【探索20-3】大江東流擋不住：迎接人工智慧新時代

講師｜臺灣大學電機工程學系教授 陳銘憲
彙整撰文｜葉珊瑀

十八世紀的工業革命，大幅改變了人類社會的生活方式。二十一世紀的人工智慧發展，可望帶來超越工業革命的新時代。陳銘憲教授分享資訊科學從 Web 到 AI 的歷史，以及資料探勘的原理及應用。

●資訊科學的典範轉移

從 1991 年全球資訊網（World Wide Web）談起資訊科學的發展，當時網路尚未非常普及，多屬工程師的使用，而後搜尋引擎發展，Google 成為龍頭。2006 亞馬遜推出雲端服務，2007 iPhone 誕生，人們得以在不同時空存取其他裝置的資料。社群網絡的發展，改變人們交友模式，接踵而來的是大量資料，大數據時代來臨，引領我們走向機器學習的新紀元。

「人工智慧的發展如大江東流擋不住，只有如何因應及善用，而非單純接不接受的議題。」陳教授形容這一連串的科技發展，均有其邏輯和脈絡可循。人們無法排拒它的到來，應以此改善人類的生活。CPU 的速度日益增快，價格日漸調降，每 12-18 月就有翻倍的成長，世稱摩爾定律，近日GPU使用可望在摩爾定律達極限後提供足夠的計算能力；網路頻寬以尾數加零進位的趨勢成長；儲存器容量上升而價格下降。這些發展意味計量能力成長且資訊量快速累積。然而人類感官的感知能力（視覺、聽覺）有限，接受應用的反應時間幾乎不變。隨著計算能力增加，電腦在人類可以接受的反應時間內，能提供更多應用服務。新應用服務主要朝個人化、智慧化發展。此即機器學習、資料分析可發揮之處。

1980 年代已有傳統邏輯論證、機器學習、專家系統等人工智慧，當時發展因其軟硬體條件及資料不足，進入寒冬期。現今 AI 以電腦程式配合大數據、高效能計算，以機器學習趨近人類智慧，在電腦視覺、自然語言處理等發展許多。AI 有 Strong AI 和 Weak AI 之分，前者指電腦同人類具有羨慕、激動、沮喪等情緒，後者指推理、記憶的能力，也是目前學界研究主力。

●大數據時代來臨

大數據是「迅速累積的大量異質資料」，具有大量（volume）、累積快（velocity）、多樣（variety）的 3V 特質，藉此協助決策、洞察細節、以及流程優化。

Lori Lewis (2018) 以一分鐘為單位，估算網路時代的海量資訊：三百多萬的 Google 搜尋、四百多萬的 YouTube 瀏覽量⋯⋯驚人統計背後，是網路發展前難以想像的資料量。Mary Meeker (2018) 分析全球網路使用現況，2007 年網路使用者僅佔 24% 全球人口，如今已達 49%，現約為 36 億人，每人花在社群媒體的時間一天平均約 6 小時，超過一半是在行動裝置上。這樣的時代，創造了許多成功企業案例，如 Google、Facebook、uber 等，他們的共同點是「關鍵、創新、大數據」。

●資料探勘：自茫茫數據尋找解答，從操作到應用

資料探勘步驟如下：取得資料後，須決定目標，否則空有數據而不知方向將無用武之地。接著清洗資料，剔除有問題的數據，處理遺漏值，再決定資料單位、選擇相關屬性、正式探勘、輸出格式、解讀結果。大數據看似強大，卻不是萬能仙丹。資料科學是根據資料所做的預測，若數據與研究議題無關，即使有海量的資料、高超的技術，也無從可解，切莫有此迷思。資料的品質也是重要的，若數量不夠，可能代表性不足，過度遷就既有數據。

資料探勘方法為一大學問，陳教授從幾種常見方法，帶領我們一窺資料探勘的藝術。它們可大致分為相關性、分類性、叢集性等等：相關性在消費行為上可研究哪些商品常常一起被採購，若從資料看出牛奶與麵包常常一起出現在眾多顧客的消費記錄中，下一次就可以考慮對購買牛奶的消費者推銷麵包；分類性以不同的屬性預測事件，例如使用 Decision Tree，從報稅者的各種屬性，分析何者與逃漏稅最為相關，找出最有預測力的屬性，建立模型。又或者用類神經網路，將所有資料編碼為0與1，從 input layer 輸入資料，經過 hidden layer，於 output layer 產出結果，讓電腦從結果正確與否，回頭修正模型中參數的權重。層數極多的類神經網路即為目前很受重視的深度學習（Deep Learning），然而也有不易解釋成果的缺點。叢集性讓資料散佈於一個多維度空間，判斷哪些資料類型相近。

在實務上，不同方法可能結合使用，以資料分析比較出異於往常的使用模式，如刷卡紀錄的異常偵測、網路侵入偵測。將相關性與社會網路結合，預設朋友間會互相影響，消費者購買某物後，將廣告投放給其朋友，可能提高其購買意願。

運用資料探勘的技巧，能夠使現有產業價值提升、創造新興產業。從分析潛在顧客、廣告投放、分析店址選擇，到即時競價（Real-time Bidding）、亞馬遜家庭小精靈⋯⋯資料探勘在商業上的結合不斷為世界擦出新的火花，透過科技讓我們看見生活的更多可能性。

新 AI 的崛起不會瞬眼即逝，而將持續發展。臺灣位於這個時代的轉捩點，有優良的工程師，而學界也有良好的AI研發能量，有軟硬體整合的能力，又有對新科技的高接受度與包容度。把握自身優勢，必能在新的科技發展中，找到切入點，建立競爭利基。

延伸閱讀:

1. 2018 Update: What Happens In An Internet Minute
2. Mary Meeker’s 2018 internet trends report: All the slides, plus analysis

--
本文整理自：107/10/20由陳銘憲老師在臺大思亮館國際會議廳所主講之「鑒往知來：由茫茫過往數據中，淘出新知」演講內容。