Re: [新聞] 林百里談AI：發展比我想的快幾十倍

看板Tech_Job作者 (轉眼之間)時間5年前 (2018/09/08 00:54), 編輯推噓10(13推 3噓 19→)
留言35則, 19人參與, 5年前最新討論串3/3 (看更多)
https://goo.gl/FsTp4g 在趨勢科技董事長張明正的專訪中提到： 隨著AlphaGo Zero問世，我認為已經進入AI 4.0時代。在AlphaGo Zero出現前，談到AI， 我們都認為是大數據(Big Data)加上深度學習；但AlphaGo Zero不需要任何棋譜，即可在 圍棋比賽中擊敗前幾個版本，這不僅大大改變我的看法，也對趨勢科技有非常重要的意義 。 趨勢科技長期以來核心業務即是找出電腦世界的壞蛋，但不要誤抓好人。這中間需要強大 的預測能力和概率能力，其中也包含一些人類經驗的成分，這個過程就像是將規則做成棋 譜，再丟給機器協助處理。 前陣子的勒索軟體肆虐事件，我們之所以能夠抓到壞蛋，是基於將近30年累積的資料庫， 包括病毒碼、電腦侵入威脅的資料等，據此以演算法再加上AI輔助，協助抓出駭客。 然而，在我看到AlphaGo Zero出現後，我認真思索，若它的技術未來能夠成功應用到防毒 軟體領域，那我們的優勢可能就會消失了。這種衝擊就像是以前照相需要底片，但出現數 位相機後，未來不再需要底片，卻可以照更多的相片，這對相關產業的衝擊將會很大。 以前的工程師還可以宣稱，自己是大數據工程師，但如果未來不再需要大數據呢？此時大 數據工程師的優勢何在？ AI發展至今，我認為有4個階段。最初的1.0時代是演算法，2.0時代是大數據，數據的多 寡決定你的表現；3.0時代雖然仍然需要數據，但即使只有少量數據，只要再加上他人訓 練過後的資料，仍然可以有好表現。 AI的演變，與產業市場的關係，可以大略分成3段式。第一階段是AI演算時代，不需要太 多數據，只要有1個AI模型(model)再加上領域知識，就能與大企業齊名。 第二個階段是AI 2.0，出現深度學習後，當我擁有數據而你缺乏數據，我的效能就會大幅 提升。在這個階段，包括Facebook、Google等掌握大量數據的企業，其優勢都很明顯。 第三個階段，則是不需要數據的AI 4.0，所有市場將重新洗牌，小公司就有機會了。 AlphaGo Zero對趨勢科技帶來2個意義，一個是對公司文化層面，另一個是商業競爭層面 。 第一個意義，從公司文化來講，我們過去一直談改變，但現在改變將比想像中來得更快。 趨勢科技的存在意義，就是讓客戶知道他們被保護，也可以提前預警他們下一次攻擊可能 是什麼時候來，這件事情是我們的核心業務，維持不變；但其他事情，例如來自物聯網 (IoT)、雲端等的科技變化，我們每個人都要更快速因應變化，也不要限制自己，不要認 為病毒或駭客一定是從怎樣的模式進來，需要拿掉頭腦既存的各種假設。 我們不能自傲於以前的成功，必須以AlphaGo Zero的拋開盲點為師，特別對工程師而言。 另一個意義，從商業角度看，由於我們比競爭者更早思考這件事，我們也有將近1,000名 AI高手，這是我們的優勢。目前我們的要求就是，若產品未來沒有AI，那就別談了，因此 在技術角度方面，這將會帶領我們往愈來愈強的方向前進。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.13.212.68 ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1536339260.A.F7E.html
推
09/08 06:01, 5年前 , 1F
不懂，為什麼4.0可以不需要大數據？
09/08 06:01, 1F
→
09/08 06:37, 5年前 , 2F
因為某些數據電腦可以自行產生 那就不用先準備數據了
09/08 06:37, 2F
→
09/08 06:38, 5年前 , 3F
文中提到AlphaGo Zero不需要餵棋譜 也就是不需要大數據
09/08 06:38, 3F
→
09/08 06:40, 5年前 , 4F
比如說有一天出現能完美模擬人類行為的AI
09/08 06:40, 4F
→
09/08 06:40, 5年前 , 5F
那麼就不用從使用者那搜集數據了 用模擬產生的就好
09/08 06:40, 5F
推
09/08 08:16, 5年前 , 6F
模擬數據=帶風向
09/08 08:16, 6F
推
09/08 08:59, 5年前 , 7F
AI = 大數據
09/08 08:59, 7F
→
09/08 08:59, 5年前 , 8F
沒有大數據就沒有AI
09/08 08:59, 8F
→
09/08 09:00, 5年前 , 9F
如果不需要數據，那根本無法學習
09/08 09:00, 9F
→
09/08 09:01, 5年前 , 10F
人也一樣，你打從出生開始就是20年的學習才造就你現在
09/08 09:01, 10F
→
09/08 09:01, 5年前 , 11F
的判斷力
09/08 09:01, 11F
推
09/08 09:05, 5年前 , 12F
林百里這一代人 太老了 已經跟創新脫節了
09/08 09:05, 12F
→
09/08 09:05, 5年前 , 13F
我覺得樓上去看一下該篇論文再來討論比較好
09/08 09:05, 13F
→
09/08 09:06, 5年前 , 14F
啊啊 跳樓了…我說send大
09/08 09:06, 14F
→
09/08 09:08, 5年前 , 15F
youtube也有很多人在論述這個東西，了解一下在幹嘛
09/08 09:08, 15F
推
09/08 09:52, 5年前 , 16F
s根本觀念錯誤。。。
09/08 09:52, 16F
推
09/08 10:19, 5年前 , 17F
脫節的證據？
09/08 10:19, 17F
推
09/08 11:54, 5年前 , 18F
3.0 時就泡沫的差不多了..有其他的新口號..所以4.0 什麼
09/08 11:54, 18F
→
09/08 11:54, 5年前 , 19F
都不須要了...
09/08 11:54, 19F
推
09/08 12:09, 5年前 , 20F
查一下GAN吧
09/08 12:09, 20F
→
09/08 12:12, 5年前 , 21F
學習本來就不用龐大數據阿 人腦真正記得的也不多..
09/08 12:12, 21F
推
09/08 12:30, 5年前 , 22F
GAN也是現有數據才能GAN的好....
09/08 12:30, 22F
噓
09/08 13:03, 5年前 , 23F
台灣只會喊口號
09/08 13:03, 23F
推
09/08 14:22, 5年前 , 24F
只能說數據越多越好~
09/08 14:22, 24F
推
09/08 16:23, 5年前 , 25F
嗯嗯台灣可以遠超預期在7.0一統江湖 不需要8.0這垃
09/08 16:23, 25F
→
09/08 16:23, 5年前 , 26F
圾
09/08 16:23, 26F
噓
09/09 00:17, 5年前 , 27F
鬼扯……沒聽過那家AI剛開頭可以直接不用數據labeling
09/09 00:17, 27F
→
09/09 00:17, 5年前 , 28F
直接學的
09/09 00:17, 28F
→
09/09 00:18, 5年前 , 29F
AlphaGo 開頭也是要棋譜，直到核心有足夠能力衍生棋譜
09/09 00:18, 29F
→
09/09 00:18, 5年前 , 30F
後才自行對弈學習
09/09 00:18, 30F
→
09/09 00:20, 5年前 , 31F
前期就想無資料學習只會garbage in garbage out好嗎
09/09 00:20, 31F
→
09/09 00:23, 5年前 , 32F
系統architecture還是需要資料來驗證可行性的
09/09 00:23, 32F
推
09/09 07:15, 5年前 , 33F
左右互搏自產自銷數據是ㄇ
09/09 07:15, 33F
噓
09/09 12:19, 5年前 , 34F
噓樓樓上，alphago_zero一開始就不需要棋譜
09/09 12:19, 34F
推
09/14 20:22, 5年前 , 35F
這裡嘴砲的這麼多～有木有給林董桌上丟幾分企劃書的？y
09/14 20:22, 35F
‣ 更多 kaube 的文章
文章代碼(AID): #1Ragqyz- (Tech_Job)
‣ 更多 kaube 的文章
文章代碼(AID): #1Ragqyz- (Tech_Job)