科技、應用、資料正驅動數位轉型，重塑市場樣貌。對於企業來說，如何運用下一個重要創意，抓住新的商機，將是贏得市場的重要關鍵，而這其中，科技與資料更是扮演著重要角色。
近期，HPE副總裁暨高效能運算&人工智慧技術長吳永琳來台擔任HPE Reimagine Summit 2018 TAIPEI主題演講嘉賓，同時也對媒體分享了他對AI實踐的兩大觀察，吳永琳認為，在新的世界中，具有品質的「好」數據非常重要；另外，如果有對的運算能力，就能學習的很快。
 |
| ▲ HPE副總裁暨高效能運算&人工智慧技術長吳永琳指出，AI實踐有兩大關鍵，其一是具有品質的「好」數據非常重要，另外，如果有對的運算能力，就能學習的很快。 |
他提到，過去30年來，IT都是運用科學規則來進行預測，舉例來說，電腦在股市中自動的買進賣出，憑斷的依據可能是：如果50天的短期股價移動平均超過200天長期的股價移動平均，就應該自動買進。這是科學規則，但是大約在3、5年前，華爾街股市有了不同的作法，只要透過歷史記錄，就能試著預測未來。「機器學習並不是很複雜的過程，只是需要不斷地嘗試錯誤，將參數權重調整到最佳的狀態，再加上現今的運算能力愈來愈強，只要將舊有累積下來的歷史數據就可以進行機器學習，這也是為什麼AI與機器學習會這麼受歡迎的原因。」
近年來，機器學習已成為一股顯學，最早的應用主要是拿來辨識圖片，許多競賽也以辨識率作為主要評比的依據，從25%的錯誤率一路進步到15%的錯誤率，直至今日，在圖片方面的辨識，機器的錯誤率只有2%，勝過人類的表現。同時機器學習的應用也不斷在擴展中，舉例來說，過往農場在除草時，通常的作法是大面積地將除草劑灑在農地上，但有了機器學習技術之後，除草機就能準確地分辨作物與雜草，只將除草劑精準灑在雜草上，而避開種植的作物，如此一來，農家可以節省90%的除草劑用量。
「當機器可以辨識物品，而且辨識得又快又好的時候，就可以有各式各樣的應用。」但吳永琳也提醒，機器的聰明程度取決於用到的歷史記錄，而且不只取決於量，更取決於質。這也是為什麼數據管理框架對企業而言非常重要，因為企業不僅須保留數據，在需要的時候還必須能快速取得。「現今許多企業環境，資料多半分散存放在各個部門內，但要讓機器具有聰明的智慧，就必須綜覽全貌，這些資料應該要統整起來，也是企業必要進行的功課。」
對於現今解決方案供應商提供AI模型以提供企業運用的現況，他坦承，即使已經有訓練好的模型，企業還是必須持續地訓練，但要花多久的時間就得看資料有多「乾淨」，是不是能夠快速存取，通常這兩個因素是企業遇到的兩大難題，一般來說，企業通常需要花上80%的時間用於整理資料，然後才能開始訓練。「假設公司有30年的數據，前後歷經四任的資訊長，現任的資訊長要用這30年的數據來進行訓練，可能就會有點困難。如果前面幾任資訊長對數據有一致的管理方法，或許只要花上2至3個月就可以把資料整理好。這也是為什麼就算企業還沒打算投入AI，也要重視數據管理框架的原因，否則一旦決定投入時，IT根本無法跟上。」