迎戰未來AI熱潮 嚴成文教授：強化學習與GNN成關鍵
嚴成文老師現任國立中山大學機械與機電工程學系教授，鑽研人工智慧領域多年，研究專長領域為機器學習、生理訊號處理與睡眠醫學，嚴老師笑著說，30年前投入人工智慧領域，就已經深深的愛上AI。嚴教授教學生動有趣、開放且創新，因此深受學生喜愛，他所開辦的統計學通識課更創下超過500人搶修紀錄。在中山大學多次獲得教學傑出獎的嚴成文，在2018年更獲得教育部頒發師鐸獎的肯定。
未來5年的AI應用會有甚麼發展?
展望未來五年的AI發展，嚴成文老師認為強化學習(Reinforcement Learning)不僅在應用上範圍廣泛，更可把深度學習推到更高的維度，有很大的發展潛力。最著名的強化學習案例就是AlphaGo，它是AI打敗人類圍棋世界冠軍的里程碑。嚴教授提到，現在的深度學習比較偏向單一決策，單一決策就像下棋，走的是一個棋局，每一步未必是關鍵步驟，但總和結果將會決定輸贏；而強化學習是將單一決策格局推向多階段決策的境界。
舉例來說，工業上的製程、醫學的療程、都是一種程序的累積，每個步驟怎麼做、參數如何調整、時間怎麼分配、最後得到什麼結果，以往大部分都是靠經驗累積與經驗判斷，但在未來導入強化學習後，透過大量資料數據的彙整，能夠形成一個更有系統的架構，每一個階段的決策做正確，將結果整合並做動態調整，就能夠明顯的看到品質與效率的提升。
就技術層面的應用廣度來看，嚴成文教授提到圖像神經網路(Graph Neural Network, GNN)，是另外一項近年被看好且值得注意的AI應用領域。目前的深度學習如卷積神經網路 (CNNs)、遞歸神經網路 (RNNs)都是在歐式空間(Euclidean)上的資料進行運算，例如圖片、文字，這些資料都能夠用一個向量或矩陣來表示。但近年在日常生活中有許多資料都無法用一個矩陣來表示，也就是非歐式空間(Non-Euclidean)的應用逐漸增多，例如社群網路、Ubike站點資料以及化學分子結構等等。
透過圖像神經網絡(GNN)可以在這些非歐式空間的資料上進行訓練並預測，例如預測Ubike每個站點的流量多寡、分類社群網路中人與人之間的關係...等。在推薦系統中，Netflix就使用GNN來進行影片推薦，根據Netflix使用用戶的特徵如觀賞時段、影片類型、年份等等，將每個用戶視為一個節點來進行推薦。
目前GNN在我們生活中的應用場景還比較侷限，生活中有許多場景都是平行分散系統，要掌握平行分散系統瑣碎的資訊是比較困難的，舉凡資訊流、人流、物流、金流甚至病毒流都屬於平行分散系統。即將來臨的5G時代能加速資料與數據的流通，運用GNN能夠把整個平行分散系統的所有資訊濃縮在一個類神經網路的架構中，結合邏輯與概率推理出系統中的各項性質，將開闢一個比深度學習更有前景的方向。例如在醫療上，流行性病毒如何在病患之間一個接著一個傳遞也是平行分散系統的概念，每個病患彼此的特徵及動向多元化的程度很難讓我們透過幾個簡單的指標就能夠掌握。透過合適的演算法我們可以把整個平行分散系統的所有資訊濃縮在一個類神經網路的架構中，如果這個步驟做的成功，以後只要透過這個類神經網路我們就可以分析出來整個平行分散系統的各項性質。善用GNN追蹤流行病病患的動向，將會對病毒疫情控制有極大的幫助。
嚴成文教授覺得2020年還有一項最令人驚艷甚至驚嚇的人工智慧技術是OpenAI的GPT-3自然語言處理模組，其中有兩個關鍵性的發展。首先，雖然設計它的基本目的是「讀書識字」，結果他不只會說話作文，還自學算數，也能做邏輯推論，甚至於會寫程式。GPT-3到底懂些什麼?又懂到什麼樣的程度?真的非常令人耐人尋味。其次這次由GPT-2升級到GPT-3的發展，主要是在訓練資料的增加以及網路架構的擴大，演算法本身並沒有基本的改變，因此未來有可能只要用更多的資料、更大的網路就能提昇它的能力。目前GPT-3使用的參數量是1750億，近日Google宣布的自然語言模組參數量則多達1.6兆，似乎也應證了這樣的性質，所以在短期之內自然語言模組的非常值得大家密切注意。
AI化勢在必行 四建議二提醒助企業順利佈局
數位轉型加上人工智慧已是全球趨勢，也是台灣產業轉型的一個好機會。那麼針對這波快速崛起的AI浪潮，企業到底該怎麼因應呢? 嚴成文教授提出四個建議與兩個提醒給準備進入AI領域的企業:
建議一：老闆一定要懂AI
加速企業AI轉型，須從老闆開始做起。一家企業的領頭羊就是企業主本身，是所有決策與投資的主力。因此建議準備投身AI領域的企業主至少一定要懂得AI概念與可能帶來的衝擊，當面臨需要快速評估投資決策的同時，才不會因為不懂AI而躊躇不前。
建議二：建立專業的團隊
資料是企業的寶貴資產，數位能量亦同，而數位AI人才就是數位能量最大來源。企業導入AI或執行一項AI專案前，需要提供適當的AI訓練給內部跨部門不同層級的員工，並制定明確的專案目標與預算，擁有完整的策略規劃才能長期支撐並推動產業AI化。
建議三：確認企業特色和利基
每個企業都有自己的特色與利基，導入AI前絕對要先為企業把脈，了解自身優點在哪裡、痛點在哪裡，哪項技術最到位、Data收得最順！了解自己的任督二脈在哪，針對最有利基的部分去經營，產生的效果才會最大。膚淺的應用是無法為企業帶來獲利與效益的。
建議四：透過人工智慧進行跨領域合作
AI對於科技發展與日常生活都將帶來非常大的影響，跨域鏈結才能夠加速進步、創造獨特的優勢。像是今年Apple與韓國車廠現代汽車可能合作的消息就是典型跨域合作的例子，運用彼此擅長的技術合作，造就彼此產業的另一個高度，擴大服務版圖。
面對勢在必行的數位轉型與產業AI化，嚴教授也提醒各個企業要膽大心細去接受跨領域的挑戰，秉持著你不做，別的同業也會做；同業沒做，資通業(例如:google、Apple、特斯拉)也會跳進來搶食這個產業的市場。因為資通業原領域成長已趨近飽和，必須再找別的領域跨界合作，這個時候就會是其它產業的一個契機。另外提到，在可預見的未來商業模式將會有很大的轉變，例如自駕車可能就會改變物流的遞送與共乘的模式，電子商務也會快速的成長，台灣需要多多關注國際間AI的發展趨勢，盡情擁抱新科技的發展，逃離同溫層的同時，鞏固自己的知識綱領，養成將數據與實證應用於工作中，同時扎實練就產業知識與銜接AI領域的能力。