【2019年關鍵趨勢1】企業發展AI問How不再問Why，上手簡單但專精更難

人工智慧依舊會是2019年最夯的技術，但和過去最大的不同是，新一代機器學習技術和AI產品，將會越來越容易使用。

Chatbot就是AI普及化最典型的例子，隨著雲端巨頭紛紛正式推出Chatbot所需的自然語言處理（NLP）引擎服務，以及各種Chatbot開發框架和後臺設計平臺，甚至微軟Chatbot服務主打只需上傳企業網站FAQ，就能建立自己的Chatbot。

AI從2017年開始走向普及化，「AI民主化」（Democratizing AI）策略成了雲端巨頭爭相擁抱的優先戰略，陸續推出多種可以降低AI技術門檻的服務。

例如Google在2018年初發表的AutoML Visio技術就是AI民主化趨勢落地變成產品的代表，主打不需要資料科學家，只要企業將自家圖片上傳到雲端，就能透過雲端AutoML Visio服務，自動幫企業訓練機器學習模型，再提供給企業開發AI應用之用。年中時，Google更進一步將AutoML服務擴大到翻譯（Translate）和自然語言（Natural Language）模型的自動化訓練。

而AWS早在2017年底就推出了簡化訓練複雜機器學習模型和快速部署上雲端的SageMaker工具，雖然SageMaker不像Google AutoML可以自動訓練模型，但AWS在2018年底推出機器學習和演算法線上市集，企業可以直接向專業資料科學家們購買ML模型來用，同樣可以降低自建AI應用的門檻。

AWS還推出了主打免ML經驗也能上手的AI常用元件服務，包括了紙本文件數位化服務Textract、個人化推薦服務Personalize，以及分析IoT資料用的時間性預測服務Forecast，其中Personalize服務更是將Amazon慣用的推薦引擎，拿出來變成了企業可租用的服務。技術巨頭相繼主打不需專業資料科學家的機器學習服務，不用熟諳機器學習知識，也能打造出可用的AI應用，連機器學習演算法都出現了交易市集，就算企業自己沒有資料科學家，也可以直接上網購買。AI應用的進入門檻遠比2年前降低了許多，現在只要有資料，有軟體開發人員，就可以打造自家的AI應用。

研究機構Gartner更預測，AI自動化分析工具的普及，2019年開始會出現大量的素人資料科學家（Citizen data scientist），這是一群非專業資料科學背景或訓練出身、但懂得善用機器學習技術的分析人員。Gartner預測， 2020年時，素人資料科學家數量的成長速度會是專業資料科學家的5倍。

專屬AI應用的挑戰是資料稀少性

2019年，隨著AI技術門檻降低，入門工具和產品越來越多，企業現在已經不用再思考為何要用或AI是什麼，而是進入到了怎麼做，如何做的階段。

Google大腦共同創辦人吳恩達也在2018年底發布了一份企業轉形成AI公司的AI轉型攻略（AI Transformation Playbook），將他過去在Google大腦團隊和百度AI團隊的發展經驗，彙整出大型企業可用的5階段AI轉型策略，就是要告訴企業「如何」成為一家AI公司。

微軟AI研發中心首席研究總監賴尚宏更點出，2019年，將會看到更多產業開始發展專屬AI。但這類內部AI應用的挑戰是資料稀少性，也因此，他認為，擅長產生擬真影像的GAN（Generative Adversarial Network，生成對抗網路）技術，將為成為顯學，可用模擬來彌補真實資料不足的困境。或是可從現有通用ML模型來發展特定用途ML模型的遷移學習（Transfer Learning），也可減少對訓練資料量的依賴，也是解決產業資料不足的方法。但這都意味著，企業開始要從常用、通用型AI應用，開始邁向各自產業專屬或企業特定領域的AI應用發展了。

更正啟事：原提及微軟AI研發中心首席研究總監賴尚宏職稱誤植，內文已更正。