現(xiàn)今，機(jī)器能通過不斷優(yōu)化與分析資料持續(xù)學(xué)習(xí)進(jìn)步，看似能夠直接取代“人”在一切流程其中的所有功能，但傳統(tǒng)人力是否真已逐漸失去其不可取代之處？本文作者孫民是Appier的首席人工智能科學(xué)家，同時(shí)也是清華大學(xué)電機(jī)工程學(xué)系副教授，在多年研究人工智能技術(shù)與產(chǎn)業(yè)落地執(zhí)行后，對于自動(dòng)化機(jī)器人的經(jīng)驗(yàn)與觀察有自己的一番解釋。
作者Appier首席人工智能科學(xué)家 孫民博士
近年來，機(jī)器學(xué)習(xí)在優(yōu)化資料收集和分析工具的技術(shù)不斷進(jìn)步，甚至在各個(gè)產(chǎn)業(yè)都能看到相關(guān)的應(yīng)用。而現(xiàn)在，一股新的趨勢又趁勢興起，那就是自動(dòng)化機(jī)器學(xué)習(xí)（Auto Machine Learning），簡稱AutoML。
一名優(yōu)秀的資料科學(xué)家需同時(shí)具備高度的專業(yè)知識與技能，是臺灣大多數(shù)企業(yè)常年求之而不得的極度稀缺人才，而AutoML的出現(xiàn)能適時(shí)的降低企業(yè)對資料科學(xué)家的依賴。話雖如此，許多人對AutoML仍然存在一些誤解，其中最大的誤解就是認(rèn)為AutoML的訓(xùn)練完全不需要資料科學(xué)家參與其中。
AutoML即是AI技術(shù)的落地實(shí)行
機(jī)器學(xué)習(xí)是一項(xiàng)非常強(qiáng)大的通用技術(shù)，能做到的相關(guān)應(yīng)用領(lǐng)域十分廣泛且功能數(shù)量驚人，但想了解AutoML的能耐到底在哪，首先就要先了解機(jī)器學(xué)習(xí)是如何運(yùn)行的。
機(jī)器學(xué)習(xí)包含了以下幾個(gè)步驟。首先第一步需要搜集相關(guān)資料數(shù)據(jù)并進(jìn)行資料清理，才能厘清這些資料中能歸納出來的消息。下一步則是定義資料的特征描述，并把資料定義放入模型，接著就需要開始訓(xùn)練模型以達(dá)到優(yōu)化精確度。由于整體訓(xùn)練學(xué)習(xí)流程極為復(fù)雜，需要大量的人力參與，為了讓機(jī)器學(xué)習(xí)發(fā)揮最大效益，需要一個(gè)訓(xùn)練有素的資料科學(xué)家團(tuán)隊(duì)來協(xié)助創(chuàng)建、應(yīng)用和優(yōu)化模型，全程參與在整個(gè)作業(yè)流程中。
AutoML這項(xiàng)技術(shù)之所以備受各產(chǎn)業(yè)重視，是因?yàn)锳utoML的最終目標(biāo)，是讓流程中的所有步驟都能自動(dòng)化執(zhí)行，提高效率的同時(shí)還能降低成本。若能順利實(shí)現(xiàn)，AutoML有望在各產(chǎn)業(yè)中發(fā)揮不同用途，為社會的不同面向帶來全面性變革。
同步改變資料科學(xué)家的角色
然而，如同許多新興技術(shù)所面臨的處境，實(shí)際運(yùn)用的狀況往往比想象中更為復(fù)雜。AutoML是否能發(fā)揮其最大功用，程度取決于好幾個(gè)方面，包含：涉及的產(chǎn)業(yè)、資料的類型、模型的種類等等。在前面提到的資料收集和清理階段其中，數(shù)字營銷是可以從AutoML獲益的領(lǐng)域之一，當(dāng)顧客與公司的營銷活動(dòng)進(jìn)行交互后，資料標(biāo)簽將自動(dòng)生成，成熟的AutoML工具會進(jìn)一步針對這些標(biāo)簽進(jìn)行處理，確保它們沒有噪聲或誤差。
其他產(chǎn)業(yè)則更適用于自動(dòng)化特征工程。舉例而言，訓(xùn)練自動(dòng)駕駛車需要人們協(xié)助標(biāo)注判斷出路上行人和各項(xiàng)交通標(biāo)志；訓(xùn)練醫(yī)療顯像工具需要經(jīng)驗(yàn)豐富的醫(yī)師協(xié)助定位腫瘤。不過，自從神經(jīng)網(wǎng)絡(luò)能以原始顯像圖自動(dòng)構(gòu)建特征后，許多資料科學(xué)家的工作量已有所減輕。
即便如此，還是必須提醒不要孤注一擲地使用AutoML。畢竟，無論想達(dá)到的目的為何，AutoML仍無法完全取代人類知識。相反的，它其實(shí)是改變了我們原先利用該知識的焦點(diǎn)與方向。
以營銷任務(wù)為例，只有自動(dòng)化機(jī)器執(zhí)行的效果遠(yuǎn)比人為作業(yè)流程更有效率。通常這些適合自動(dòng)化的流程是有高度重復(fù)性，或是有高度復(fù)雜性卻有充足的資料給予支持。借由自動(dòng)化工具的協(xié)助，人們可以從重復(fù)性的任務(wù)中解脫，并將其知識應(yīng)用到資料較少的領(lǐng)域。
因此目前的技術(shù)仍需依賴資料科學(xué)家的支持。有人將這種人類與機(jī)器攜手合作的方式，稱為“半自動(dòng)化機(jī)器學(xué)習(xí)（Semi-AutoML）”。對照作業(yè)流程中的實(shí)際執(zhí)行模式，這樣的稱謂可說是名副其實(shí)。
所有企業(yè)都該大量引進(jìn)AutoML嗎？
企業(yè)只要能夠了解AutoML的能力和運(yùn)行方式，便能在應(yīng)用過程中有所獲益。
由于這項(xiàng)技術(shù)不需要人類專家時(shí)刻參與其中，所以能更有效率地進(jìn)行作業(yè)，且將速度大幅提升。只要善加利用，機(jī)器的表現(xiàn)不僅能超越人類，更能將人為錯(cuò)誤的風(fēng)險(xiǎn)降到最低，流程自動(dòng)化之后，機(jī)器執(zhí)行所能產(chǎn)生的效益將遠(yuǎn)超于人力。
不過，其中仍有其他需納入考量卻容易被忽略的因素，也就是“成本”。
神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索可說是AutoML領(lǐng)域中的“圣杯”，也就是編寫出一套人工智能程序，以自動(dòng)找出最能解決特定問題的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。目前已有研究人員提出證據(jù)，認(rèn)為確實(shí)有機(jī)會能使神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索完全自動(dòng)化（且超越人類執(zhí)行相同任務(wù)的表現(xiàn)）；然而，屆時(shí)將需要龐大的運(yùn)算能力才能達(dá)到目的，可能需要同時(shí)使用十幾個(gè)CPU進(jìn)行訓(xùn)練才足以應(yīng)對?？偠灾?，整體投入的軟硬件成本將十分可觀。因此，任何公司若想尋求自動(dòng)化機(jī)器學(xué)習(xí)的協(xié)助，都應(yīng)先針對其可能的獲益、財(cái)務(wù)以及時(shí)間成本進(jìn)行權(quán)衡和評估，才能更明智地加以運(yùn)用。
盡管AutoML能降低人為錯(cuò)誤的風(fēng)險(xiǎn)，卻無法將其根除。這項(xiàng)技術(shù)僅能優(yōu)化人類設(shè)計(jì)的衡量標(biāo)準(zhǔn)，但是當(dāng)衡量標(biāo)準(zhǔn)不正確時(shí)，所產(chǎn)出的模型自然也無法解決問題。這不僅會發(fā)生在AutoML上，人類也可能在采用標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)時(shí)犯下相同的錯(cuò)誤。不過，如果人類有參與開發(fā)過程，就有機(jī)會發(fā)現(xiàn)模型行為的錯(cuò)誤并協(xié)助改正。因此，雖然完全由機(jī)器執(zhí)行作業(yè)流程能獲得極高的效益，但若未經(jīng)考量便直接排除人為參與，可能會在無意中導(dǎo)致更多潛在錯(cuò)誤發(fā)生。
企業(yè)如何付諸實(shí)踐
要維持人類與機(jī)器的平衡并不簡單。企業(yè)必須評估人類高度參與下的可能利弊，并決定哪種商業(yè)模式才適合自己。例如，讓人員全程參與流程階段的發(fā)展史，意味著模式將難以規(guī)模化，而若為了讓整個(gè)流程自動(dòng)化而逐一創(chuàng)建特定的模型，又會浪費(fèi)太多時(shí)間。實(shí)際案例好比營銷人員需要即時(shí)推出營銷活動(dòng)，因此往往無法等上太久，因?yàn)樗麄冏非蟮氖菚r(shí)效性，需要在最佳時(shí)刻吸引到顧客的關(guān)注。
如今，最佳的解決方案往往是借助在某些特定領(lǐng)域采用AutoML的資料科學(xué)平臺（如同前面所提及的“半自動(dòng)化機(jī)器學(xué)習(xí)（Semi-AutoML）”）。借由自動(dòng)執(zhí)行特定步驟，企業(yè)便能專心研究如何將運(yùn)算量集中在提高效率上，而成果又不會因?yàn)榫珳?zhǔn)度降低而大打折扣。以上建議不僅能協(xié)助營銷人員了解AutoML的潛能，更能讓人們了解AutoML能為企業(yè)成就帶來的實(shí)質(zhì)效益，否則，即使采用了這項(xiàng)技術(shù)，也只是徒有其表而已。
若能保持正確觀念來運(yùn)用AutoML，企業(yè)便能享受其帶來的眾多好處，尤其是對營銷人員而言更是如此。唯有確實(shí)了解AutoML的運(yùn)行方式、涉及范圍，以及它能對企業(yè)提供的支持，才能充分發(fā)揮AutoML的最大潛能。
