Skip to main content

2022 年以後,身為人工智慧開發人員的意義

人工智能開發者

請試想,速食餐廳可根據是哪些汽車駛入得來速車道,量身打造他們現有的食物類型。請試想,能夠偵測完工汽車零件滲透性有問題的先進攝影機。或者是放射科醫師可以與虛擬助理一起仔細檢查 X 光片,然後挑出有問題的片子再看第二遍。

當前人工智慧開發的重要性

這些改良的作業方式全都仰賴人工智慧(AI)驅動,而且各行各業使用人工智慧的案例幾乎都呈爆炸成長。只要有資料,就有締造效率的機會,而且人工智慧的機會甚至更多。

一系列技術轉變是這場人工智慧革命的推手,包括運算能力成長,以及 5G 網路這類更優異的通訊基礎架構的開發。

然而,雖然人工智慧轉型可能勢在必行,但人工智慧開發人員人才短缺的事實,卻可能成為大規模執行人工智慧的絆腳石。

Intel® 網路與邊緣事業群副總裁暨物聯網事業群開發人員實現總經理 Bill Pearson 表示:「如果在每個產業應用人工智慧,那麼就意味著我們需要更大量的開發人員迅速學會人工智慧技能。」

近期一份關於企業人工智慧狀態的意見調查發現,人工智慧開發人員和工程師是頂尖人才公司最需要的人才。這個模式普遍存在於所有企業,無論是經驗豐富、技能老練或是剛入門人工智慧部署的人才都需要。然而 Pearson 卻指出,遺憾的是,人工智慧知識卻多半掌握在少數開發人員手上。

這種人工智慧人才的落差,可能肇因於開發人員投入現場工作前,仍有幾項障礙待克服。

頂尖人工智慧開發人員的挑戰以及克服挑戰的方式

1. 人工智慧知識有限

若要建立人工智慧模型,開發人員必須先瞭解人工智慧是什麼,認識人工智慧的用途。然而,現有的說明文件卻往往是針對經驗豐富專業人士所編寫,並未顧及初學者。若要在人才庫迅速注入人工智慧開發人員新血,則必須快速創造公平的環境。

開發人員展開人工智慧學習之旅時,他們需要更合適的說明文件、實作訓練,以及使用容易的工具。

「人工智慧過去一直是屬於專家的領域。我們確實需要讓大家更容易取得資料,我們必須讓人工智慧普及化。」Pearson 表示。「我們必須讓開發人員適時輕鬆找到合適的資料,讓他們更容易取得他們要找的資訊。」

舉例來說,Intel 為需要人工智慧開發特定問題解答的人,提供了各式各樣人工智慧訓練影片與說明文件。這些資料是專為各種程度人工智慧專業知識量身打造,讓初學者可以開始摸索,同時進階開發人員也能為更詳細的應用程式使用案例找到解答。另外,Intel 提供的先決條件清單可協助開發人員展開旅程

Intel 邊緣人工智慧認證課程是開發人員針對開發人員所開發,傳授核心人工智慧概念,以及如何以自己的步調應用不同使用案例。這個課程提供免費工具與程式碼範本、開放原始碼資源,以及預先訓練的人工智慧模型庫。開發人員可以研究這些模型中的程式碼,瞭解如何在自己的工作應用這些程式碼。

2. 選擇過多

然而,雖然擁有所有可供入門使用的人工智慧工具與資源,但開發人員可能很容易就會不知所措。他們未必隨時清楚知道工作適合的工具是哪一種。接著,大家會擔心這項工具是否為值得信賴的長期投資。開發人員必須理出頭緒,知道哪些硬體、軟體、人工智慧模型和演算法符合他們長期需求。

讓人工智慧普及化,以及改善取得必要工具的途徑,使得它們成為開發人員日常工作流程的一部分。「我們必須秉持開發人員至上的原則提供這些工具,並且搭配開放的彈性平台。」Pearson 表示。

開發人員應格外留意支援他們喜愛之各種已知工具的互通性與開放式生態系統。

舉例來說,Intel® 發行版 OpenVINO 工具組支援其他熱門的人工智慧架構,例如 TensorFlow、Caffe、PyTorch 與 ONNX,這樣一來開發人員就不會覺得受限於一種選項。

此外,人工智慧工具組使用容易,初學的開發人員也能輕易上手,但其進階工具也能協助開發人員調整工作規模,大幅提升人工智慧技能。Pearson 表示:「這個工具組運用人工智慧與電腦視覺推論,協助開發人員提供更迅速也更精確的結果。」

由於 OpenVINO 屬於開放原始碼,因此開發人員社群強大,可讓開發人員參與、為改善平台貢獻一己之力,以及善用社群所成就的其他改良之處。

Pearson 表示:「開發人員不僅能決定最合適的工具與架構,還能參與打造業界最頂尖的幾款工具與架構。」

3. 建立人工智慧模型

開發人員獲得展開這趟旅程所需的工具與資源之後,隨即面臨開發和部署人工智慧模型的相關挑戰。舉例來說,他們是否有開始打造模型所需的正確資料?資料是否為有用的狀態或格式?他們要如何將資料應用於使用案例?

Pearson 表示:「我們最大的挑戰之一,就是將資料傳送至正確的位置,物盡其用。」資料科學家必須確保人工智慧模型屏除偏見,因此疑慮更多,包括資料集的來源以及使用方式。

為了履行開發人員至上的承諾,OpenVINO 提供了 Model Zoo 這個可供開發人員使用的預先訓練模型組。這個套組包含利用 TensorFlow、Pytorch、MXNet 與 PaddlePaddle 這類業界標準架構開發的範例。Pearson 解釋,建構於開發人員可能已經使用之架構的人工智慧程式碼,符合開發人員至上這個方式的條件,因此他們無須轉換工作流程就可受惠。

對於在雲端與邊緣使用的人工智慧模型來說,還必須解決資料安全性這個疑慮。開發人員與資料科學家必須驗證資料來源,並且確保人工智慧模型開發符合倫理道德。「用途並非唯一的關鍵,用於產生資料和演算法的人員與流程也是。這一切都是打造出符合倫理道德且公平人工智慧解決方案的一環。」Pearson 表示。OpenVINO 工具組透過資料防護附加元件,提供了額外一層的資料安全性。

「使用安全性附加元件時,它只為模型提供一種安全封裝然後安全執行的方式。我們能夠讓使用者擁有適當的模型存取權限,他們是在有若干指定限制內執行模型,而且他們甚至可以在 KVM 型虛擬機器中執行。」Pearson 解釋。

4. 邊緣雲端的困境

接下來的問題則是他們儲存、處理及分析資料的位置。Pearson 表示,人工智慧傳統軟體開發情況不同,開發人員的工作方式自然隨之改變。

傳統上,物聯網裝置多半是專用性質,內嵌於功能固定的裝置。然而,近期雲端和雲端原生技術日益普及成熟,容器與協調也逐漸變得無所不在。因此,開發人員紛紛針對物聯網與人工智慧開發,改用運用雲端原生技術的軟體定義高運算開發環境。

雲端人工智慧用於雲端型機器學習模型繁重的運算作業,而邊緣則提供了在資料來源分析人工智慧模型的新機會

Pearson 指出:「如果您過去是建置解決方案的嵌入式開發人員,如今卻突然得設法瞭解如何利用邊緣人工智慧擷取及闡釋資料,那麼這可說是截然不同的全新典型。」雲端原生開發正在改變開發人員的現況,他們必須同時瞭解雲端與邊緣的人工智慧使用案例,並且相應地建立模型。

Pearson 指出,瞭解您的業務目標與目的是關鍵所在。他表示:「視開發人員的 KPI 和目標而定,我們可以協助判斷最適合他們執行人工智慧的位置。」

雲端運算在成本與規模方面提供了優勢。如果企業設法達成的目標,不需要在現場確保資料安全,也不需要低延遲,那麼雲端或許是正確的方向。如果有頻寬、安全性與擴充方面的疑慮,那麼開發人員不妨考慮使用邊緣。

「身為開發人員,我可以選擇哪個地點最適合執行哪種工作。另外,無論是邊緣的功率還是效能,我都可以在雲端將運算資源從幾乎無限調整為限制較多,而且我依舊可以取得我設法達成之業務目標所需要的人工智慧。」Pearson 解釋。

有了可擴充的雲端原生開發,無論是邊緣還是雲端,工作負載都可輕鬆延伸至需要智慧的地方。

5. IT/OT 整合

人工智慧效用的本質是整合 IT 與 OT,另一個挑戰隨之出現。開發人員必須瞭解如何將邊緣的作業深入洞見整合至業務營運,實現效率。

另外,為了微調,開發人員必須從 KPI 反推,然後判斷能完成工作的合適軟硬體組合。視 KPI 而定,團隊可能需要不同的效能與功率選項。Pearson 表示:「開發人員必須思考『哪一種硬體適合執行我的應用程式,為我締造需要的結果』。」

假設人工智慧開發人員能夠取得專門知識,讓軟體開發繼續進行,他們還是必須在各種不同的硬體單元測試軟體。這個過程不容易實現,也不是完成工作最省時的方式。持續的全球晶片荒讓問題雪上加霜,使得採用這類晶片的硬體不易採購及購買。

Intel 的 DevCloud 為人工智慧開發人員解決了其中一個最嚴峻的挑戰。它讓開發人員能夠在數百部邊緣硬體裝置測試人工智慧解決方案,因此做決定時不會不知所措。

Pearson 表示:「開發人員可以快速瞭解應用程式使用每部硬體時的效能,也能夠瞭解他們的特定解決方案適合什麼硬體。」

最新版本的工具組 OpenVINO 2022.1,透過專為輕而易舉測試硬體組合設計的全新硬體自動探索與自動最佳化,也能在這個領域派上用場。

人工智慧開發通常過程複雜,因為必須為每個終端使用案例自訂軟體。此外,預計要使用的邊緣硬體,會增加需要測試的排列與組合數量。Pearson 表示,OpenVINO 工具組讓過程化繁為簡。「沒有『我必須以不同方式執行這個,因為涉及 FPGA(現場可程式化邏輯閘陣列)』,或是『若要利用特定硬體功能,我可能必須使用不同的程式碼』。」

撰寫一次即可隨處執行的跨架構工具組,出現了開發人員至上的方式。Pearson 表示:「利用我們的模型優化器,您輕輕鬆鬆即可最佳化、調整及執行推論應用。」更棒的是,不瞭解 GPU 與 CPU 差異的開發人員,可以讓這個發揮作用。

6. 調整人工智慧工作

開發人員開始之後,下一步是什麼?未來的路徑未必一向明確。

Intel 透過 Intel® Developer Catalog 這套經市場實證的垂直軟體實作,為進階開發人員提供了推論實作。舉例來說,希望實作缺陷偵測人工智慧系統或智慧流量管理的開發人員,可以使用目錄中的範例。Pearson 表示:「您可以看到所有程式碼,我們會逐步引導您實作,而且您很快就能掌握情況。」

人工智慧開發的關鍵不僅是軟硬體,部署環境也息息相關。Intel® Smart Edge Open 這項額外的工具,可以協助開發人員瞭解,如何讓人工智慧應用程式成為可部署於環境之基礎架構的一環。Pearson 表示:「開發人員在棕地的背景或其他環境測試正在建置的人工智慧應用程式,這一點至關重要。」

僅僅數年前,開發人員能存取及闡釋邊緣資料的這種構想,似乎就像是妄想。然而,這一切正在改變。Pearson 表示:「[人工智慧] 開發人員的角色,比以往更為重要。」「我們必須透過幫助開發人員大規模建置解決方案的工具、產品和資訊,確保他們做好因應這個新環境的萬全準備。」

為人工智慧開發的未來做好準備

這只是一個時代的開始而已。Pearson 解釋,運算能力越來越強,加上人工智慧日益普及,使用案例將會擴充至超乎我們想像的領域,他還補充:「開發人員將會是人工智慧的核心,利用技術超越極限,並且創造一些可能讓我們大感驚豔的有趣解決方案。」

對於開發人員來說,成功的關鍵在於瞭解他們設法解決的人工智慧問題,並且具備解決問題的技能。

Pearson 表示:「現在與未來的關鍵在於開放式架構與開放式生態系統,因為它們具有開發人員需要的更高彈性、互通性與可擴充性。」「人工智慧讓開發人員有機會擁抱新世界以及創新。」

人工智慧將成為未來之道。另外,所有類型的開發人員透過技能提升,以及使用簡化工作流程並釋放創意的工具,即可在這場刺激的革命中佔有一席之地。

 

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

作者簡介

Poornima Apte is a trained engineer turned technology writer. Her specialties run a gamut of technical topics from engineering, AI, IoT, to automation, robotics, 5G, and cybersecurity. Poornima's original reporting on Indian Americans moving to India in the wake of the country's economic boom won her an award from the South Asian Journalists’ Association. Follow her on LinkedIn.

Profile Photo of Poornima Apte