讓人工智慧點亮2018年 — AI四大趨勢預測

作者:林軒田

不論是協助企業提升銷售量、改善作業流程、或是提升員工生產力,以深度學習和機器學習技術為基礎的人工智慧(AI)系統正在席捲各行各業。除此之外,AI的進展也刺激了軟硬體更廣泛的整合與運用 — 日常生活中,手錶、手機、甚至車輛中都能見到AI的蹤影。可以發現,過去人們對AI或許有天馬行空的想像,但這些想像現在都已經一一落實在你我日常生活、工作環境或是商業領域中。市場研究機構IDC就預測,2017年全球在認知和人工智慧系統支出將達到125億美元,和2016年相比成長達59.3%。

應該沒有人會否認,2017年是人工智慧發展的一個關鍵里程碑。舉例來說,10月的時候,Deepmind宣布AlphaGo Zero AI已學會如何在不參考大量棋譜的情況下在對弈中擊敗舊版本的AlphaGo。同時,我們也看到比利時微電子研究中心IMEC展示了擁有自我學習能力的晶片,不僅可以編寫原創音樂,還可以在接觸新的音樂類型後,創作不同曲風的音樂。這些重要的成果,或許又再一次顛覆了你對人工智慧的想像!

在2018年,AI會持續為我們帶來更多的驚喜。

  1. AI發展將更快速、更準確、更靈活 — 顛覆商業思維、改寫商業模式Artificial Intelligence in 2018 will delight

首先,依照目前的創新速度與產學所匯聚的能量,我預測,在2020年,AI將成為市場上真正的「主流」技術思維。Gartner前些日子就曾預測,未來AI會存在於各種應用程式和服務中;到2025年前,AI更將主導與驅動各種形式的數位創新,並帶來實際的效益。IDC也認為,亞洲將在2020年成為全球第二大認知/人工智慧支出區域。

學術界的研究能量也將加速AI在業界的應用發展。在2018年,我們期待看到更多重要的AI研究,這些研究將會驅動許多大型、頂尖的產業硬軟體應用,而反映在商業上,當有了更多的回饋與改善,AI將為企業提供更精準的預測和建議。另外,由於AI有助於產品開發和交付的自動化,未來各種創新產品和服務的上市時間會因此縮短。而傳統大規模量產的作法也會漸漸減少,這是因為品牌在「生產」這個步驟多了一些選項 — 未來品牌可以少量開發客製化產品以瞄準利基市場,並可隨著客戶的品味變化改善產品設計與品質。

  1. AI將成為企業的決策軍師 — 質與量並重,放大商業效益

在商業領域中,我們看到企業已經開始運用人工智慧來理解商業數據並獲得有價值的洞察和預測,進而輔助團隊的行銷與業務能力。Appier以AI為基礎所開發的Aixon人工智慧商業決策平台就是一個例子,這個由「資料」所驅動的平台,已經協助許多企業預測消費者的行為。這是一個好的現象,因為人工智慧為企業帶來了「質」與「量」兼具的效益,連帶地企業也會愈來愈有信心嘗試與導入AI系統,並且參考由AI所提供的建議 — 這是AI產業發展的正向循環。

  1. AI將成為核心技術 — 不只是核心技術,更是所有技術的核心

我預測,未來AI將成為各種技術的「核心」。AI在2011到2015年間展現了非常具潛力的前景,而在2016到2020年間,AI將日益商業化。而2020年之後,AI將成為我們生活中不可或缺的一部份,可以有效被運用來解決各種棘手的問題。

我們即將邁入2018年,可以預見的是,許多以人工智慧為基礎所開發的系統將在2018年開始進行各種商業測試,也會有許多供應商接著推出由AI所打造的資料分析商業軟體,幫助品牌預測影響客戶留存率的關鍵點,或是提升品牌與客戶間的互動。

  1. AI將成為可信賴的使用者介面 — 理解消費者的「話」外之音

如同Apple的Siri和亞馬遜的Alexa,聊天機器人和語音助理在2018年會變得更加「聰明」和「靈活」,幫助人類更有效率地完成任務,企業也可以將它們運用於第一線的客戶服務。這些應用透過AI來理解口語或文字,可以預見,未來他們將更擬人化與更貼心,在使用者介面上能夠更聰明地與人類互動。

根據Beige Market Intelligence的預測,全球聊天機器人市場在2016到2022年期間的年均複合增長率(CARG)將會超過28%。Forrester也預測,未來將有更多的供應商進入這個市場,而就技術上來看,聊天機器人未來不只能「對話」,甚至可以在對話框外進一步辨識與追蹤潛在用戶,並且能夠更長時間、更深入地與用戶互動,而非只是侷限於短時間的交流。

快速適應變化,迎戰AI時代

AI將促使我們改變原有的生活和工作方式,而這個改變是正面的。人工智慧在許多面向上的確可以做的比人類更好,它接手了那些重複、耗時或會危及人身安全的任務,但終究不會取代人類。換個角度想,AI的各種創新應用將提高我們的生活品質,並使我們能騰出更多時間去做真正想做的事情或是開發新的領域與興趣。

CapGemini的一項研究也發現,AI可以為多達80%的企業創造新類型的工作機會。而企業對於資料科學家與專案經理的人才需求也會隨之增加。許多人問我,必須培養什麼樣的技能才能面對未來各種新科技與工具?我會說,AI正在重新架構社會和商業情境,我們或許無法想像未來新興人才需要什麼樣的技能,但至少現在就能做的是,讓自己擁有快速適應變化的能力。

我深信,那些已經擁有用戶資料,並且將資料運用於訓練AI系統的企業,將會成為未來產業的領導者。根據Gartner調查,已經有59%的企業正在擬定AI策略,其餘的則是已經在嘗試AI相關解決方案。不論是培養一個具有「AI思維」的團隊、或是檢視想導入的服務是否採用AI技術,當企業準備好擁抱AI,才能在這一波產業革新中站穩腳步。


關於作者

Appier首席資料科學家  林軒田  

林軒田帶領Appier人工智慧團隊,同時他也是亞洲人工智慧社群的活躍成員,專精於機器學習與資料探勘。在加入Appier之前,林軒田擔任臺灣大學資訊工程學系副教授。

林軒田曾在全球開放式課程平台Coursera開設免費機器學習課程,其中的「機器學習基石」與「機器學習技法」兩門課程在全球已累積數百萬點閱人氣。由林軒田等人合著出版的《Learning From Data》一書至今仍盤踞亞馬遜線上書店暢銷排行榜,被奉為機器學習入門教科書。

Appier 五周年 — 從 AI 出發,往世界頂尖邁進

作者:Appier執行長暨共同創辦人  游直翰

還記得十幾年前當我開始做人工智慧(AI)研究時,AI還不是一個很熱門的領域。Appier創業的起點是在哈佛大學,當時手邊沒有什麼資源,幾個夥伴在宿舍裡就開始了AI創業旅程。就是因為從零開始,所以每一個客戶的回饋對我們來說都彌足珍貴 — 我到現在都不會忘記,當我們第一次獲得客戶的肯定以及拿到第一筆訂單時的喜悅!

可想而知,在創業的前幾年,我們面臨了許多挑戰,也從挫折中學到很多。在成為所謂的「創業家」後,我們所受到的第一個震撼教育就是,永遠要堅持自己的夢想,並且不要害怕挫折。隨著Appier團隊不斷成長,一路上我們仍然秉持這樣的創業精神,同時也鼓勵所有員工都要堅定信念,在挫折中進步 — 我們深信,沒有冒險與挑戰,就不會有創新與突破!

在過去五年,我們總是不斷在思考,什麼樣的商業應用才能讓AI在人類生活中真正發揮影響力。一路上我們經歷了八次產品轉型 — 從開發社群遊戲到現在大家所熟知的企業人工智慧應用平台。在產品開發上,我們不斷嘗試各種可能,唯一沒有嘗試的就是「放棄」。

現在,我們已經從一個擠在小小公寓裡的四人團隊,成長到成為全球指標性的人工智慧公司 — 我們很榮幸在今年被【財富雜誌】評選為引領全球AI革命的50間企業之一。這些年,我們非常專注於耕耘亞洲市場,服務了全球超過1,000家的品牌與代理商。同時,我們也非常積極尋找頂尖人才,我必須說,能夠跟這麼多來自全球的優秀夥伴共事,真的是我人生中最美好的一件事。

未來,我們將持續開發AI企業應用平台,以人工智慧為基礎,為各行各業打造符合需求的產品。我們也將在亞洲匯聚更多人才,強化團隊的技術實力。

最後,我要誠摯地謝謝所有曾經鼓勵Appier、支持Appier並且相信Appier的夥伴與客戶,五年只是一個起點,我們即將開始下一段AI旅程,希望能與你一起攜手邁向下一個五年以及更多個五年!

我們特別拍攝了一系列的Appier五周年慶祝影片,邀請你與我們一起回顧Appier的過去、現在並展望未來!


關於作者

Appier執行長暨共同創辦人 游直翰

游直翰帶領Appier的產品研發和業務團隊,運用人工智慧為客戶解決複雜的跨螢商業難題。游直翰在學術領域曾從事多個極具代表性的人工智慧專案,如:代表史丹佛大學參加美國國防部 DARPA無人駕駛自動車競賽以及參加機器狗(Little Dog)研發專案。

Technical Insights: Introduction to GraphQL

 

 

 

 

 

 

 

By Johnson Liang, Front-end Engineer, Appier

At Appier, we have been using GraphQL for around a year. GraphQL drives client-server communications for one of our main AI platforms, Aixon. We have benefitted a lot from GraphQL’s characteristics, such as the concept of “object fields” and its resolvers. Its declarative approach to whitelist all inputs and outputs makes it a great tool to build programming interfaces.

This presentation is designed to be an introduction to GraphQL and was originally delivered to other internal product teams in Appier. The talk is specifically designed for Node.JS or Python developers that have never tried GraphQL before. It provides succinct code examples in both programming languages to guide the audience through all the essential topics they should know in order to start building their own GraphQL schema and to run a GraphQL API server.

There are already quite a lot presentations on the internet explaining the high-level concepts of GraphQL. In this talk, I have put more emphasis on the actual source code required to get GraphQL running, providing a more pragmatic perspective to understanding GraphQL.

The talk covers the following topics:

  • Fundamental parts of a GraphQL server
  • Defining API shape – GraphQL schema
  • Resolving object fields
  • Mutative APIs
  • Making requests to a GraphQL server
  • Solving N+1 query problem: dataloader

Editor’s note: Speaker notes are available with Google Slides.