AI人工智慧的美麗與哀愁

AI即服務-AIaaS(AI as a Service)

AI(人工智慧)在1950年代即提出，歷經兩次人工智慧寒冬的磨練，在2014又開始第三次人工智慧的黃金年代，而這次人工智慧浪潮與前兩次的差別在於哪裡？會不會再次進入人工智慧寒冬？
首先此次人工智慧的黃金年代由大數據、雲端運算所建構的基礎架構搭配基於神經網路演算法的深度學習所領銜，為各行各業提供多式各樣的AI應用，較之前兩次人工智慧黃金年代有更多的資料與運算能力。




而之前進入人工智慧寒冬的主因是：人們對AI的期望與所得到的實際結果相差甚遠。為何導致這樣的差異？根據波士頓顧問公司的調查顯示，3/4的高階主管認為AI可以讓公司發展出新的業務，85%的受訪者認為AI可以讓公司獲得或維持競爭力。但只有約1/5的公司真正將AI應用在產品、服務或商業流程之中，且只有1/20的公司廣泛地部署AI應用。

出現這樣大差距，主要原因是兩者對待資料的態度不同。

人工智慧並不如人類智慧般的天生，需要通過大量資料分析來進行學習，才能產生智慧。位於領先的公司，在AI人才儲備、培養與資料儲存、處理方面，已經建立穩固的資訊基礎架構。而處於落後位置的公司，相對欠缺AI人才與欠缺AI資訊基礎架構，導致無法與領先者競爭。

那落後者要如何快速地趕上領先者的步伐以避免被淘汰？
關鍵答案是增強式分析，借助增強式分析讓落後者在欠缺專業AI人才與AI基礎架構的情況下，能夠順利地搭上AI浪潮，避免反被AI浪潮拍死在沙灘上。


什麼是增強式分析(augmented analytics)？
根據Gartner(顧能)對增強式分析所下的定義：使用如機器學習與AI等賦能工具協助資料準備、產生洞察與洞察解釋，讓使用者能夠使用分析與BI平台用以探索與分析資料。

此外讓專家與一般使用者能夠自動化管理與部署資料科學、機器學習與開發AI模型的許多重要步驟。顧能公司預測在2020年時，增強分析將成為企業建置分析與商業智慧、資料科學平台的新驅動力。

更白話的解釋：是一種新的資料分析方式，利用機器學習與AI讓使用者以更低的入門門檻，進行資料分析操作。也就是由使用者直接進行資料分析，而不是提供需求後，由IT人員代理進行資料分析。

AI專業人士與AI基礎架構的欠缺是讓AI普及的痛點，如此下去將會有第三次人工智慧寒冬出現。但這也是一個巨大的商業契機，因此許多資訊廠商分別推出相對的增強分析產品。

但如果要以使用方便與成本來看，原生的雲增強分析產品是最佳選擇，使用多少才付費多少，避免前置的投入成本與技術累積，只需要提供資料即可。

例如：AWS所提供的物聯網、機器學習、機器人等產品，或Azure的AI+機器學習服務、分析、物聯網等產品，Google Cloud所提供的AI與機器學習、資料分析、物聯網等產品，Oracle Cloud所提供的資料分析服務等，都是可以投入學習的方向。

文/申建忠     恆逸資深講師

課程建議：

【PyPD】資料分析-使用Python Pandas與Matplotlib
【PyML】Python之機器學習-使用Scikit-Learn
【PyKT】Python與機器學習深度學習-使用Keras與TensorFlow
【CDA】Cloudera資料分析師訓練課程
【BDHS】Big Data入門-Hadoop與Spark介紹
【CCAH】Apache Hadoop之管理者訓練課程
【Dev】Spark與Hadoop開發者訓練課程
【AWAR】Architecting on AWS
【AWBD】Big Data on AWS
【AWDL】Deep Learning on AWS
【AZ103】Microsoft Azure Administrator認證班