人工智慧跟大數據脫離不了關係，儘管很多企業試著導入人工智慧，但往往在數據整理過程中就卡關，甚至宣告失敗。本次的 AI CAFE 邀請若水 Flow AI 數據服務事業部策略顧問簡季婕，以及創業家兄弟/松果購物共同創辦人郭家齊，帶領參加者一窺數據與 AI 的密切關係，以及實務上到底遇見什麼問題？
這幾年風起雲湧的人工智慧跟大數據脫離不了關係，「成也數據、敗也數據」，儘管很多企業意識到人工智慧的重要性，也試著導入人工智慧，但是往往在數據整理的過程中就卡關，甚至宣告失敗。
本次的 AI CAFE 與 AppWorks 之初創投一起合辦，邀請若水 Flow AI 數據服務事業部策略顧問簡季婕，以及創業家兄弟/松果購物共同創辦人郭家齊，透過擁有數據專業與新創實務的兩位專家分享，帶領參加者一窺數據與 AI 的密切關係，以及實務上到底遇見什麼問題？
200個專案教我們學到的數據真相
自2018年若水創立台灣第一家AI數據服務事業部以來，團隊至今已累積超過200個跨產業AI數據專案經驗，看過這麼多企業案例，簡季婕指出，AI專案是否會成功？主事者是否了解AI很重要，更要避免用舊有的思維去理解人工智慧。當中會遇到的挑戰還包括，數據的定義與溝通，由於AI專案有點實驗性，加上應用情境多元，當中還需要與工程師溝通，才能清楚定義數據，確保模型訓練的品質。
簡季婕也提到，在AI模型的建立過程中，大多得先向主事者證明概念可以運作，才會往最終的產品目的推進，但大多數的專案在概念驗證上就會卡關。很大的問題多半出現在資料上，因為大多數仍使用開放資料，但需要實境的數據才能解決實際的問題，「數據對AI模型的落地，佔有很重要的角色。」
資料愈多愈好？多元性與複雜性不可忽略
「技術為主的公司，大多都會先討論要用什麼演算法，但真的開始在做AI模型時，一定要想著數據，」簡季婕提醒，當思考要解決什麼問題時，就要思考該用哪些數據？接著才是該用什麼演算法解決？
「數據時並非多就是好，」簡季婕說，還需要顧慮到多元性以及複雜性，以及缺乏的數據要怎麼取得？例如，做自駕車專案時，會從資料的分類及變異開始，例如交通號誌的分類，以及天氣狀態的改變都會直接影響資料品質，必須加以分類標註。「當你在想資料數據時，並不是有幾百萬個數據就是好，」如果大部分的資料相似度很高，那就要萃取部分做代表，同時還要考慮到要怎麼搜集其他場景情境的資料？這樣才能讓模型符合真實的樣貌。
如何才算好的數據？簡季婕認為要注意三種不同層次，分別是事情本質、情境應用，以及標註的人。圖片一開始可以透過下tags，依照圖片情境、內容做好分類，才能讓AI模型可以有策略的學習。簡季婕提醒，人工智慧模型表現與數據有極大關聯，當使用的數據相同，但要解決的場景不同時，數據的標註就很重要，「你怎麼定義它就怎麼學，」連帶影響模型表現也會不一樣。
在機器學習之前，自動化就能解決大多數的事
不過，郭家齊從電商及創業的角度提供不一樣的思考。2007年至今，創業家兄弟推出過22個服務，但大多數都失敗了，目前僅留下生活市集、松果購物，及運動市集3個購物平台維持營運。他們一直秉持著精實創業的精神，就是用最簡單的方法做出商品，然後丟到市場上看反應再決定下一步動作。因此，通常一開始都是以最簡單的人工方式上線，但「任何東西如果做到第三次就該自動化」，他認為，對一般目前的中小企業來說，自動化就能解決大部分的問題。
郭家齊以這三個購物平台經驗為例，「電商平台要解決的是人與商品的媒合問題，」因此，首頁上的資訊對於電商來說十分重要，但決定什麼樣的資訊在首頁上，並不一定要用到AI常用的深度學習（Deep Learning），「很多時候rule-based就可以解決大部分的問題。」例如他們的平台一開始的推薦功能，就是以rule-based寫出的程式，依照使用者的性別、年齡、瀏覽紀錄等推薦商品。只是隨著時間與資料的增長，rule-based也會愈加愈多、愈複雜，當rule-based發展到極致，「最後就僵化了，因為沒有人知道還要改動什麼。」
從自動化到人工智慧 資料團隊的重要
郭家齊認為，當自動化遇到瓶頸的時候，人工智慧剛好可以帶來幫助，如果能善用數據並輔以機器學習的技術，突破原本最高只能到達七十分的限制。郭家齊說，團隊一開始先以自有的資料嘗試了一個小專案：讓模型透過使用者的名字判斷性別，發現準確率很高後，團隊就開始進行許多不同的應用嘗試，例如偽卡偵測、首頁商品排序，但出來的的結果卻比人還糟。
「過了一年，公司後來決定重新招募一組data team，」郭家齊回憶，當時找的人大多都是具數學或統計背景、會寫程式的新鮮人，並要他們專注的分析數據。「終於又在半年之後，利用機器學習技術的排序系統成效，終於和原本使用rule-based的效果相當了。」
目前生活市集加上松果購物的資料科學團隊僅有六人，是個小團隊，但郭家齊說，他們賦予資料團隊擁有決策權，但前提是必須要經過A/B 測試，讓資料團隊不是只會撈資料的工具人。他笑說，賦權後，擁有熱情的資料團隊也很努力證明「哪些東西是可以從rule-based變成AI。」
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。