT 的另一個好處是,企業可以確保自己的資料不會放上任何雲端。

一般來說,經濟較充裕的公司,通常會選擇 2 條路並行,因為微軟目前就能提供很好的解決方案,但長期來看,公司還是需要自己擁有這方面的能力。

組織 AI 團隊的難題:新舊成員難融合

不過,不管企業選擇哪一條路,前提都是要有工程團隊。陳縕儂指出,過去台灣的數位進程比較慢,但經過這波生成式 AI 浪潮,愈來愈多公司開始考慮要自建工程團隊或 AI 團隊。

她表示,過去大部分的公司在導入任何一種系統時,有時候會考慮外包,因為它認為這些東西是「一次性」的。但事實上,科技翻新的速度愈來愈快,系統導入其實並非一次性買斷的服務,而是「租借」服務,因為它會一直更新,內部必須要有人負責維護系統。

陳縕儂強調,如果公司原本就有工程團隊,多數人的做法可能是,先讓工程師轉做 AI 相關的東西,或是慢慢新增AI相關背景的成員。但這意味著,團隊裡會同時存在工程背景跟AI背景的人,新舊團隊勢必會有些磨合。

比方說,企業對 AI 需求強烈,但擁有相關技術的人才通常是剛畢業的學生,轉型過程中,工程團隊資深的人,必須聆聽甚至接受新人的建議,這對許多人來說相對困難。陳縕儂表示,許多公司想找在 AI 領域比較資深的人去領導團隊,希望讓有經驗的工程人員服氣,「但現在的困難是,在台灣這種人非常少。」

另一個結構問題是,照理說,企業應該要用比較好的薪水吸引 AI 人才,但 AI 人才通常是新鮮人,大部分公司又會很顧慮年資,覺得年資淺的人不應該領太高薪,「但現在各行各業,甚至海外都有這個需求,如果台灣的職缺沒辦法給夠有競爭力的薪水,人才就會外流。」

至於組織內的非工程人員,陳縕儂建議,每個人都應該要略懂 AI,知道怎麼問問題、把 AI 變成自己的工具。她以 Google 為例,Google 剛推出的時候,許多人都不知道怎麼下關鍵字,但現在大家都很會 Google,「你不懂 Google 怎麼做的沒關係,但你會用就好。」

她始終相信,未來的某一天,每一個人都會有一個像《鋼鐵人》裡的貼身助理賈維斯(Jarvis),幫你處理工作與生活的大小事。

(本文由  授權轉載;首圖來源:shutterstock)



關鍵字: , ,


標題:企業一窩蜂「AI 轉型」,該跟進嗎?台大資工系副教授陳縕儂:有些公司不導入也沒關係

地址:https://www.utechfun.com/post/363748.html

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。

猜你喜歡