AI人工智慧深度學習

打開人力銀行徵人網站，要找人工智慧深度學習工程師的工作機會數不完。眼下最熱門的工作職缺真的就是深度學習類神經網路。感覺這個世界已經到了電影 AI 人工智慧的時代。

最近偶然的機會遇到老友，得知我在開發車牌辨識app，介紹我去認識一位開發AI智慧晶片的公司。因為我對IC設計不太瞭解，趁此機會去學習不同的知識。經過幾個小時的閒聊，聽到很多業界的八卦，令我大開眼界！

朋友提到 AI 智慧晶片就是運算器，也就是加乘器或乘加器。本來深度學習是採用圖形卡GPU的運算效能。而AI 人工智慧晶片大概就是把圖形卡簡化，只留下計算器部分功能，使用很多計算器來提高運算效能。因為是簡化版本的GPU所以降低成本，讓AI 智慧晶片的量產成本降到很低。

這個觀念聽起來很經濟實惠，可以讓AI辨識的成本大幅降低。以前只要牽涉到圖形辨識深度學習，就一定要搭配非常昂貴的圖形卡，現在不用了。而且因為是簡化的精簡版，體積很小，一個完成的AI 人工智慧圖形辨識設備，可以做到火柴盒大小。這可謂是劃時代的革命性產品。這麼好的產品應當賣得非常好才對。但是...

我本來對於 IC 設計與晶片研發生產完全不瞭解，經過這次會談後雖然一樣不瞭解，但知道了一件事：開發一顆晶片大約要花一億元台幣！這可把我這個門外漢嚇到了。一億元！

話說回來，這麼好用的產品，理當很快就賺回來，沒啥不對？但聽到最後，我總算聽懂了一些問題。原來，開發AI 智慧晶片的，不只這一家公司，而是很多公司。為什麼？因為這是一個OpenSource 的技術，大家都可以拿得到，而且又是最熱的市場。沒有技術門檻，只有資金門檻。所以，有錢的公司，單一家公司這幾年已經開發出幾十顆AI 晶片。而投入AI智慧晶片的公司，全球算起來可能超過千家？簡單的說，就是目前市場上投產的 AI 智慧晶片可能已經有幾千顆品項可以選擇，而且大同小異，只差晶片效率/大小與成本。

問題來了，這些 AI 晶片可以做何用途？很多呀！例如手式偵測，電視機，冷氣機，利用手式偵測就可以省掉遙控器。所以說，從市場的角度來思考，投資AI 晶片應該錯不了。因為市場實在是太大了。可是，朋友說，大家都賣不好。為什麼？因為深度學習的重點是「學習」，而且必須是「深度」學習。意思就是說，要利用AI 晶片投入使用設備的應用，必須先訓練AI晶片，而非買來裝上去就能用。這可難到了很多廠商。

舉例來說，我要用AI晶片來開發一個可以自動識別兔子的望遠鏡。這很合理呀，因為很久以前的某些數位相機就已經可以找到人臉。所以說，來開發一個可以識別兔子的望眼鏡，應該沒問題。AI晶片這麼便宜，絕對沒問題。但實際上有點難，為什麼？因為我要訓練AI 晶片識別「兔子」，必須找到很多有兔子的照片，然後人工圈選照片中兔子的位置，然後交給開發工具。我到哪裡去找全世界的不同兔子照片？這是一個工程，非常巨大的工程。而且還不容出錯，萬一不小心把老鼠當成兔子丟給工具訓練，那完了，AI 晶片會把老鼠識別為兔子。

聽到最後，知道朋友的難處，也知道這個「慘」業的難處。深度學習沒有什麼技術門檻，因為是OpenSource，資料很多，大家都可以做，但是成本不低。所謂的技術，無非就是搜集圖片，圈選標的物，訓練，調整參數。如果不行，再來一次。聽起來好像不難吧！萬一做錯了，誰會發現？是消費者？工作人員？還是老闆？把老鼠辨識成兔子...所以，一個很簡單的問題，最後變成一個大工程。因為訓練的過程不只是不能出錯，而且還不能太過分要求。什麼是太過分要求？例如，我要一個識別兔子品種的AI，這個要求就算是過分了。為何？因為深度學習是大數據推斷，而非精細識別。假設我要開發一個同時識別各種哺乳動物的AI晶片，大概一輩子也做不出來。為何？因為有些狗跟馬長得太像了，訓練過程可能人都無法分辨清楚，如何訓練？

2022/04/08

分享此篇文章：