百度首席科學家吳恩達:不只「機器學習」,更要「模擬人類大腦」
百度首席科學家吳恩達:不只「機器學習」,更要「模擬人類大腦」
2014.06.30 | 技能

一個月前,Coursera的共同創辦人、史丹佛大學人工智慧實驗室的主管 吳恩達〈Andrew Ng〉宣布加入百度 位於矽谷的深度學習研究院(IDL),他說:「我決定將我接下來的這段時間投入到建造更先進的深度學習系統中去。而我認為,百度將是合適的地方。」

上週,吳恩達在加入百度後,首次發表關於深度學習和商業應用的公開演講,在 PingWest舉辦的SYNC 2014舊金山大會 上,他分享了他對下一代深度學習系統的期待,和他將在百度要做的事情。

深度學習並不只是一個學術概念,它是許多現代科技產品背後的「引擎」,作為核心技術支撐著商業上的應用,比如網絡搜尋、機器翻譯、產品推薦和醫學圖像等,帶來了相當可觀的經濟價值。

一些手機裡,也可以看到「深度學習」的基因。比如每部Android手機上的語音識別功能。上周剛剛發行的 Amazon Fire Phone ,其所配備的6個攝影鏡頭和商品推薦等功能,也是基於機器學習和深度學習來實現的。

吳恩達說:「許多你聽過的,像我這樣的傢伙分享的和深度學習有關的演講裡,有兩個概念都會被混淆在一起。今天,我要把這兩個大的概念分開來解釋清楚。」

這兩個大的概念指的是, 在已標記數據上進行的深度學習(也被稱之為在監管下進行的深度學習,supervised learning),和在未標記的數據上進行的深度學習(unsupervised learning)。

吳恩達和他的團隊在史丹佛實驗室做的實驗,可以清楚地解釋這兩者的區別:早前,他們造了一些機器人,試圖讓機器人找出一個辦公空間內的馬克杯。他們跑遍了舊金山灣區,買來所有他們可以買到的馬克杯,並從各個角度給這些杯子都拍了照片,總共獲得了5萬張馬克杯的照片,並將這些照片都展示給這個機器人訓練它。經過這個實驗後,機器人最終可以在一個辦公空間內,找到所有的馬克杯。

「之​​所以深度學習可以奏效,是因為在學習被標記的數據上,它的表現很好。」但Andrew馬上說:「我們發現,這和動物及人類學習的還是不同。我相信,即使是最最深沉地愛著自己孩子的父母,也不會跑遍舊金山灣區,找出5萬個馬克杯的照片指認給自己的孩子看,來讓他認識什麼是馬克杯的。人類和動物的學習方式是,進入環境,由我們自己去感受這個環境並學習。」

「跑遍整個舊金山灣區找出的所有馬克杯照片」就是標記數據,而「進入環境,由自己去感受環境」指的則是在未標記數據中進行的學習。

「深度學習」的研究者們又重新回頭借助神經科學審視人類大腦學習的過程。 他們發現——人類大腦在看到實物的第一個步驟,是尋找實物的邊緣。幸運的是,來自柏克萊的研究者的實驗表明,複製這個人腦處理視覺早期步驟的過程,是可以被模擬神經網絡所實現的,而且這個「神經網絡」不僅對於圖像識別奏效,對於音頻識別也可以產生相同的結果。 現在,吳恩達和他的團隊正在對這一部分的「深度學習算法」進行解析。

從非標記數據中學習——這是現在讓吳恩達感到非常興奮的點,因為這能讓深度學習普及到更多的應用領域,他解釋說:「因為對於許多應用方向而言,我們沒有那麼多標記數據。其二,這更接近人類學習的過程。」

但要完成這部分的工作,單靠學校或是研究機構很難實現,必須要藉助外部的力量,因為所有的實驗結果都指向了這樣一個趨勢: 模擬出的神經系統越大,實驗效果越好。 2010年,吳恩達加入Google,照他自己的話說,「我上下求索,到處去找誰有最多的電腦、並且還願意讓我使用的?」Google幫助吳恩達開發出了擁有十億個連接單元的「深度學習」系統,吳恩達說:「有了Google我才能造出比原先大百倍的系統。」他所帶來的研究成果也幫助Google開發出了不少商業產品。

但這些算法的應用範圍仍然十分局限,只有像Google這樣的科技巨頭,才擁有這樣的資源,進而擁有這樣的技術。創業公司或者是普通研究學者,並沒有機會在這麼大的模擬神經網絡上,去試驗自己的想法和算法。

「我們真正感興趣的是,如何讓深度學習更加的民主化?」Andrew說。對此,他和他的學生Adam Coates決定用GPU替代CPU,降低造價——GPU是Graphics Processing Unit的縮寫,是用來進行視覺圖像處理的,在每個人的電腦裡都有。

但今天的人工智慧,仍然是一個對資本要求很高的生意,而只有像Google、Baidu這樣以搜索起家的公司,才能提供盡可能多的實驗數據和計算力——這是他選擇加入百度的一個原因。

吳恩達說:「這有點悲哀。你需要大量的數據和電腦,幸運的是,百度有這些東西。其次,百度是一個敏捷的機構,能快速地調配資源去需要的地方。同時,我被我所遇到的人所折服,比如百度美國的總經理Alex Cheng,我的好朋友余凱和張潼,他們多麼的友好、聰明、努力和謙遜。他們願意讓我加入他們和他們合作,我覺得這是我的榮幸。」

加入百度後,現在吳恩達正在著手為下一代的「深度學習系統」搭建基礎設施和準備工具——這也是他讓深度學習民主化的重要一步,他要讓在該領域做研究和想要應用深度學習概念的人們,有一個可使用的系統測試自己的點子。他說:「 我知道下一代的百度深度學習系統不會來自於我個人, 我們現在在建造為下一代深度學習系統而準備的工具和基礎設施,來讓研究人員和我們合作,測試點子和進行學習。 我想做的是,建立起來基礎設施,讓別人來和我們合作,讓他們成為下一代深度學習領域內的英雄。 」

出自 Pingwest

關鍵字: #百度 #人工智慧
往下滑看下一篇文章
業績兩年從28億突破百億,諾億保經攜手自由系統強化IT與資安以接住高速成長
業績兩年從28億突破百億,諾億保經攜手自由系統強化IT與資安以接住高速成長

企業高速成長,市場最先看見的是業務營收與市場排名的飆漲,但真正決定企業能走多遠的,往往是水面下看不見的IT與營運骨幹。

諾億保經就是一個經典案例。

2024年,諾億保經的全年保費規模約28億元,隔年直接翻被衝破60億,今年,更預計挑戰120億到150億大關,強勢躍居台灣前十大保經公司;業績快速成長的同時,諾億保經的組織配置也很精實:外勤業務團隊約500人,負責核保、行政與稽核的後勤單位卻僅約30人。

值得特別注意的是,隨著營收在短時間內翻倍,受到考驗的不只是業務能力,也包括後台系統、資訊設備、網路、資安,以及法遵與內控能否同步跟上。

諾億保經總經理賴柏翰直言:「客戶資料是諾億保經的核心資產,特別是我們以投資型保單為主力業務,對個人隱私與財務資訊的防護要求極高。」此外,隨著營運規模擴大,金管會對資訊安全與內控稽核的監管標準也隨之提高,必須重塑IT與資安體質以回應高速成長。

評估完自身資源後,諾億保經做了一個重要決定:不從零自建IT團隊,而是採取資訊外包模式,提供企業擴展所需的支援。

諾億保經
諾億保經總經理 賴柏翰
圖/ 數位時代

諾億保經總監張維倫表示:「我們需要合作夥伴提供完整支援,自由系統不僅具備金融產業經驗與深厚維運實力,還能提供一站式服務,因而雀屏中選。」由自由系統負責台北與台中辦公室的端點設備、儲存架構、網路與資安維運等工作。

診斷重於工具:先清查環境盲點,再談防禦升級

缺乏專職資訊人力的中小企業或快速成長型組織,很常陷入一個迷思:市場上出了什麼新工具、新架構,就急著導入;然而,自由系統的作法是先回歸營運本質:盤點現況。

在雙方正式簽約前,自由系統的顧問團隊便深入檢視諾億保經的既有環境,找到一個最急迫的營運隱患:內勤行政人員與外勤業務人員,竟在辦公室內共用同一套網路網段,這意味著外部裝置一旦連網中毒,極可能直接橫向感染存放敏感保單資料的內部系統,為降低風險,自由系統隨即協助諾億保經進行網段隔離與權限切割,在第一時間化解安全未爆彈。

這套「先釐清現況、確認優先級、消弭落差」的邏輯,也體現在資安合規的推進上。

自由系統服務顧問黃麒翰以ISO 27001認證輔導為例指出:「諾億的認證合規由專職顧問主導,但底層關鍵的端點偵測回應(EDR)、託管偵測回應(MDR)、防火牆規則、特權帳號管理及硬體資產盤點,全由自由系統提供技術支援。我們的目標是替企業建立完整的『環境可視性』(Visibility),讓風險一目了然。」

對諾億保經來說,資訊設備、網路與日常維運雖然是營運不可或缺的基礎,卻不是公司的核心業務,如果自行建立完整IT部門,不僅要負擔人力成本,也必須長期維持涵蓋網路、設備、資安與系統維運的專業能力;相較之下,將這些工作交給自由系統的專業團隊負責,諾億保經可以將時間與精力放在可直接創造營收的核心業務。

「與自由系統合作至今,我們不僅更好強化IT體質、順利補強合規缺口,也為接下來的AI應用打下穩健基礎。」張維倫如是說道。

從防守走向進攻:雲地協同架構,讓AI真正走入第一線

IT與資安基礎逐步穩定後,諾億保經開始將資源放到下一階段:如何利用AI提升業務與營運效率。

在業務端,諾億嘗試透過AI實現「保險情境遊戲化」。

賴柏翰指出,一般客戶很難體會重大疾病帶來的財務衝擊,與其單向說明「萬一罹癌怎麼辦」,不如透過AI模擬動態情境,讓客戶在虛擬人生中面臨關鍵決策;甚至,將台股加權指數、S&P 500走勢融入情境,模擬面臨資金缺口時,抵押借款或贖回投資將對個人資產產生何種實質影響,讓保險規畫轉化為主動的探索體驗。

同樣的邏輯也導入內部培訓與後勤自動化。

過去高度仰賴資深講師與紙本教材的訓練流程,被轉化為AI互動式推演,讓500位業務能在高度擬真的客戶抗拒或理財情境中反覆演練,大幅縮短新人上手週期。至於在行政方面,傳統業務助理得耗費大量時間進行分類、掃描、校對保單文件的繁瑣流程,也交由AI與自動化工具處理,助理僅需做最終核對與歸檔,使30人的後勤編制得以支撐暴增數倍的合規案件。

在AI探索的過程中,自由系統就像是諾億保經的IT團隊、協助評估與提供所需產品服務。

自由系統售前顧問劉威利強調:「金融保險業涉及大量機敏個資,絕不能盲目把所有資料拋上公有雲AI。」因此,自由系統協助諾億精準劃分「地端與雲端邊界」,例如,哪些非機敏資料可藉助雲端模型運算、哪些敏感核保數據必須保留在地端進行私有化推論,並協同評估相應的地端硬體算力與加密機制,讓創新應用不以犧牲資安為代價。

總的來說,從28億飆升至百億規模,諾億保經展現了一家新銳金融服務企業的高敏捷度;而自由系統則證明了託管服務(MSP)已不再只是被動的修電腦與顧網路,更是高速成長企業在架構選擇、資安風控與AI轉型路上,不可或缺的最佳夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓