深入剖析臺灣AI大戰略佈局-科技部長陳良基教授專訪

訪問/林翰佐、曲建仲
撰稿/文詠萱 

(與《科學月刊》第580期共同刊載)

AI人工智慧對於社會來說也許是個新興名詞,但已經有許多科學家前仆後繼投入研究,才發展出今日樣貌。而科技部長認為,未來讓AI進到各行各業成為應用工具,已是目前產業發展趨勢,因此科技部近期大力推行AI人工智慧研究與發展,從在臺、清、交、成等重點大學成立「人工智慧中心」,到近期將啟動的「半導體射月計畫」,顯示科技部提升臺灣在國際AI人工智慧地位的企圖心。

《科學月刊》本期邀請科技部長陳良基教授,談論他對於臺灣人工智慧發展的長期策略,也談到臺灣科學教育的瓶頸以及對科學教育的建議。

《科學月刊》(簡稱科):AI是目前全球最熱門的產業趨勢,不過我想先進國家已經耕耘一些時日了,而且卓然有成。臺灣此時的加入,我們的利基點在哪裡?有哪些我們目前仍然能夠努力的方向?

陳良基部長(簡稱陳):人工智慧(Artificial intelegence, AI)雖然是最近相當熱門的名詞,但整體的發展也有3、40年的歷史。臺灣的學術界一直有在關注這樣的議題,像是先前在圍棋界嶄露角的AlphaGo,其實就是臺灣的硬體實力在AI領域上出色的證明。所以我覺得臺灣在AI的研究並沒有缺席。AI產業其實可以分成兩個領域:第一要有軟硬體優良的計算能力,另外要有龐大數據提供深度學習。因此AI產業基本上是「計算能力」與「數據」的競賽。從運算來說,電腦運算能力主要是靠半導體的晶片技術來提升,目前我們手機裡面的晶片大概是30、40億個電晶體的數目,人類大腦中神經元的總數大約是860億個神經元,而如果透過與圖形運算單元技術(graphics processing unit, GPU)將手機裡的晶片改用GPU來做,兩者單元數的距離其實並不會差太遠。以AlphaGo成功的例子來說,好的運算程式也需要運算速度更快的運算能力才能美夢成真。

AI科技的另一個要點是給深度學習用的「數據」,是屬於AI在最近變動較大的新技術。由於物聯網的時代的來臨,現在已經有許多電子設施可以不間斷的將資料收集,形成大數據。加上突飛猛進的機器學習技術能有效從大數據中分析學習,這也是近年來AI熱門的主因。

臺灣在半導體的設計與製程一直是國際知名的強項,在全世界我們應該也能算是領導級的前段班,在AI的全球商戰當中,我們至少已經掌握了其中的一項優勢。而在「數據」這一塊我們雖沒有大市場數據的支撐。但我認為在AI的戰場上數據是有很多市場區隔的,這跟網際網路的使用經驗並不相同。AI要能成為各種行業的工具,解決各行各業的問題,就必須先深度學習各行各業的大數據,才能進行相關的分析。從Alpha GO的例子來看,AI可能在下圍棋上可以做到世界第一,但如果要改會下象棋,則需要建構另一個程式架構,並針對另一組大數據進行深度學習,這是現今電腦跟人腦上最大的不同。又例如德國的自駕車技術在目前也許相當優秀,但在臺灣不一定管用,行車的環境,道路的設計,可能需要另外客製化的系統才能完成。所以我認為,雖然我們大規模的AI相關計畫是這兩年才有系統地提出,但並不會有太遲太晚的問題。

科:科技部在臺、清、交、成四所大學中成立AI創新研究中心,而此中心在這兩項任務中擔任什麼角色?

陳:目前科技部分別在臺灣大學、清華大學、交通大學以及成功大學設立四座「AI創新研究中心」,是根據各大學的研發強項與地理位置做不同的任務分配。從需求面的角度,四座中心有它們的共同目標。第一個是工具的提供,AI其實就是一項協助產業的數據分析工具而已,我們賦予各中心的任務。第二是平台,期望研發中心可以建構出相關的運算平台,協助其他專業領域進入AI的世界。第三個目標在於合作建立數據,協助就現有數據庫資料的整理。數據整理需要有一定的專業度,資料整理的程度攸關AI軟體進行深度學習的成效。資料需要專業人員的標定(labelling),專業協助就變得相當重要。當研究中心有這三項目標時,他們訓練出來的人員也將會具備這些知識,將人才散佈到臺灣各行各業,才能將臺灣整體應用力量帶起來。

科技部補助成立的這四所AI創新中心其實也還有各別的任務,像是臺灣大學的中心,我們會希望在應用面向上會跟醫療科技進行鏈結,提供必要的服務協助。交通大學AI創新中心則會以智慧服務為其主要的特色,例如自駕車的研發。

科:AI創新研究中心有沒有什麼短期目標上的設定?

陳:短期目標是國際競爭的能力。我們希望在3、4年內,有幾項項目是可以有突出表現的。我一直在喊「小國大策略」,臺灣真的很小,要集中大家的力量,把戰略顯現出來。利用這四間學校來凝聚力量,不同團隊裡不只有這幾間學校,是利用這四間學校作為據點,鄰近的學校或是擅長領域做為中心,以基礎較大的學校擔任主體,集合相關領域專家與團隊。

當臺灣有幾個夠強的中心,就能受國際矚目,我們的目標就是讓四個中心成為國際知名AI中心,打國際仗。想辦法在國際AI發展研討學術發表會能站上台去,而不是在台下聽,要達到這個目的,必須要廣結世界好手到你的中心來。為了要營造出華山論劍的態勢,當時在計畫時,預計未來會淘汰一兩個中心,給各中心一些創新的壓力。再加上臺灣半導體產業技術,希望形塑成為國際上AI研究上的標竿,國際AI團隊若沒有來過臺灣跟我們進行學術交流,就不叫真的做AI團隊。

(文詠萱攝影)
科:臺灣在IC半導體產業,包含設計、製造、封裝測試,其實都是世界領先,針對人工智慧的硬體,不知道這幾年規劃的整合型國家計劃是否有提到用臺灣的IC製造人才、製造封裝測試等優勢,開發自己的硬體?

陳:剛剛提到的學界AI發展中心只是其中一項佈局,科技部還將2022年預訂為AI應用爆發的時代,希望屆時讓AI變成為一項在臺灣各產業可以普遍使用的工具。如同你們所了解的,這樣龐大動能的背後必須要有合適的半導體元件的支撐,產業才會起來。在未來,臺灣還有沒有辦法成為AI產業中半導體重要供應國家,是相當重要的。

科技部曾與相關業者進行多次的座談,我們認為依照臺灣目前的產業現況,在AI硬體戰略上我們應該先以終端硬體(edge)的布局為主。至於雲端伺服器(cloud)的運算單元,目前皆是英特爾等國際大廠所把持,是否需要傾全國之力與之爭鋒,目前我覺得沒有必要,因為還有更多適合臺灣的戰場等著我們去經營。終端硬體是什麼?像是未來影像辨識所使用的錄像頭,一定會有自己獨立運算的能力,因為影像資料相當的龐大,如果不先進行運算處理,一定會造成數據傳輸上塞車的問題。這類產品需要有幾種特性,像是由於考慮移動性,耗電量變成是個需要計較的首要考量,另外與伺服器的連結能力也必須有所提升,這些都可以是目前臺灣面對AI產業的主要目標。

科技部最近提出了「人工智慧終端半導體射月計畫」,預計協助產業界準備好能應付2022年會面對的AI終端硬體市場的挑戰,所以此時此刻的臺灣要做好儲備好相關軟硬體實力的準備。過去臺灣因為市場較小,沒有做中央處理單元(CPU)的經驗,若是未來應用需要核心通用型AI晶片,對臺灣來說是一項挑戰,這個部分就量力而為。但AI的元件在不同應用上,其實是有市場區隔的,臺灣可以搶的是提升幾個特定元件的效能,得先將自己戰場守住。而除了終端技術之外,過去沒有碰過的記憶體部分也希望透過這個計畫被帶起來。

AI中心廣泛在各行各業,我們這次計畫主要鎖定在醫療器材、智慧製造與智慧服務核心技術。我們會與經濟部合作,請經濟部邀請廠商,提出進入AI的計畫,經過審核後,政府可以多少補助他們一些,降低廠商的風險。除了經費上的補助之外,未來我們也技供技術上的實質支援,讓廠商建立AI戰力的過程更為有效率。

科:對與AI專業背景相差較遠的領域,要如何跨進去會有相當大的斷層,例如若未來AI要整合醫療,面對將是一群對AI模糊概念的專家,那這樣科技部要用什麼方法整併人力? 

陳:從使用者觀點來看,使用者通常只管功能、會帶來什麼好處,不會管工具背後的學問以及去區分是哪個領域的專家做的,他們要的是好用的功能。當時在構思AI創新中心時,同時有請來經濟部一起討論,我們確定了主題,才開始找研發團隊。

從不同的需求端,去看看哪些工具、哪些資料與人員可以幫助你完成。例如醫療與生技,這是臺灣的強項,像是肺癌與肺腺癌等,要用AI作為工具?第一是需要有專業數據,數據需要標定,就需要找合作專家確認資料正確性,包含醫師、肺癌專家等,他們會看研究數據,挑出有問題的數據並加以標記,然後讓機器學起來,那在讓機器看了幾百張幾千張有標記的資料之後,AI工具就會變得和名醫一樣的等級,等於是醫生的分身。

不要把AI想的那麼困難,它的使用就像現在的網際網路,在25年前網路剛出來的時候,大家也不知道是做什麼用的,現在發現它就是我們手邊的工具,使用者也不用知道網路是怎麼運作的,但只要知道怎麼用就好。未來AI也是這樣,也不用管AI運作方式,只要知道怎麼用這個工具即可。我一直強調AI只是個工具,我不認為它會是個獨立的產業,AI會滲透到各行各業,而當會使用這項工具時就有競爭力,就像現在不會用網路,就會擔心自己是不是競爭力不足。將來不會用AI,就會失去競爭力。

科:對於科普傳播媒體轉型,例如紙本媒體試圖嘗試新媒體工具,部長有什麼想法?

陳:時代在改變,雖然很多人還是習慣直接拿著看實體媒體,但有了新工具不代表你要放棄舊的,要去想怎麼提升自己的價值,所以現在我們對AI的想像也應該是這樣,它是新工具,不代表什麼都要丟掉,可以在各個不同行業裡創造不同價值。

而因為新工具進入產業,還是對他要有基本知識,去(2017)年在推動AI時,就有考慮到專業門檻,學校學習知識是相當快的,我認為比較沒有問題,但業界的人要如何跨越?我們現在有在做一些教育的方式,包含我們去年的線上課程,像AI是需要互動學習的,網路是一項解決方法,現在連經濟部、勞動部、中研院也出來進入業界。AI確實需要知識門檻,而這個就是科普傳播媒體需要去努力的,因為這將是各行各業的工具,就算是賣菜,搭配AI技術,可以記錄下客人資料,在他下次來的時候,就會知道他的習慣,節省買菜時間。未來不只靠自己的能力,而是靠AI的競爭力。

將來面對新時代,當雜誌一個主要議題出來、有數篇不同的文章,AI可以針對不同的客群,例如在10篇文章中有他2篇有興趣,就訂這2篇就好了,其他不用訂閱,應用因為AI工具變得更靈活。因為工具出現,讓自己更強大,你如果抗拒它你就會被擊倒。

臺灣社會還少一個時機,因為臺灣市場小,拉動大眾聚集的力量比較弱,中國已經有好幾個市場在攻AI這一塊。所以有很多場合我才會一直「恐嚇」,你不趕快做、趕快學,將來就會死掉,給大家動機,就會想說要趕快去學習。這個社會要營造出:「你不趕快來學,將來就會落伍。」這個學習氛圍要由科普傳播媒體去營造。

科技這幾年進步速度快,臺灣科技、科學媒體就是要有到處「恐嚇」,讓大眾眼光可以放到科技上,不要覺得自滿,我們應該要有更多的計畫才對。臺灣的困難在於沒有那麼強大的市場在帶,會自我滿足陶醉於現狀,加上現有掌握市場者,也不會希望有改變,是另一中溫水煮青蛙的科技阻隔,我們要去善用一些可行的方式,提升大家對科學的注意力。

科:現在小孩學習科學並不像過去一樣熱衷,部長對這件事的看法是什麼?

陳:過去的知識很少、取得不易,而人的本性渴望探索,跟小孩說很燙的東西不要摸,很少有小孩會真的不去摸,那是本性。以前臺灣社會的文字知識很少,我小的時候讀書讀到連我爸爸參加議會的會議記錄我都在讀。現在的小孩還是有探索的慾望,但已經被很多影像、網路文字填滿,他們光看這些就夠了,太多資訊把他們引導走了。

學習過程中的啟蒙很重要,引導的方式相當重要,因為新科技的資訊多,對於閱讀文章的專注力就會降低許多。教育方式需要設計,要想辦法讓小孩保持學習興趣,這就回到臺灣的教育制度需要改變,小孩子沒有什麼耐性,在學校不能再像以前一樣上課一小時就要教一小時。

我曾在臺大舉辦創創學程,當時去學習國外是如何教導學生,他們曾經嘗試將教學程序做很多翻轉。舉一個例子說,如果現在教學生微積分,他可能學一下撐不了多久,但如果你跟他說,我們來玩無人機比賽,他一定非常興奮,然後把無人機層次慢慢拉高,要讓無人機走s型,看誰最快,這個時候,就需要算到微積分等數學模式,挑戰性就來了,學生就需要想辦法去控制。如果同學用微積分來算,就可以跑比較快,那他就會自己去學。

整個社會要隨著新工具的出現改變,教育要隨著時代做變動,一個是教學方法要改,另一個是學制也要跟著改,不改就不可能跟上這個時代。




沒有留言:

張貼留言