AI素養與IE素養
AI素養與IE素養
相信過去兩年對大家來說充滿了新的學習機會。當大型語言模型(large language model,LLM)不只是自然語言處理 (natural language processing, NLP),甚至可能成為通用問題解決工具時,生成式人工智慧(artificial intelligence,AI)的影響已經是毋庸置疑。對個人和企業而言,關鍵在於如何跟上趨勢,系統性地學習以及正確地運用這些技術與工具。在本文中,我以工業工程(industrial engineering, IE) 人的角度,基於參與AI社群的學習經歷,摘要了我在AI素養與IE素養的學習心得。
謝禮宗 秘書長
◆台灣人工智慧協會 秘書長
AI素養
「素養」,就是應對挑戰和解決問題的能力。我認為要建立學習框架以及透過大量閱讀,才能有效率的累積AI知識。台灣人工智慧學校將AI能力分為三個層次,提供了基本的學習框架(如圖1),包括:使用AI、實作AI以及管理AI三個部分。其中,使用AI指的是具備基礎知識和原理、實際應用、了解技術前景以及反思倫理規範。以下我從產業、企業和個人影響的層次,更進一步地延伸這個AI的學習框架。
▲圖1. 台灣人工智慧學校 AI 素養能力
產業影響:
台灣人工智慧學校校長孔祥重院士形容目前是「一個時勢造英雄的完美時刻」,第一位英雄就是NVIDIA創辦人黃仁勳先生。在今年(2024年)三月的GTC (GPU Technology Conference) 年會上,他說:「有100兆美元的全球產業來到現場,絕對有重大的事情正在發生,變革正在進行。一個新的產業已經興起。」我觀察這場產業革命有三大影響:
以全球的知識,加速生產力提升。
新的人機協作,重新定義電腦。
資通訊改造,促進其他產業轉型。
大型語言模型利用全球知識進行訓練,越多的領域知識,模型的生成能力就越強越多工(這又說明大量閱讀的重要性)。直接的效益就是生產力的加速提升,首先賦能個人,進而賦能企業。電腦介面越人性化,人就越離不開AI。當AI無處不在,不僅人機協作的方式改變,我們的生活方式也會改變。黃仁勳說:「NVIDIA不是要製造更快的火車,而是要加速整個交通運輸架構。」也就是所謂的「加速運算(Accelerated Computing)」,這不僅要加快運算力,資料的存取和傳輸都要加快;從GPU在雲運算到FPGA、ASIC在端運算;從晶片、系統到伺服器,以及從硬體、軟體到架構的革新,翻新整個資通訊產業的面貌。
企業影響:
AI 1.0取代藍領,而現在的AI 2.0,也就是生成式AI,將逐步取代白領工作。生成式AI加速了專業知識的自動化,雖然建構企業大腦絕非易事,但這是重新梳理企業Know-What、Know-Why和Know-How的絕佳機會。不變的挑戰仍是如何將AI整合進企業的流程和管理之中,成為數位轉型競爭力的一部分。我認為,這正是IE素養可以發揮的地方。
個人影響:
對個人來說,AI的影響因工作性質有所不同。不過資策會產業情報研究所(Market Intelligence & Consulting Institute, MIC)韓揚銘提出的生成式AI三階段應用情境,為我們提供了一個通用的參考框架:
當AI的能力低於人類時,AI以feature-embedding的方式整合於數位工具中。
當AI的能力與人類相當時,AI以copilot的形式存在,如同帶著走的助手。
當AI的能力超越人類時,AI是一組代理人程式(AI agents),能夠自動拆解和重組人類指令並完成任務。
這個框架幫助我們理解AI在不同階段的角色,以及如何根據其能力程度來調整我們的工作方式。
IE素養
人工智慧科技基金會(AIF)在今三月公布了針對台灣產業所進行的「台灣產業AI化大調查」的調查結果(圖2),將企業AI化程度分為四個階段:Unknowing AI、Conscious AI、Ready AI與Scaling AI階段。若將這四個階段另以「0到1到N」來定義:前兩個階段等於[0到1],後兩個階段等於[1到N]。調查結果顯示,約七成的企業仍處於AI化的[0到1]階段,也就是說這些企業有能力讓單一專案成功,但還無法平展整體推動。至於無法進入Ready AI的前三大挑戰分別是:數據、AI認知與組織文化。對工工人來說,這些挑戰正是建立和提升IE素養的機會。
數據:
AI的三大要素是演算法、數據和領域知識。自動化工具如AutoML已經簡化了演算法的複雜性,而生成式AI正逐步自動化大部分的領域知識,只有數據是永遠的瓶頸。從企業標準資訊架構的建構經驗來看,要先有BI(商業智慧)才有AI,先有SI(系統整合)才有BI。數據整合要靠系統整合,系統整合是基本功。而系統整合功力應該就是做為IE首要學習的基本素養。
AI認知:
儘管「提值增效降本減存」是普遍認同的AI效益,對「AI認知」的問題仍然存在。AI會取代勞力,但它真正價值在於透過流程整合或方法改革來提升生產力。AI應被視為數位轉型的一部份,而非獨立專案,不應該單獨評估其投資報酬率(return on investment,ROI)。事實上,改善是整合的成果,ECRS(Eliminate, Combine, Rearrange, Simplify)和自動化往往需要在AI專案之前實施。因此,AI專案的效益應該要以整體解決方案的範圍來評估。能夠正確地評估AI效益是IE要具備的素養。
組織文化:
數位轉型以量變造成質變,但往往改變是組織發起的,不是技術驅動的。組織文化在進入Ready AI階段應發揮更關鍵的作用,但在實務上總是成為AI效益擴展的障礙。經營者要做的不只是參加top-down誓師,更應參與改革並根據營運變化持續調整量化的目標。領域專家最重要的責任不再是提供解答,而是定義問題。而執行部門則需建立一個整合的營運架構:整合的系統,自動化的流程,學習型的組織,以及講求資料科學的工作文化。我認為,具備建立這種整合營運架構的能力應做為IE最重要的素養。
總而言之,建立正確的學習框架是累積AI素養的起點,而這個學習框架除了包括使用AI、實作AI和管理AI之外,還應從產業、企業和個人的影響層次來廣泛分類AI知識,架構出更全面的AI素養。AI是一項改變世界的技術,但就像網際網路(Internet)一樣,它無法獨立創造價值。對企業而言,AI是數位轉型的一部分,是競爭力的持續改善而不只是專案。工工人要培養系統整合,效益整合,與營運架構整合的IE素養,才能夠成為數位轉型[從1到N]的關鍵角色。
▲圖2. 人工智慧科技基金會「台灣產業 AI 化大調查」