貓臉辨識沒這麼容易！GPU加持深度學習才突破瓶頸

無論有多先進的技術，看錯了市場，還是只能面臨失敗的後果。2009年，一個能提高遊戲伺服器百倍效能的技術，因初次轉換成本過高而在遊戲廠商圈中乏人問津。直到2013年秋天，一場愛貓飲食控制失衡後的截肢意外，讓奇群科技執行長宋牧奇找到了新的商機，打造出吸引美國科技媒體爭相報導的智慧貓咪餵食器，3天就在美國募資網站獲得上千位跨國投資者的支持。這一次，宋牧奇還多用了一個秘密武器，就是連Google、百度都全力押注的機器學習新技術。

2008年宋牧奇從美國IBM離職，便與另一位創辦人共同創立奇群科技，他們一開始專注於GPU技術，並將之應用於開發多人線上遊戲伺服器平臺，宋牧奇說：「一般伺服器約能讓2,000人同時上線，但是GPU高速平行運算的特性，他們所開發出來的平臺能讓20萬人同時上線」，儘管當時各大線上遊戲廠商也認為，能讓伺服器效能提升百倍是一項很厲害的技術。

不過，因為伺服器的花費對於一款線上遊戲整體營運成本來說，比例低的不足一提，廠商不願花費額外的開發資源轉換平臺，使的原本宋牧奇引以為傲的技術，因為疏於對於市場的了解，而導致這項產品最終以失敗收尾。

在2014年，奇群科技卻又因這項GPU技術的應用，獲得了許多市場的關注，其智慧貓咪餵食器CATFi在群眾募資網站Indiegogo受到超出預期的歡迎，3天內就達到原先募款目標的10萬美元，最終吸引來自80個國家1,400名贊助者，共募得25萬美元。CATFi這個看似有趣的商品，其後端所使用的技術並不簡單，是運用現在當紅的深度學習技術。

CATFi出發點只為解決自己的問題

而CATFi這個點子，來自宋牧奇飼養寵物的親身慘痛經驗，他家中總共養了5隻貓，其中有一隻貓一個星期都沒吃東西喝水，但是他卻不知道，因為5隻貓都共用食物以及水的容器，當他下班回家，看到食物跟水都有減少，直覺認為每隻貓都有正常吃喝，直到有天回家發現其中一隻貓趴在地上不能動，送去醫院才知道這隻貓因為胰臟炎，導致身體不舒服沒有食慾，沒有進食引發血栓兩隻腳癱瘓，最後只好截肢。

宋牧奇的妹妹是獸醫，常常碰到飼主將家中寵物帶來就醫的時候，健康狀況已經非常糟糕，但如果能紀錄寵物的飲食習慣，對於諸如糖尿病會導致貓咪進食喝水頻率改變的疾病，就能提早發現，而不至於嚴重到無法挽回的地步。宋牧奇表示，設計貓咪餵食器CATFi一開始的目的，只是想解決自己遇到的問題而已。CATFi的應用特別適合多貓家庭，有養貓的家庭，通常都不只養一隻貓而已，宋牧奇提到，美國有多達一半以上的養貓家庭都是多貓家庭。

CATFi的功能不只能夠紀錄家中每隻貓日常的喝水以及進食的狀況，主人也能用手機看到家中愛貓吃東西的即時影像，或是過去的統計資料，而根據每隻貓長期的飲食紀錄，便能粗略掌握愛貓日常的健康變化。

在剛開始使用的時候，主人需要先在App中，標記幾張家中貓咪的照片以及相對應的名字，以訓練CATFi學習分辨貓咪間的差異，之後當貓靠進裝置要吃東西時，踏板下不只有感測器能測得貓咪的重量，還能啟動攝影機，即時將貓咪影像串流回後端伺服器，經過辨識知道是哪一隻貓咪要吃飯，再根據預先設定的餵食策略，給予貓個別化餵食。

至於貓咪會不會乖巧的使用餵食器，讓攝影機拍攝臉部影像，或是同時有兩隻貓擠進餵食器的情況又該怎麼辦，宋牧奇說：「CATFi在裝置硬體上做了很多貓體工學的努力」，以盡量避免意料之外的事情發生。

把餵食器設計的讓貓方便使用固然是重要的，不過，CATFi之所以被稱為智慧餵食器，是因為它能對每隻貓給予不同的餵食策略，而要分辨出家中每一隻貓並非易事，需要應用如同人臉辨識的機器學習技術，才能夠不只讓電腦知道什麼是貓，甚至進一步知道每一隻貓的不同之處。

深度學習讓機器精準辨識貓

在發表CATFi之前，奇群科技接了不少企業的案子，其核心技術都圍繞著GPU的運算應用，讓他們著實累積了不少技術底子。而最新的產品CATFi不只使用了GPU技術，還使用了機器學習中當紅的演算法深度學習（Deep Learning），這項技術現已被諸多網路公司廣為應用，像是Google有約20項產品背後都有使用深度學習。

過去機器學習中曾被寄予重望的類神經網路，有一段時間遇到了客觀條件的限制而遭遇瓶頸，辨識率一直無法提升，直到深度學習重新被提出來，宋牧奇說：「深度學習被證明可以用來解決過去無法解決的難題」。而事實上，深度學習並非新穎技術，但一直到了2012年，Google發表了一篇深度學習的論文，這項技術因此才一炮而紅。

這篇論文的實驗是，Google從YouTube未上標籤的影片中，擷取出1千萬張圖片，並使用擁有1千臺電腦的運算叢集Google Brain，以深度學習演算法從圖片中自主學習，最後Google Brain學會辨識3樣東西，人的臉、身體還有貓。宋牧奇表示，深度學習就是讓電腦模仿人類學習事物的方法，自己找出輸入樣本的特徵。

深度學習演算法會從學習樣本中最小的單位（Primitive）開始，例如樣本是圖片，為了優化學習效果，須將資料處理單位拆解到像素等級，演算法會從每個畫素出發，計算畫素與畫素之間的線段關係，線段與線段的連接形成邊的關係，而邊與邊相連則會形成輪廓關係等，每一階段的處理都是一種特徵萃取，電腦進而找出具有哪些特徵的圖片是代表貓。

適當的將深度學習演算法運用在辨識工作上，能取得良好的結果，但由於深度學習是複雜數學模型，且要使用足夠多的訓練樣本，才能得到夠好的結果。計算上又需從樣本的最小單位（Primitive）開始計算，並且經過多層特徵萃取，因此非常耗費運算資源，當用來訓練模型（Model）的運算能力有限的時候，訓練一個可用的模型所需時間可能高達數周，這樣的時間成本，在很多情況的應用上可用性便大打折扣，更何況並非任何人都能擁有像Google Brain千臺伺服器等級的運算資源。

宋牧奇以辨識人臉作為例子，解釋過去常應用的機器學習演算法與深度學習的差異，過去在運算能力低落的時代，為加速計算的過程，機器學習的演算法在設計上，都會加入一些人的觀察作為預設條件以加速或是增加辨識的成功率，像是定義人臉一定有2個眼睛、1個鼻子和嘴巴。

他說，這與模仿人類實際學習方法的深度學習不同，要教一位小孩學習什麼是人臉，只要給他看很多人臉的照片，人腦的神經元便能自主處理訊號特徵，歸納出人臉的抽象概念。

而這也是過去常應用的機器學習演算法，其辨識度遠不及深度學習的原因，越多的假設便會限制機器的學習能力而造成辨識誤差，就像是同樣一張佛地魔的圖片，即是佛地魔沒有鼻子，人仍然會判斷這是個人，但是有假設的機器學習演算法就不這麼認為了。

CATFi是一款智慧貓咪餵食器，後端使用深度學習技術，能夠辨識家中每一隻貓，並根據不同的餵食策略餵食，主人還能透過App即時看到貓吃東西的畫面。（圖片來源／奇群科技）

不只精準，GPU加持讓辨識更快

為了克服深度學習訓練模型動輒以天計算的問題，工程師開始把腦筋動到GPU上，利用其平行運算的特性加速整個過程。但在GPU以及分散式系統執行機器學習都會遭遇相同的問題，由於機器學習在取得最終結果之前，中間過程需要經過多次迭代，而這兩種平行運算的系統在設計上，便需要建立互相溝通的機制，讓機器互相交流資訊，宋牧奇說，由於在GPU上每個執行緒是共用記憶體，所以耗費在溝通的成本非常低幾乎可忽略。

宋牧奇認為，深度學習技術之所以能夠普及，跟GPU廠商的策略有很大的關係。全球GPU的市場過去呈現寡占的局面，但是在GPGPU（通用圖形處理器）的發展上，宋牧奇嘗試採用過Nvidia以及AMD的解決方案後，認為AMD在這完全失去競爭力。

而Nvidia在2011年將GPGPU帶出科學計算領域，原先需要動輒3、4千美元的顯示卡才能用來計算，但是當時Nvidia開始讓消費型的顯卡也有一定的資料運算能力，此策略對於GPU與深度學習的發展有很大的影響，到了現在甚至已有現成的GPU深度學習的套件可以直接使用，雖然應用上還是需要基本的機器學習觀念，但是技術進入門檻已經大幅降低。

奇群科技提供服務的伺服器就是使用GPU來做深度學習的運算，GPU與深度學習的結合，使得技術可用程度得以大幅提高。因為即便深度學習的辨識率很高，但是當計算時間需要過長的時間，那終究是無用，畢竟使用者利用像是Google Now的語音搜尋服務，便會想要立即得到結果，對於回應延遲的容忍度隨著科技發展而降低。

不要想拿一個工具解決所有問題

宋牧奇表示，奇群科技從創立到現在，能存活下來是運氣很好。因為過去他們一直用錯誤的方式尋找商業模式，宋牧奇自認技術底子很好，而且手中握了一個極具潛力的GPU運算技術，總覺得這項技術一定可以大放異彩，但是這卻成為奇群科技發展的致命傷，他說，過去他一直在尋找一個適合的問題，可以套用這項技術來解決，但是這樣的方式完全背離解決問題的初衷。

要是能夠重來一次，宋牧奇說，他會試著停止寫程式，並把時間放在思考需要解決的問題上，CATFi這個點子出現的時候，就是他開始停止寫程式的時候。他表示，很多新創公司都會掉進這個陷阱裡，嘗試拿一個工具解決所有的問題，但這終究是不可能的，而他認為，尤其是技術好的公司，更容易掉入這樣的迷思，應該適時的停下腳步，思考發展的方向。

工程師應該停止寫程式，先思考如何解決問題，特別是那些技術很好的人。──奇群科技執行長 宋牧奇

公司檔案

奇群科技

●      地址：臺北市大安區和平東路1段192號6樓

●      網址：www.zillians.com

●      成立時間：2008年

●      主要業務：GPU運算、電腦視覺、深度學習、物聯網

●      總部：臺北市

●      員工數：32人

●      資本額：52,500,000元

●      董事長：宋光彥

●      總經理：宋牧奇

公司大事紀

●      2008年：奇群科技創立

●      2009年：發表基於GPU加速之線上遊戲伺服器平臺

●      2011年：與廣達電腦合作開發虛擬GPU技術之雲計算平臺

●      2013年：與勝捷光電合作，推出行車記錄議視頻網站PushCam

●      2014年：推出跨越CPU與GPU架構、跨機器、支援大量平行處理之編譯式程式語言Thor

●      2014年：推出全球第一臺貓臉辨識的智能貓咪餵食器Bistro