正面迎擊人機合作的時代:AI時代3大關鍵人才

【撰文:曾筱媛】

正面迎擊人機合作的時代:AI時代3大關鍵人才
正面迎擊人機合作的時代:AI時代3大關鍵人才

2017年3月Google雲端人工智慧暨智慧學習首席科學家李飛飛喊出「大眾化AI」(Democratizing AI)宣言,希望藉由Google雲端科技的力量,讓人工智慧走出實驗室,轉化成一般企業或個人應用,深入千萬家戶端。

李飛飛的宣言並非空穴來風,背後代表著人工智慧技術的重大突破。從打敗世界棋王的AlphaGo,到走入醫療領域的超級電腦華生,近三年來在機器深度學習、大數據到GPU硬體等技術升級,讓原本一度泡沫化的人工智慧科技,有了爆炸性的成長。科學家發現人工智慧的無限可能,更試圖發展人機協力的商業應用,包括仿生機器人、語音助理、智慧搜尋引擎到無人駕駛汽車等等,更多動作精細的機器人進入生產工廠,以更低的勞動成本和自動化取代人力,增加企業產值與效能,促成人機合作的新契機。

技術爆炸性成長,人機合作出現新契機

企業受惠於自動化技術與人工智慧發展,有機會透過人機合作,完成更多過去無法達到的工作效能。美國麻省理工學院(MIT)對此就曾提出「MIT觀點」(MIT Approach),以知名科學家李伯曼(Henry Lieberman)、《第二次機器時代》作者麥克費(Andrew McAfee)、布林優夫森(Drik Brynjolfsson)等人為首,認為未來的工作場域是「人機合作」的天下。人類與機器會是最好的夥伴,而非相互競爭的敵對關係,人機之間可以各盡所能,甚至促成勞動力市場的供需平衡。

廣告

麻省理工學院研究團隊在BMW車廠進行的一項實驗結果顯示,人類協同機器的工作效率,將比單一人類或純機器人組成的團隊效率都要來得更高。機器人善於處理例行性高的重複工作,且勞動力大,可分擔容易造成職業傷害的危險性工作。相反地,人類可以因此從大量勞動中釋放出來,專心處理變動性高、需要臨場判斷、下決策的非例行性任務。

科學家發展人工智慧技術,試圖解決過去人類在勞力工作上的極限, 甚至可望補足現有商業環境與人力資源上的缺口。

全球前五百大人力資源公司藝珂人事顧問邱奎嵐表示:「AI有機會解決現有人力資源短缺問題,甚至提供更廉價、更優質的服務,創造了新的市場需求。」

舉例來說,在網路上十分火紅的「DoNotPay」法律機器人,協助一般人處理交通罰單、詐騙、住宿等基礎法律問題,讓過去無法聘僱律師的人,即使不用付出高額金錢,也可以享受專業法律意見,在面對法庭或訴訟時,可以更有利的應對進退。人工智慧大幅降低了一般民眾接觸法律知識的門檻,並擴大律師產業的服務對象。

而在醫療領域更是如此,在全球部分未開發國家、偏鄉地區,仍存在著嚴重醫療人力短缺現象。在現有人工智慧演進下,包括超級電腦華生、各類智慧型醫療裝置的演進下,有機會讓機器辨識病徵的技術變得更為純熟,甚至可以協同醫師加速診療過程,成為整個醫療產業很重要的戰力資源。

人工智慧加速商業化,促進新的人力市場需求

為了加速人工智慧商業化,以達到人機協作的新企業環境,需要許多專業長才協助整合商業環境和人工智慧技術,甚至為不同的商業領域客製化設計。

擁有豐富機器學習開發經驗的104人力銀行數據長呂承諭說:「每一次的人工智慧開發,都是高度客製化的結果。」不同的商業領域,存在著不一樣的需求,機器學習需要歷經長時間大數據資料分析、建立模型,才能夠符合企業應用環境與需求。就好像企業在數位化發展的過程中,需要系統產品經理協助與內部員工溝通、重新校正整個作業流程。

因此,資料科學家、機器學習科學家,甚至是協助企業導入應用的人工智慧訓練師等三種職位角色,就變得很重要。這群人才,已經變成未來整體人工智慧趨勢下很重要的戰略資源。他們要將高度系統化的人工智慧演算法,落實到一般社會環境,更要協助企業利用人工智慧,創造更好的利潤與產值。

根據Gartner預估,2018年全球將有440萬個資料科學家,其中不乏與人工智慧有關的人才。臺灣104人力銀行的統計數據也顯示,目前光是台灣的資料科學家和資料工程師,就約有2萬名職位缺口。2016年以來,全球各大業者已紛紛儲備人工智慧相關人才,希望將新科技作為優化整體服務的重要策略。

和過去相比,全球企業用於人工智慧的支出已經大幅成長,IDC預估,2022年全球人工智慧的系統支出將高達576億美元。這些專精於演算法撰寫、機器學習的軟體工程師、數學家、甚至是懂得人機溝通的語言學家、心理學家、人類學家等等,在人工智慧走入商業化應用的過程中,彌補技術與產業應用之間的鴻溝,甚至成為企業爭相尋找的人才,加速人工智慧商業化,為大眾化AI踏出重要的第一步。

關鍵人才:人工智慧訓練師——縮短企業智慧升級學習曲線

2016年開始愈來愈多人工智慧商業化的案例浮現。當一項新技術邁入商業化階段,勢必要為了商業環境做更多調整,甚至客製化,才能讓系統運作順暢,融入商業應用環境中。而這時,就需要人工智慧訓練師。

過去一般企業要導入e化系統時,不管是由內部自行開發,或引入外部資源,均會由產品經理等職位角色來協助優化導入過程。而現在,隨著人工智慧漸漸成熟,在國外,也有企業開始設立人工智慧訓練師這樣的角色,協助企業導入人工智慧系統,並輔助使用者了解人機合作的工作環境,加速人工智慧融入企業應用。

人工智慧訓練師的職位概念,就好像當人類就職時,就要接受教育訓練,熟悉企業作業流程。而AI訓練師正是扮演教育訓練講師的角色,協助人工智慧系統更符合企業內部環境與需求,一步步的校正、客製,以符合企業運用環境。

舉例來說,當資料科學家、機器學習科學家等團隊成員設計好AI系統的模型、使用型態、使用目的後,這時AI訓練師要協助系統培養更多的實戰經驗。無人汽車要進展到完全商用的環境,就需要有測試員不斷的訓練上路狀況,讓無人汽車可以在一次又一次的實戰經驗中,累積更豐富的學習機制,排除可能遇到的錯誤,近一步優化駕駛流程。

這一類的職位角色,不一定需要會撰寫語言程式的軟體工程師,更多是了解整個商業流程、站在使用者角度去思考系統問題的人。透過這個職務角色,可以解決人工智慧大量部署於商業環境的問題,更有機會加速人工智慧普及,讓機器更符合人的需求。

*更多精彩內容請見《數位時代》284期

*尊重智慧財產權,如需轉載請註明資料來源:《數位時代》第284期