In the Saturday afternoon (August 12, 2017), I will had a public sharing –regarding the current developments of deep […]

前陣子協助 天下雜誌 副總編輯 Yi-Shan Chen 完成AI專輯 [AI全面啟動Ⅰ：科技島國的翻身契機]。 我在紐約，這段時間，Yi-Shan透過FB的訪談跟資料詢問，我感受到她的焦慮，急著摸清楚這個浪潮的來龍去脈，以及我們該做的、或是已經做到的。 初稿完成，正如Yi-Shan所說的，她不那麼悲觀了。或是說我們也沒有悲觀的權利。 我的觀察。 2016年初開始，國內幾家領先企業也開始注意到AI（深度學習）浪潮可能對公司的影響。已經開始研究如何在既有的核心業務上善用這些前瞻技術。 這不是將開源的類神經網路拿來使用就好、或是付費API可以全然解決。首先產品需要的偵測／辨識的項目跟benchmark資料完全不同、產品大部分是multi-label的問題而不是大家常討論的multi-class、訓練資料的取得跟缺乏、應用場域資料型態差異、學習model的參數過大、耗電、運算時間、或是在使用者端自動調適學習等。產品佈建跟論文討論的範疇有著相當大的差異。 領導者（執行長、董事長）的決心是最關鍵的問題。因為引進新的機器學習paradigm之後，牽涉到資源配置、薪資結構、產品pipeline（如使用者資料收集、AI引擎的更新）、新產品的定位等，需要很大的決心。 缺乏深度學習技術的研究人員是第二個問題。在協助幾個團隊之後發現，台灣的數理教育品質相對優良，理工科碩士論文要求對於前瞻的研究是很有幫助的。 在組織具有某些特質的工程師之後，透過適當的做中學、學中做的過程，還有我們十幾年在影像／視訊上成功跟失敗的經驗，是可以逐漸訓練出內部深度學習基本研發團隊、也能適性地將技術調整到適合的產品線上。 目前已經看到這樣的技術成果用在解決監控系統上常見的誤判的問題、照片標註、辨識、自動分類、edge端的精簡深度學習模型、或是利用各種感測器、攝影機進行未來事件預測等。甚至有些已經上線進行A/B test，交付給客戶的PoC、或是取代原本沒效率的人工分類等。 在這次的訪問當中，也將這幾個領先企業介紹給天下雜誌，但是因為公司內部的marketing跟財務時程，還不能公開披露目前的結果。 我們不選擇悲觀、抱怨、譏笑。許多團隊，也早就捲起袖子為企業帶來更具有競爭力的AI（深度學習）能力，開啟新的產品思維，如同全球企業忙著乘著巨浪向前。也感謝 天下雜誌 […]

最近有機會跟數位媒體跟產業界的朋友交流，大家一方面驚訝深度學習技術的進步，另一方面又懷疑這樣的技術突破影響面能有多廣？ 是的，很少人需要自動辨識狗或是貓，也不在乎AlphaGo打贏人類棋士。但是可以另一個方式思考—目前已經有接近商業化的技術可以用來彌補人類不足或是不擅長的工作。比如說我們可以使用比較具有擴展性（scalable）、有效率（efficiency）、或是高性價比的方式來協助個人或是商業上的應用。 對於機器智能以及人類的關係，我喜歡尋找 「互補」（complementary）的可能性，而不是「互斥」或是「敵對」的角度。 深度學習技術在影像分析上具有最大的進步（跟語音、文字來比的話）。如果思考的範圍加大，為什麼只用在單一照片？或是單一個攝影機上？ 舉例來說，透過大家分享打卡的照片（非常容易取得，我們光是曼哈頓島在2014幾個月內就收集到幾千萬張照片），即使人不到現場，我們可以了解大家究竟點了那些餐點（食物分類）。透過分析這些餐廳出現的人像屬性（facial attributes），例如性別、種族、年紀、打扮，我們可以參考是否適合自己，適合帶小孩，適合怎樣的dressing code。如果再把這個人像屬性偵測擴展到其他景點、商店，更可以了解到這些大量地點的人口統計特性（demographics），直接幫助景點推薦。 事實上我們在ACM Multimedia 2011年就實現了這個全新角度，可以參考[2]，這個論點也在研究社群內廣為流傳，我們的相關論文也有145個Google citation。當時，為了驗證這個想法，我們收集了全球19個主要都市，一千多萬張照片，實驗證明加上自動影像偵測出的人口統計特性，可以增加景點推薦的正確性。而且這些影像分析技術是跨語言的！ 可以想像，如果要以人力統計這些景點、都市的人口統計特性，需要多少的時間成本，多少可行性。這就是機器智能技術可以大大助益的地方，而且這些分析結果經年累月會更趨正確，因為可以收集到的影像資料更大量的增長。機器智能彌補了人類的局限性！ 有趣的是Li Fei Fei的團隊今年在AAAI也有類似的想法，他們是利用Google Street View上拍到的車輛種類來推估都市的人口統計特性，並且可以關聯於一些社會現象、能源使用等。可以參考。 另一個例子是，我們的博士班畢業生 Kuan-Ting […]

We have been working on machine intelligence over large-scale multimodal data streams for more than 14 years and had witnessed […]