Contents ...
udn網路城邦
你想學點穴?還是花錢做個鋼鐵人?
2017/10/27 10:43
瀏覽964
迴響4
推薦12
引用0

我之前就有提過,我認為現在很多人對於機器學習或深度學習的想法都太浪漫了!以為它們可以做出很多人腦都無法做出,甚至難以理解的神奇事情!我是不同意的!譬如有人提到深度學習後的AI軟體,在辨識貓狗影像的「能力」上,比傳統演算法做出來的還要好!

其實電腦就是電腦,用人腦寫程式解題與AI之間的「落差」,只是因為人類研究演算法的專家還沒組合測試到那個「辨識很好」的程序罷了!因為人的工作方式不如電腦模式一樣巨細靡遺。如果機器學習找到好答案之後可以跟人做個簡報,說明它是怎麼作到的?我猜應該會像多數研究生一樣,被教授臭罵一頓!因為解法一定不會像真正知其然,也知其所以然的教授一樣,很精準有效的使用數學方法!

事實上,機器學習的結果根本也不會自己做出人類能聽懂的報告!所以這種軟體如果在某個情況發生辨識錯誤時,是無法分析診斷錯誤原因加以除錯改正的!想像一下,某個軟體每次碰到一種狀況就會出錯,你反映給軟體公司,他們卻說無法即時修復,要等下一代的軟體「深度學習大約半年後就可以升級!你的工作必須停擺,或放棄部份業務半年,你不會瘋掉嗎?

更重要的是:它的解法只能確定對「已知的題庫」有效!如果希望成果拿到真實世界使用還通通有效,那不得了!必須蒐集「無數」的資料讓它「學習」,買資料的錢與整理資料的時間人力成本,學習過程使用的超級電腦資源等等,花費絕對會超過乖乖的對問題本身做針對性研究,用科學認知寫出程式軟體。

其實我認為一般沒進到真正實務研發領域的旁觀者,都沒注意到成本效益的問題,沒注意到機器學習其實是非常昂貴的解決方案!除了取得資料貴、使用電腦資源貴之外,機器學習機制「學會了」還不給程式原始碼的!我們很難知道它是怎麼作到的?為何如此做?等等。所以跟求神問卜沒有太大差別,科技知識的發展其實就在此產生斷點。

即使深度學習可以生出包山包海的人臉辨識等等AI軟體核心,而且國際大公司如Google或微軟,吸收了天文數字的研發費用,將開發結果免費供大眾使用,但那是牛刀!我們如果總是用它處理任何情境的人臉辨識,可以預期效能準度絕對不會比針對需求環境開發的軟體好或快!

做個比喻,我們公司現在天天做各式各樣的影像辨識核心,都是針對特定目標與不同情境設計的!很像古代的武學大師,循著經脈找到穴道,點下去就克敵制勝了!但是用機器學習製造出來的廣用影像辨識核心會是甚麼樣子呢?就像有一種武器不管面對任何人,甚至任何生物,都可以輕鬆的不必看準目標,手一揮就一擊致勝!為了「保證」能摧毀任何目標,你大概要一個鋼鐵人!如果你想打死的敵人只是家裡的蟑螂,你需要一個鋼鐵人嗎?還是一隻拖鞋就好?

現在很多人對於機器學習浪漫的憧憬如果可以成真,我們大部分的軟體業者就會失業了!那會不會出現太聰明的AI,譬如想消滅人類的「天網」呢?我覺得不會,因為電腦並沒有求生存的本能或壓力。簡單說,他們應該不會在乎自己的生死!你將電腦關機時,它會抗議哀號嗎?我是沒聽過啦!天網的劇情其實是人類心理的投射。

所以我預期我的行業還可以延續很久,AI要像懂得影像辨識原理的專家一樣靈活的分析問題,用「點穴」的方式理解與提出解決方案,應該還要很久很久,我這輩子是一定看不到的!我這樣說,是表示我反對機器學習嗎?不是的!我不反對任何可以增加工作效率,讓大家好做事情,增進生活幸福的科技!但是我反對太過不切實際的浪漫預期,因為那會造成錯誤的決策,讓大家花太多錢與時間在效率不彰的研發與投資上。

有誰推薦more

限會員,要發表迴響,請先登入
迴響(4) :
4樓. MayMay
2017/10/28 19:17
2. 學習成果的體現

學習有價,必須體現在成果。

對於那些浪費教育資源的人(包括教師與學生),我們鄙視他們。


但我們必須考慮到一點,目前局限在國際O的定位,臺灣不具備足夠的C,D資源,我們的資優教師以及學生,除非到歐美,日本等大國,留在臺灣是很可憐的 – 上不去,下不來。


O的定位,是OPERATION,即“經營”,要求的是“高效,節約”,可以用的成果。這是專校學生的專長,以及定位。


換句話說,臺灣的社會,要求的是“給我最高效,最節約,能用的東西”,而這個工作由專校學生就可以完成,臺灣的大學生所學用不上。


歐美,日本佔據C(Conceive)、设计(Design)、实现(Implement)的位置,主要是對未知的探討,將成果設計成物理,化學體系,再經由實現轉化成民間產品。

對未知的探討,是在扎實的基礎科學上,做出模型,進行實驗;在實驗過程,“沒有成果”也是重要的成果,因為這是“排錯”的過程。

對未知的探討,耗費天文數字,而且還不是有錢就做得到,必須是多年科學技術,人才的累積,因為涵蓋範圍太廣,缺一不可。


簡言之,臺灣沒有這樣的研發資源,我們的資優學生沒有去處。


不是工科學生有“越優秀越難有發展”的困境,文科生也一樣。再舉個例子說明 – 語言學系。一般商專的英文基本上可以在商業上應用,所以,學英國文學史的學生,在臺灣有勇武之地嗎?這裡再次強調,臺灣的社會要求的是“高效,節能,能用”,所以,企業要求的是“能為企業做商業英文溝通“,而這是商專學生的分工,不是大學語言學系的分工。

在臺灣的社會,聯合國6個官方語言,除了英文在商業的應用,基本上沒有出路,請問中,法,俄,西,阿文系的大學資優生,如何體現他們的學習成果?沒有體現出成果,難道是他們的錯嗎?他們浪費了教育資源了嗎?

教育部應該廢除這些科系嗎?

學習有價,必須有成果,但在此同時,學習有價,正因為,必須忍受沒有成果而持續經營。



      

      
3樓. MayMay
2017/10/28 19:15

我要表達的意思是:

1. 我們自己的定位

一個麵包師傅只需要挑選好的麵粉,不需要懂得種麥;然後一位種麥的達人必須懂種麥,甚至要研究氣候,水質,土壤。同樣的這位麵包師傅只要懂得挑選好的油品,但一位製油專家必須懂得種植花籽,研究氣候,水質,土壤。種麥的專家和種花籽的專家,雖然都研究“種植”,相通卻又有所專業差異。

這個例子說明,一個行業所側重的專業有“層級”之分,而同層之間又有專業之分。


以電腦行業來說,同樣的道理。TCP/IP分七層,層層是學問,各有所學,各有專精。物理層的工程師不會寫應用軟體,是正常的事,就好像應用層的編程人員不懂物理層一樣。

      臺灣工科大學不會寫應用軟體,不是他們學不會,而是因為側重不同,分工不同不需要學, 比較,應用軟體的編寫,是技校學生的分工。

      用兩個例子補充說明:

企業管理碩士不會編寫會計報表是正常的,因為在社會分工,這是商專學生的分工。但是,企業管理碩士可以在一個星期學會會計報表,而商專學生必須花一,兩年才修得MBA知識。

心臟外科醫生不會上麻醉,打針抽血,在社會分工,這是麻醉師,護士的分工。但是,心臟外科醫生可以在一個星期之內學會麻醉,打針抽血,但反之不亦然 – 麻醉師,護士不可能短期之內學會心臟外科醫生的專項與社會分工。

老師您經常用“會不會寫應用程式”來評判大學生的能力,甚至否定臺灣的資優學生,我個人持反對的看法。

2樓. MayMay
2017/10/28 16:44

前一篇少寫了參加ML,DL研究必備的軟體能力:LINUX, MATLAB,LabVIEW, C, C++, Python.同時,英文必須具IELTS 7級以上才能具備讀博資格。

研究的方式一般採取一邊讀博士,一邊帶領項目,之後轉START-UP。高階的STAR-UP就是設計各種硬體,軟體,成功之後,申請專利,再將專利或組或賣給商業生產單位。好比,蘋果當然開發手機,設計出新的屏幕,申請專利,再由亞洲的面板廠生產。

CDIO是工程教育模型。網上的資料很齊全,是MIT和瑞典皇家工程學院等四家大學提倡的。

只要是通過衛星傳輸的資訊,最高端的技術是環繞著衛星科技,也就是航天科技。這是強國才擁有的實力。AI就是利用衛星通訊技術結合地上的機器,所以ML,DL都離不開衛星通訊。中國的機器人公司,只要是使用高端技術的,無一例外,都是軍方背景,甚至必須有航天背景。(好比聯合報最近介紹的機器人植牙,就是中國的空軍醫院和航天部協同開發的。)

這樣說,老師還有什麽不懂的嗎?

1樓. MayMay
2017/10/27 16:48

ML和DL是不是重要,要看是站在CDIO的哪一個位置來看。

老師強調的是手動,能寫出符合功能要求的程式,這樣的程式員,是屬於I,O階段,懂得使用微軟公司的開發軟體,C++,還有網絡代碼幾乎就可以架到網絡使用。

沒有物理,電機背景的學生,是寫不出移動機器人,無人機代碼的。

至於ML,DL,ROS開發系統,是CDIO系統當中D級工程師必備的入門知識。

微軟公司過去20年來花了天文數字的研發費用,在移動通信,手機業似乎沒有建樹,所以,這說明光用微軟的開發軟件是無法進入移動機器人領域的,自然就遑論AI行業。

蘋果公司爲什麽能顛覆手機行業,正因為他們做到CDIO的C,D。D是“設計”,一樣的工程師,設計師,但蘋果做的是C,D的研發,不是富士康,甚至華為工程師在I,O設計的層次。

ML,DL必須是讀博,而且一邊要實際,需要很扎實的數學,物理,機電,移動機器人的綜合背景。

全世界夠資格的人才,不到1萬名。不是學生不努力,而是機會太少 -- 最大的投資者是國家。必須從衛星開始,換句話說,沒有自主衛星國家的學子,最多學到I的層次中的商業領域範疇,其他部份屬於國家機密,只提供國家使用。

太深奧了!真的看不懂!

鄉下老師2017/10/27 20:18回覆