直擊 Google 東京 AI 論壇 著眼社會議題從人才到技術怎麼極大化?

在 Google 眼中,AI 除了要讓人類生活更加便利,也應該利用 AI 來協助解決人類一直以來難以克服的問題,像是自然災害、瀕臨絕種的物種、傳染病、古文明修復和環境,越來越多相關專案展現成果,繼去年十月也公布「 Google AI Impact Challenge」計畫,撥款 2,500 萬美元資助專注在人道議題與環境保護的專案開發,Google 今日在東京舉辦的機器學習論壇「Solve with AI」,讓我們更深入了解,Google 如何看待當今 AI 發展以及如何落實解決公共議題。

降低設備成本 人人都是 AI 貢獻者

要和非技術背景的第三方合作以 AI 解決問題, 投入的硬體設備成本或是技術門檻就不能太高,在今日介紹的多案例上,可以觀察到許多是用手機作為工具,透過雲端模型結合行動設備就能建立起機器學習模型解決問題。

舉例來說,這次獲得 Google 「 Google AI Impact Challenge」 資助的 Rainforest Connection 致力於雨林保護的環保組織 ,他們用回收舊手機結合太陽能安裝在雨林監測環境聲音,把音訊資料傳到雲端, 透過 Google TensorFlow 即時分析音訊,每當有砍伐和伐木卡車的聲音出現時,就能即時揪出濫墾的不法之徒,保衛巴西地區原住民的家園。

IMG_20190710_094754
Rainforest Connection 創辦人解釋如何監控聲音降低雨林濫伐

由於病蟲害讓棉花產地大國印度陷入苦惱,目前在印度約有 55%的農藥用在棉花種植,深受 150 種不同病蟲的困擾,另外一組獲得 Google 青睞的 Wadhwani 基金會用 AI 提供解法,開發計算作物病蟲害的算法。

延伸閱讀:人工智慧用在生態保育是什麼概念?紐西蘭鳥類研究員告訴你

農民只要使用手機拍攝捕獲害蟲照片,將照片傳送後就能辨識害蟲,不海量的在農地設置監控裝置,除了降低成本也能更有效率讓農夫了解蟲害狀況,未來 Wadhwani 也希望未來用 Google 給予的資金擴大規模,增加農地範圍、降低成本並教育農夫可以自己解決病蟲問題。

MVIMG_20190710_103135
專案負責人 Raghu Dharmaraju 現場示範用手機捕獲病蟲資料

電腦效能千萬倍成長 人才能否迎頭趕上?

Google 資深研究員及Google AI 負責人 Jeff Dean 向大家深入淺出介紹起 AI 與機器學習訓練模型,人工智慧得力於電腦效能的提升,從 1990 年代,浮點運算能力 32 GigaFLOPS 到了2019 年已達 420 teraFLOPS,與二十多年前相比快了一千萬倍,在今日實現更多應用從圖像、語音到文字等多種載體的資料分析,然而,在運算能力、模型優化以後,AI 發展仍然有幾項挑戰,包含人才與數據搜集、隱私保護等。

在人才部分,上回論壇中 Google 宣布開放企業內部員工的課程給大眾,如期去年正式推出免費人工智慧學習網站 Learn with Google AI,其中 機器學習速成班(Machine Learning Crash Course ,MLCC),這項為工程教育團隊加速 Google 員工上手機器學習基礎知識的課程,目前在 Google 內部已有超過 25000 人參與課程,由於不需要機器學習背景,開放至今已經在全球已吸引接近 350 萬人參與,以亞太地區來看,台灣、日本、韓國的反應都相當好。

延伸閱讀:Google 免費機器學習課程正式上線!支援多國語言含中文投注 AI 研究的人才成長還不夠,Jeff Dean 認為比起世界上許多無法完全仰賴人類的問題都待 AI 協助人類解決,因此,Google 一直和來自不同背景的第三方攜手,研究人員、開發人員、非營利組織、政府等。提供基礎的工具像是開放原始碼機器學習架構 TensorFlow,讓人工智慧的效用極大化。

數據濫用、資安隱憂? Google AI 發展堅守原則

AI 發展受到濫用的例子不少,像是假 AI Deepfakes 遭到色情濫用的問題未平息,近期生成假裸照的 DeepNude 又鬧得沸沸揚揚;又或是文本資料快速產生內容,假新聞、抄襲事件、或是社群媒體垃圾留言、洗評論等濫用,大數據搜集用戶資料用於行銷等資安疑慮受到爭議,技術發展雙面刃在 AI 領域也不例外。

Google  內部則以人工智慧準則來規範,對社會有利、測試過安全性、納入隱私設計的應用,同時也將可能造成的負面影響納入考量,究竟要開放給特定組織使用,還是全面開放給大眾?這些更為複雜的問題都需要更精確被定義,讓公司在 AI 發展上能採一致的審核原則。

目前 Google 已根據準則審查過 100 個專案, Jeaf Dean 舉例,在 Google 人工智慧開放數據庫 Google Cloud AI Hub 中,讓許多對 AI 有興趣的業者可以即查即用資料,然而,在 AI Hub 的大部分內容還是由 Google 外的組織發佈,難以判斷是否符合 Google 的準則,因此 Google 也增加策展工具、具體的條款內容下架流程。

搜集大量數據也要兼顧資安,Google 則是開發一種新形的機器學習-「聯合學習」(Federated Learning),在一台裝置上,就能訓練與運作機器學習系統。不需要從使用者的裝置收集原始數據,就能讓更多個人化服務符合用戶需求。

IMG_20190710_085309
Jeff Dean 介紹聯合學習(Federated Learning)的運作機制 讓行動裝置進行用戶交互訓練模型

Jeff Dean 舉例,大家熟悉的 Google 的鍵盤─Gboard 就是此概念,下載機器學習模型後能根據輸入的內容在裝置上更新,更新後的模型上傳到伺服器,個人數據還是會留在個人的裝置上,這就是為什麼 Google 雖然沒有真正取得個人資料,但是仍然可以給個人化推薦的新字。

說到 Google AI 發展,除了讓你想到那些酷炫的黑科技像是自家 Google Lens 的搜尋與翻譯、Pixel 以機器學習巧用於硬體上,讓單鏡頭得以實現人像功能,每年在 I/O 上展示從圖像、文字、語音等技術實現 AI 應用。

前年 Google 東京主辦的機器學習盛會,著重在商業、醫療與 Google 自家的工具應用,在今年論壇上我們看到更多關於社會議題的投注,可看出 Google 將越來越多重心放在「AI for Social Good」,探索能推動社會改變的 AI 。

延伸閱讀:直擊Google 東京AI 論壇,最新軟硬體應用齊聚一堂!

如果你也有志用 AI 解決公共議題,不妨持續關注「 Google AI Impact Challenge 」計畫,Google 透露,在所有申請者之中,有 40%是來自沒有人工智慧相關經驗的組織,這次選出了 20 位得獎者,也許下一個就是你!