掀熱潮》發動上百封信邀請台灣產官學千人爭睹世界級人工智慧大神如何把臉書變AI帝國？

攝影/唐紹航

2017-07-06 14:49

+A -A

加入收藏

臉書人工智慧研究院院長楊立昆首度來台，掀起全台產官學界朝聖熱潮，也照映出台灣投入AI戰場的焦慮與熱度；究竟，想跟上AI熱，台灣的能與不能是什麼？楊立昆三十多年前的構想，讓筆跡辨識、影像辨識甚至自駕車成為可能。這位堪比大神的人工智慧學者點出，下一個人工智慧突破口，就在「常識」。台灣掌理AI發展政策的舵手之一、科技會報辦公室執祕及資策會董事長郭耀煌則說，形塑生態系、導入各領域的應用，甚至統整型研發服務公司等，都有台灣的機會在其中。

「這是我的中文名字，楊立昆。」秀出三個龍飛鳳舞的書法大字，六月二十九日，臉書人工智慧研究院（FAIR）院長楊立昆（Yann LeCun）在台大舉行演講。這是他上任以來，第一次在台灣的公開行程，原本預計僅一場公開演講，擴大到三場，除了台大外，在交大及成大也開講，報名人數超過一千，直播影片瀏覽率超過七萬。短短四天，在學界造成一股旋風。

演講會後，學生爭相合照，不少人捧著楊立昆多年前發表的一疊論文，請他簽名；甚至有慕名而來的學生南北三場跑透透，就為了能問上一個問題。

楊立昆來台的這個盛夏，也正好是台灣人工智慧（AI）最蒸騰的時候。除了PTT創辦人杜奕瑾回台創業，政府科技政策的相關場合，更是三句不離AI，楊立昆自然成為各界爭相請益的對象。

除了演講，他馬不停蹄，接連拜會了科技部及資策會，多年前曾與楊立昆共事的科技部部長陳良基，更特別希望他能促成臉書與台灣的合作。

祖克柏點名 90人神祕研究單位強攻影像辨識

面對官員與學子的焦急熱切，楊立昆也樂於提出建言，「未來每支手機裡，可能都有AI晶片。」一再提到台灣半導體將扮演AI重要角色。這個想法，讓資策會董事長，同時也是行政院科技會報辦公室執行祕書的郭耀煌很贊同，但他也強調軟硬整合，「台灣必須建構自己的AI生態系。」

這股堪比搖滾巨星的追星熱，不只因為楊立昆在臉書任職的光環，更因為他在人工智慧領域宛若「大神」的成就──深度學習重大模型「卷積神經網路」（CNN）之父。二○一三年，臉書執行長馬克．祖克柏請來任教紐約大學的楊立昆，從三個科學家、七個工程師開始，組織FAIR，如今人數已經破九十人，是臉書最神祕的研究單位。

「前天（六月二十七日），臉書用戶達到二十億人。」演講一開始，楊立昆帶著微笑宣布社群帝國的最新疆土範圍。這些用戶每天上傳到臉書的照片高達十至十五億張。而影像辨識，也正是臉書在人工智慧熱戰中，需要楊立昆助陣的關鍵。

在演講場合，楊立昆無一例外會播放一段有點年歲的影片。鏡頭前年輕的他微笑著，將一排手寫數字放在電腦一旁的鏡頭下，電腦運作數秒後，準確地辨識出影像中的數字，一個個顯示於下排，沒有一個數字失手。那是一九九三年，卷積神經網路首次出現的實際應用。

卷積神經網路是人腦神經網路相仿的深度學習架構，會將圖片分解成細至像素的微小區塊，擷取其中特徵並加以組合，比對有多少特徵與其他圖片相符，因為篩選條件可以重複使用，同理在聲波及筆跡中也適用。這套平行篩選機制，大大簡化了神經網路的訓練過程。

卷積神經網路也是楊立昆在深度學習領域初試啼聲的開始。他於九○年代任職於美國最大電信商AT&T的貝爾實驗室，那是發明電晶體與行動電話等二十世紀重大科技的殿堂，可說是美國腦力密度最高的機構之一。

想法太超前 30年前心血如今成自駕車核心

在這裡，楊立昆發表了卷積神經網路的基本架構，剛開始應用於手寫辨識，銀行而後採用他的技術，讓自動提款機可以辨識支票內容，這是第一次，卷積神經網路走出實驗室大門，在人類的生活中實現。

但是這一項發明，並沒有讓他聲名鵲起。二○○二年，AT&T因內部的矛盾，終止楊立昆的研究計畫，並解散他的團隊。加上技術趕不上想法，能使這套模型實現的電腦以及資料規模並不存在，很多學者並不能理解卷積神經網路的運作機制，而質疑楊立昆的研究，當時，他甚至被數個重要學會以及期刊擋在門外，拒絕他發表論文。

學術的孤獨對楊立昆來說不是新鮮事。八○年代他在巴黎讀書時，法國沒有人研究神經網路，美國也鮮有聽聞。「我只能自己做研究，連指導教授都找不到。」最後好不容易找到可以幫忙論文署名的教授，甚至看不懂他的研究。「我畢業後，那個教授反而開始研究神經網路。」楊立昆笑說。

面對各方不看好的懷疑論者，楊立昆選擇和以前一樣埋頭苦幹。他到了紐約大學任教，並創辦紐大的資料科學中心。時至今日，由於運算科技及資料的突飛猛進，楊立昆三十多年前的心血重新獲得重視，被視為辨識語言及影像的重要技術架構。尤其一二年，當ImageNet視覺識別挑戰競賽中，卷積神經網路寫下圖片辨識率達八五％的歷史紀錄，在兩年內錯誤率從二八％大幅降低至一五％，讓楊立昆頓時炙手可熱。

楊立昆博士後的指導教授、也是人工智慧教父級人物的多倫多大學教授辛頓（Geoffrey Hinton），形容楊立昆是「舉著火炬度過黑暗時代」。從早期的支票辨識，到谷歌旗下安卓手機作業系統的辨識語音功能、百度的影像搜尋系統等，卷積神經網路的身影無處不在，都有賴楊立昆的奠基。

更讓人振奮的應用，當屬自駕車。輝達的自駕車計畫，以及英特爾以一五三億美元購併的以色列新創MobilEye，都是利用卷積神經網路辨識道路影像。「之後進一步拓展到更多領域，也許未來在醫療上，放射科影像可以交由電腦來判讀了！」技術一步步發光發熱，楊立昆看到的人工智慧疆土，比二十億臉書人口還要廣袤。

「當祖克柏說：『我相信你可以成立一個全世界最好的AI研究所。』我覺得這是很有趣的挑戰。」祖克柏承諾了龐大的企業資源，雖然FAIR成立目的在於探究人工智慧領域所有的問題，但楊立昆很快就讓臉書這個巨大的人際網路機器，開始學會如何聰明地思考。

「DeepFace」技術一張照片只要兩秒就能識別人臉

楊立昆走馬上任半年，一四年六月，FAIR發表了一篇文章，講述「DeepFace」技術可讓人臉辨識精準度達九七％。如今，DeepFace已經是臉書照片標記功能的重要引擎，每一張照片在兩秒鐘內會通過兩層卷積神經網路，檢測物件並識別人臉。

對走過業界及學界的楊立昆來說，沒有比坐擁龐大用戶資料的臉書更讓人興奮的試驗場域。「如果我們有一個可行的想法，在一個月之內這個想法就會在十五億人面前化為真實。」他在先前接受外媒訪問時提到，「我們要看著遠方地平線的目標前進，但途中也可以開發很多短期能夠實現的應用。」

人類還在遙望的地平線，是人工智慧的「常識」。「常識」是人類的直覺，卻是AI的盲區。目前AI可以認知，但推理與規劃能力卻不盡成熟，無法做出準確的預測並行動。

「現在即使是最聰明的AI，都還很笨拙。」楊立昆舉例，「如果說『這個行李箱裝不下獎盃，因為它太大／太小了。』人類可以知道，『太大』的『它』是指獎盃，『太小』的『它』是指行李箱，但是AI無法憑單一文句辨識。」

AI要如何才能具備常識？或許第一步就是脫離人類的監督。舉例來說，目前AI學習型態大多為監督式學習，由千張圖片去得出特徵；或者是加強式學習，AI一次次接受資訊做出判斷，並藉由判斷的是非之中形塑認知。

這兩種訓練方式若非人類給予AI資訊，就是AI必須給出回饋，更需要標籤並分類資訊才能進行。「未來幾年的挑戰，是讓AI學會從原始資料中學習，就像人類學習的方式。」

團結力量大公開研究原始碼促進人工智慧發展

而要走到遠方的AI地平線，楊立昆認為必須團結前行。FAIR在他主掌之下，在開源社群GitHub公開不少研究的原始碼。「這是我們這個時代最大且最複雜的科學挑戰，不是任何一個組織、單位，或是一家大公司就可以單獨解決。必須是所有研發單位的集體努力才有可能達成。」

此趟來台，眾人莫不想請大神描繪出未來藍圖。但曾歷經AI寒冬的楊立昆，對於未來的想像，反而不像科技大老一樣豪邁，他寧可謹慎一點。

「科技產業經常高估了短期發展，低估了長期發展。AI的革命時間點很難預測，當我們承諾得太高，（大眾）就會出現反彈。」畢生研究如何讓機器思考，但站在AI研究巔峰，楊立昆看到的，仍舊是人的不可預測。