「台灣AI元年」口號喊得火熱，科技部長陳良基今年五月接受《數位時代》採訪時，表示台灣需要培育更多AI人才；上個月台灣微軟新任總經理孫基康上任時，也談到為了讓AI普及化，第一步將會選擇投資AI人才。
未來的世界將是AI的天下，在人才大家都想搶的情況下，許多大公司都面臨AI人才短缺問題，而專業人才的培育並非一朝一夕就能達成的事，因此包括Google等許多科技巨頭，都紛紛想用自動化的方式解決AI人才短缺問題，「打造會寫AI的AI」會是個好點子嗎？
靠自動化發展AI技術，逐漸擺脫人工介入
Google資深工程師傑夫·迪恩（Jeff Dean）最近在矽谷發表演說時，談到Google一項叫「AutoML」（自動機器學習）的計畫，AutoML是一種機器學習演算法，可以透過分析數據來學會執行特定任務，能做到學習開發其他機器學習演算法的程度。
透過AutoML的幫忙，Google也許在不久的未來就能透過自動化的方式開發AI技術，逐漸擺脫人工的介入，這也是許多人認為AI產業發展的未來。根據統計，全球大約只有1萬人具備研究這類複雜演算法的知識、經驗與能力，包括Google、Facebook、微軟每年都在AI人才上投入數百萬美元的經費，本來就稀少的AI人才遭到科技巨頭壟斷，AI人才短缺問題恐怕很難在一時半刻就得到解方。
不需靠人類訓練，AlphaGo Zero能自主學習
NVIDIA創辦人暨執行長黃仁勳，上個月出席NVIDIA GTC Taiwan大會時，形容AI是一種「自動化的自動化」（automation of automation），認為未來在AI的時代，人類不需要再親力親為寫程式，因為人類會訓練電腦寫程式。
今年五月在Google DeepMind開發的人工智慧AlphaGo，擊敗世界圍棋冠軍柯潔後，今年十月，Deepmind在《自然》雜誌發表了一篇論文，介紹最新版本的圍棋程式「AlphaGo Zero」，最大特色是不需要人工介入訓練就能自主學習。
論文中提到，AI長期的目標是透過後天自主學習，創造出超越人類的程度演算法，AlphaGo Zero 採用新型強化學習方法，從完全不知道圍棋遊戲規則，稱為「白板」（tabula rasa）的神經網路空白狀態與強大的搜尋演算法結合，AI在跟自我下棋的過程中，神經網路不斷被更新和調整，AlphaGo Zero 便能成為自己的導師自我訓練提高決策強度，AlphaGo Zero 僅僅花了三天的時間，就達到第一代AlphaGo的水準。
「不使用人類的數據，也就是不用任何方式吸收人類的知識，就能完全不受人類知識對系統的限制，」AlphaGo Zero 研發人員解釋：「因此AlphaGo Zero就能從基本原則開始建立自己的知識。」
AI 發展趨勢 ─ 「學習去學習」
AI 發展中的一大趨勢，專家稱為「學習去學習（learning to learn）」的概念其實由來已久，最早在1990年代由加拿大蒙特婁大學的Yoshua Bengio提出這項想法，當時科技所做出來的東西仍比不上人類操作的成果，因此實驗成果並不理想。
近年隨著運算能力不斷增強，以及深度學習技術的出現，AI 自我學習的能力終於有了突破；Google認為AI現在已經可以開始逐步學習寫程式，Google 深度學習科研專案團隊「Google Brain」在今年初的一次實驗中，讓軟體設計了一套機器學習系統，接著對這套系統進行語言處理方面的測試，結果發現表現超過人類設計軟體的水準。
Google Brain團隊的負責人傑夫·迪恩（Jeff Dean）認為，未來機器學習專家應該將部份工作讓AI軟體來負責，如此一來將能大大降低AI應用的門檻。
會寫AI的AI出現，只是時間早晚問題
另外，今年二月，微軟研究院和劍橋大學研究人員開發出一套會自己寫程式的AI「DeepCoder」，DeepCoder能打造出符合需求的程式，大幅縮短開發時間和成本。
DeepCoder使用一種叫做「程式組合（program synthesis）」的方法，只要在系統上設定期望的結果，DeepCoder就能透過搜尋其他程式的程式碼，再挑出適合的程式碼片段組合成滿足需求的程式，簡單來說就是一個「複製貼上」的過程。這項研究目前仍在早期階段，DeepCoder最多只能寫出約5行左右的程式碼，也還不具備自行生成一段全新程式碼的能力，但已經能瞥見未來寫程式自動化的未來。
Google Brain團隊的負責人傑夫·迪恩（Jeff Dean）認為，Google 最終的目標是要協助缺乏相關的專業知識的第三方企業開發AI系統，迪恩估計目前全球有能力開發AI的公司不超過上千家，但許多公司都掌握了必要的關鍵數據。
許多人相信，讓AI自己打造AI系統，可以加速AI的發展，「電腦將要為我們寫演算法。」加州大學柏克萊分校教授Pieter Abbeel說：「電腦創作出來的演算法可以解決非常非常多問題，至少這是我們希望的。」卡內基美隆大學研究員Renato Negrinho談到：「雖然會寫AI的AI不是現在生活日常，但這只是時間的早晚而已。」
