十月初Intel副總兼CTO Amir Khosrowshahi 來台，有機會交流。Amir說明Intel在未來智能服務的定位。其中提到了NIPS 2015 Sculley的論文中 “Technical Debt” （技術債）的概念。
很有趣的一個名詞，用來解釋天下沒有白吃的午餐 — 智能化當然是相當重要的未來，但是也得搭配其他不可或缺的要件。
很快的把Sculley的論文看了，主要討論智能元件上線之後，對於線上的工程系統有怎樣的工程挑戰：比如說如何維持特徵值擷取版本，過多的特徵值，訓練模型的版本等等。 值得工程人員關注。
其中最有意思的是這張圖，核心智能（機器學習或是深度學習）常常只是工程系統中的一小部分，為了讓整個服務可以完整的運行，還有其他重要配合的工程部分，例如資料收集、清理、運算資源管理、運算平台、監控服務等。Intel想提供圖一上的大部分，不是只有ML核心。
每個有價值的垂直領域，都有專業的知識，需要時間、成本累積。從一年多前開始跟醫學領域的人一起合作，完全可以感受到跨領域的挑戰，令人戰戰兢兢。
技術債可以用（素質好）的人力彌補，例如挖角、併購，但是價格高。
同樣的，對於非以IT技術擅長的產業，即時是獲利非常良好的隱形冠軍們，要智能化在公司內部開始產生效益，也需要相當的時間跟花費（同樣的，有許多技術債得償還）。當然，經營層的決心是最關鍵的。
這也可能是許多（新創）公司的機會所在。尤其是專注服務於產出大量資料，以及資料單位價值高的幾個領域：例如製造、能源、健康醫療、交通、IT等，都是值得大量投資智能技術的領域。
Sculley et al., Hidden Technical Debt in Machine Learning Systems. NIPS 2015. (PDF)
https://papers.nips.cc/paper/5656-hidden-technical-debt-in-machine-learning-systems
