世界級人工智慧大神，如何把臉書變AI帝國？

臉書人工智慧研究院院長楊立昆首度來台，掀起全台產官學界朝聖熱潮，也照映出台灣投入AI戰場的焦慮與熱度；究竟，想跟上AI熱，台灣的能與不能是什麼？楊立昆30多年前的構想，讓筆跡辨識、影像辨識甚至自駕車成為可能。這位堪比大神的人工智慧學者點出，下一個人工智慧突破口，就在「常識」。台灣掌理AI發展政策的舵手之一、科技會報辦公室執祕及資策會董事長郭耀煌則說，形塑生態系、導入各領域的應用，甚至統整型研發服務公司等，都有台灣的機會在其中。

「這是我的中文名字，楊立昆。」秀出三個龍飛鳳舞的書法大字，６月29日，臉書人工智慧研究院（FAIR）院長楊立昆（Yann LeCun）在台大舉行演講。這是他上任以來，第一次在台灣的公開行程，原本預計僅１場公開演講，擴大到３場，除了台大外，在交大及成大也開講，報名人數超過1000，直播影片瀏覽率超過７萬。短短４天，在學界造成一股旋風。

演講會後，學生爭相合照，不少人捧著楊立昆多年前發表的一疊論文，請他簽名；甚至有慕名而來的學生南北三場跑透透，就為了能問上一個問題。

楊立昆來台的這個盛夏，也正好是台灣人工智慧（AI）最蒸騰的時候。除了PTT創辦人杜奕瑾回台創業，政府科技政策的相關場合，更是三句不離AI，楊立昆自然成為各界爭相請益的對象。

除了演講，他馬不停蹄，接連拜會了科技部及資策會，多年前曾與楊立昆共事的科技部部長陳良基，更特別希望他能促成臉書與台灣的合作。

面對官員與學子的焦急熱切，楊立昆也樂於提出建言，「未來每支手機裡，可能都有AI晶片。」一再提到台灣半導體將扮演AI重要角色。這個想法，讓資策會董事長，同時也是行政院科技會報辦公室執行祕書的郭耀煌很贊同，但他也強調軟硬整合，「台灣必須建構自己的AI生態系。」

這股堪比搖滾巨星的追星熱，不只因為楊立昆在臉書任職的光環，更因為他在人工智慧領域宛若「大神」的成就——深度學習重大模型「卷積神經網路」（CNN）之父。

2013年，臉書執行長馬克．祖克柏請來任教紐約大學的楊立昆，從３個科學家、７個工程師開始，組織FAIR，如今人數已經破90人，是臉書最神祕的研究單位。

「前天（６月27日），臉書用戶達到20億人。」演講一開始，楊立昆帶著微笑宣布社群帝國的最新疆土範圍。這些用戶每天上傳到臉書的照片高達10至15億張。而影像辨識，也正是臉書在人工智慧熱戰中，需要楊立昆助陣的關鍵。

在演講場合，楊立昆無一例外會播放一段有點年歲的影片。鏡頭前年輕的他微笑著，將一排手寫數字放在電腦一旁的鏡頭下，電腦運作數秒後，準確地辨識出影像中的數字，一個個顯示於下排，沒有一個數字失手。那是1993年，卷積神經網路首次出現的實際應用。

卷積神經網路是人腦神經網路相仿的深度學習架構，會將圖片分解成細至像素的微小區塊，擷取其中特徵並加以組合，比對有多少特徵與其他圖片相符，因為篩選條件可以重複使用，同理在聲波及筆跡中也適用。這套平行篩選機制，大大簡化了神經網路的訓練過程。

卷積神經網路也是楊立昆在深度學習領域初試啼聲的開始。他於1990年代任職於美國最大電信商AT&T的貝爾實驗室，那是發明電晶體與行動電話等20世紀重大科技的殿堂，可說是美國腦力密度最高的機構之一。

在這裡，楊立昆發表了卷積神經網路的基本架構，剛開始應用於手寫辨識，銀行而後採用他的技術，讓自動提款機可以辨識支票內容，這是第一次，卷積神經網路走出實驗室大門，在人類的生活中實現。

但是這一項發明，並沒有讓他聲名鵲起。2002年，AT&T因內部的矛盾，終止楊立昆的研究計畫，並解散他的團隊。加上技術趕不上想法，能使這套模型實現的電腦以及資料規模並不存在，很多學者並不能理解卷積神經網路的運作機制，而質疑楊立昆的研究，當時，他甚至被數個重要學會以及期刊擋在門外，拒絕他發表論文。

學術的孤獨對楊立昆來說不是新鮮事。1980年代他在巴黎讀書時，法國沒有人研究神經網路，美國也鮮有聽聞。「我只能自己做研究，連指導教授都找不到。」最後好不容易找到可以幫忙論文署名的教授，甚至看不懂他的研究。「我畢業後，那個教授反而開始研究神經網路。」楊立昆笑說。

面對各方不看好的懷疑論者，楊立昆選擇和以前一樣埋頭苦幹。他到了紐約大學任教，並創辦紐大的資料科學中心。時至今日，由於運算科技及資料的突飛猛進，楊立昆30多年前的心血重新獲得重視，被視為辨識語言及影像的重要技術架構。尤其2012年，當ImageNet視覺識別挑戰競賽中，卷積神經網路寫下圖片辨識率達85％的歷史紀錄，在兩年內錯誤率從28％大幅降低至15％，讓楊立昆頓時炙手可熱。

楊立昆博士後的指導教授、也是人工智慧教父級人物的多倫多大學教授辛頓（Geoffrey Hinton），形容楊立昆是「舉著火炬度過黑暗時代」。從早期的支票辨識，到谷歌旗下安卓手機作業系統的辨識語音功能、百度的影像搜尋系統等，卷積神經網路的身影無處不在，都有賴楊立昆的奠基。

更讓人振奮的應用，當屬自駕車。

輝達的自駕車計畫，以及英特爾以153億美元購併的以色列新創MobilEye，都是利用卷積神經網路辨識道路影像。「之後進一步拓展到更多領域，也許未來在醫療上，放射科影像可以交由電腦來判讀了！」技術一步步發光發熱，楊立昆看到的人工智慧疆土，比20億臉書人口還要廣袤。

「當祖克柏說：『我相信你可以成立一個全世界最好的AI研究所。』我覺得這是很有趣的挑戰。」祖克柏承諾了龐大的企業資源，雖然FAIR成立目的在於探究人工智慧領域所有的問題，但楊立昆很快就讓臉書這個巨大的人際網路機器，開始學會如何聰明地思考。

楊立昆走馬上任半年，2014年６月，FAIR發表了一篇文章，講述「DeepFace」技術可讓人臉辨識精準度達97％。如今，DeepFace已經是臉書照片標記功能的重要引擎，每一張照片在２秒鐘內會通過兩層卷積神經網路，檢測物件並識別人臉。

對走過業界及學界的楊立昆來說，沒有比坐擁龐大用戶資料的臉書更讓人興奮的試驗場域。「如果我們有一個可行的想法，在一個月之內這個想法就會在15億人面前化為真實。」他在先前接受外媒訪問時提到，「我們要看著遠方地平線的目標前進，但途中也可以開發很多短期能夠實現的應用。」

「現在即使是最聰明的AI，都還很笨拙。」楊立昆舉例，「如果說『這個行李箱裝不下獎盃，因為它太大／太小了。』人類可以知道，『太大』的『它』是指獎盃，『太小』的『它』是指行李箱，但是AI無法憑單一文句辨識。」

AI要如何才能具備常識？或許第一步就是脫離人類的監督。舉例來說，目前AI學習型態大多為監督式學習，由千張圖片去得出特徵；或者是加強式學習，AI一次次接受資訊做出判斷，並藉由判斷的是非之中形塑認知。

這兩種訓練方式若非人類給予AI資訊，就是AI必須給出回饋，更需要標籤並分類資訊才能進行。「未來幾年的挑戰，是讓AI學會從原始資料中學習，就像人類學習的方式。」

而要走到遠方的AI地平線，楊立昆認為必須團結前行。FAIR在他主掌之下，在開源社群GitHub公開不少研究的原始碼。「這是我們這個時代最大且最複雜的科學挑戰，不是任何一個組織、單位，或是一家大公司就可以單獨解決。必須是所有研發單位的集體努力才有可能達成。」

此趟來台，眾人莫不想請大神描繪出未來藍圖。但曾歷經AI寒冬的楊立昆，對於未來的想像，反而不像科技大老一樣豪邁，他寧可謹慎一點。

「科技產業經常高估了短期發展，低估了長期發展。AI的革命時間點很難預測，當我們承諾得太高，（大眾）就會出現反彈。」畢生研究如何讓機器思考，但站在AI研究巔峰，楊立昆看到的，仍舊是人的不可預測。