主页 > Z轻生活 >AI开发工具战国时代,企业面临两道难题 >
点赞: 436

AI开发工具战国时代,企业面临两道难题

发表于 2020-08-12 | 收藏964 |

细想每个人工智慧的应用场景,若要从「云」(云端)到「端」(终端装置),走过软体、韧体、硬体,乃至于资料与服务逻辑串接,从头至尾软、硬整合一条龙提供服务,就需要许多不同的系统开发环节,但各环节之间却又环环相扣。

单以人工智慧的开发框架2来说,该选择哪一种框架训练模型,方便开发者直接将应用模型放到终端去推论、提供真正的智慧服务,就是一个重要关键。

「对软体或网路服务开发者来说,终端硬体通常不是我们熟悉的环境。」Deep Sentinel共同创办人陈昭颖说。「我们需要晶片上面已经有完整的作业系统,可以跑特定的开发框架,例如Google的TensorFlow或是辉达(Nvidia)的CUDA,让我们可以把训练好的模型与终端应用的程式逻辑放上去。」

 

使用者多寡、云服务支援度,牵动技术路线策略选择

推论一定发生在训练之后,也一定基于训练的成果。训练,是人工智慧应用的第一步,这项需要大量的数据储存与计算量的工作流程,对云服务大厂来说,是必然且庞大的市场需求。每家大厂都积极推广,希望能够将自身的生态系渗透进入更多的智慧应用,所以亚马逊、Google、微软甚至是Facebook无不卯足全力推出相应的开发框架,积极吸引想要投入人工智慧应用开发的开发者、新创、各类参与企业使用他们的开源工具。

由于多数的深度学习演算法仍在发展中,每每从学术理论到现实环境实作,需要耗费大量的理解时间与开发人力,专门将不同演算法彙整、实现成特定工具集,也因此,让想要训练资料的开发者不需要花费时间自己建造工具,就像取用不同螺丝起子般,轻鬆使用不同演算法的开发框架的确有其必要性。

然而如何选取开发框架,牵涉到一系列的技术路线策略选择,也往往令企业头大。

人工智慧应用让开发团队的战线拉得比过去仅提供软体或网路服务都长,而且每个环节都更碎片。

-Deep Sentinel共同创办人陈昭颖

 

AI开发工具战国时代,企业面临两道难题

首先,开发人工智慧演算法的常见程式语言就是第一个门槛。「提供智慧服务的企业通常不会仅需要人工智慧这项应用,原先服务开发已经使用的语言环境是否可以直接接轨就是第一个门槛。」程沛科技执行长王建兴说,不同的开发语言常因为适用于不同的应用环境而吸引不同的开发者,也因此,稳定的开发者来源也是企业选择技术路线必须考虑的长期因素。

除此之外,纵然多数主流的人工智慧开发框架都已经开放其程式码,但不同框架的社群大小、云服务的支持程度、工具是否好用易上手、无论是训练或推论端所需的加速晶片是否支援,都是考虑重点。

 

不同开发框架的社群大小,通常意味着有多少开发者应用。越多开发者在这个开发框架进行各种改写或整理,除了表示这个开发框架在较短时间就有机会应用最新的深度学习演算法外,也意味着有更多同好可以讨论、协助解决开发上的问题。

对企业来说,这同时也是人才来源较多、支援厂商可能也较多的一个重要讯号。除此之外,为了避免被锁定(Lock-in)在一个特定的开发框架,导致没有转换其他工具的弹性,是否容许将训练模型转换到其他不同的工具也是考量点之一。

「当然性能与价格比也是关键!」陈昭颖说,「就算是性能好的晶片,可能因为耗电量高或是价格昂贵,甚至因为开发团队没办法很快将训练完成的人工智慧模型与服务程式装上,而忍痛放弃。」

 

自行开发找人又耗时,外包有技术外流和资安疑虑

纵然大部分的开发工具都已经开源,意味着企业有机会自行建立开发团队来发展人工智慧的相关智慧应用,但企业还是一而再、再而三的面临要自己做,还是外包给特定团队开发的选择。自行开发通常掌控度最高,开发进度与设计逻辑都可以掌握在自家手上,但往往也意味着要现有团队学习开发人工智慧应用的新技能,或是必须招募新的团队成员,可能面临不同企业的商业文化与开发惯性之间的磨合,这些都是时间成本。

除此之外,自行开发也有可能面对训练资料不足,不是这幺容易就可以蒐集一个特定语库或图库来进行训练。

「人工智慧应用是碎片化的,分散在很多不同服务流程里。」一位大型金控的技术负责人强调,「你必须把每个流程仔细拆开,确认不同阶段所须对应的工具,再来考虑这个工具应该选用什幺样的框架开发,应该内部做还是外部做。」

他进一步解释:「以语音辨识相关智慧应用来说,这并非金融服务的核心项目,如果市场上已经有比较好的『语音转文字』或『文字转语音』工具,我们就可以考虑直接取用。」

「但是某些服务可能牵涉到企业所蒐集的个人资料处理,例如以机器学习预测客户这次进线可能需要什幺样的服务,这部分外包可能就有资料安全与核心知识逻辑流出的疑虑,就得自建团队做资料分析。」这位金控技术主管说。

「而且所有问题都会在软体引爆,技术团队要有能力除错。」陈昭颖解释,如果要赋予监控摄影机人工智慧的相关应用,开发团队就必须将软体与网路服务逻辑,写在摄影机上所加装的运算晶片作业系统中。但硬体不听话或服务中断,问题可能发生在装置过热、硬体设计本身的问题、也可能韧体没写好,或是软体设计本身的错误。无论如何,所有错误最终都会呈现在软体或服务无法运作上,也因此,从软体或服务起家的技术团队,需要有硬体设计能力的顾问协助设计,帮忙排除硬体或韧体的问题,协助软体团队找出真正的问题;软体团队也必须从中学习必须直接与硬体、韧体和平共处的本事。

「为此我们也需要付出代价。」陈昭颖强调,除了与製造商之间的谈判,也需要更长的产品开发与调整週期,新创团队甚至可能必须为此招募硬体工程师或寻求与硬体设计团队合作,协助原本擅长开发软体与网路服务的团队整合产品。陈昭颖苦笑说:「人工智慧应用让开发团队的战线拉得比过去仅提供软体或网路服务都长,而且每个环节都更碎片,让人很怀念那过去仅需要在云上开发相关应用服务的创业年代。」

 

AI开发工具战国时代,企业面临两道难题

*本文摘录自《数位时代》292期,更多精彩内容请见《数位时代》292期:

*尊重智慧财产权,如需转载请联繫《数位时代》​

上一篇: 下一篇:
申博太阳城_万家乐官方网站|交流的综合服务平台|本地的门户网|网站地图 申博官网备用网址_申博赌城线上开户 申博官网备用网址_申博8注册