Saturday, September 30, 2017

AI 隨筆(一):如何組隊

AI 隨筆(一):如何組隊

2017/09/30

前言:

寫一點心得給想要以 AI 創業的朋友們。

自從我開始寫 AI 文章以來,陸陸續續有一些熟或不熟的朋友要找我一起合作。題目包含有:1. Chatbot+FinTech。2. PPG。3. EEG。4. 自駕車。5. 機器人。6. 自駕車電池管理。


Fig. 1. Top 10 Best One Piece Characters [1].

-----

一開始我對 Deep Learning 還是一竅不通的時候,也是這樣想的。如果我跟某某或某某某組隊,一定做的起來,因為某某實在太厲害了。後來,我很快地覺悟,要獵到某某,這比變得比某某更厲害還難,所以,我還是乖乖地K論文,想辦法變的比某某更厲害。

當然,這個想法也是不切實際,因為某某在大公司專心做 AI,而我身為創業發起者,要管的事多如牛毛。但總之,由於在 AI 上面勤勉地耕耘了一段時間,也因為商業模式獲得肯定,所以,有跟某某介於伯仲之間的 AI 高手加入團隊。

我想說的是,AI 專家屬於稀缺資源,要嘛他們都被大公司網羅了,要嘛他們會有自己感興趣的題目。求人不如求己,在工具越來越強的趨勢中,如果你能掌握一點基礎理論,配合一個可行的商業模式,還是很有機會切入應用領域的!

針對上面六個題目,列舉一些參考資料,給有興趣的朋友們!

-----

1. Chatbot+FinTech。

我個人覺得,Chatbot 是個假議題,因為我研究了一小段時間後,就發現其實重點在後面的 AI,或者說 NLP。所以就趕快投入研究 Deep Learning 了。

至於 FinTech [2]-[4],雖然我不認為這是個有實質生產的行業,但以研究為目的,或者以賺錢為目的,應該是可行的。因為 Deep Learning 的長處在於從大量資料中歸納出特徵。如果你把股價的曲線圖看做 Game 的螢幕,那 DQN [5] 應該也是可以訓練用來執行「買」「賣」的動作。

這裡面有個難度是,蒐集資料,標註資料,開發平台,等等,都需要不少人力、物力,執行起來困難度也不低就是了。

-----

2. PPG。

最早來跟我談的朋友說是要做「脈」,這個我就有興趣了,沒想到見面後,才知道,就是一般夾手指的 PPG。

PPG 也好、王唯工老師的「脈」也好。用 Deep Learning,也是可以做的。這類時間上的電壓訊號,雖然屬於時間的一維資料,應用上,其實可以當作二維資料來處理,心電圖,不就是圖嗎,呵呵!

後來果然看到吳恩達博士用來偵測心律不整 [6]。

概念上,Deep Learning 號稱不用專家,其實很多應用,從標誌資料開始,就離不開專家了!
 
-----

3. EEG。

這個朋友是做 EEG [7] 相關應用的,他跟我說要做 Parkinson's disease [8] 相關的應用。

醫學類的問題我都有興趣聽聽,沒有想到,當天的會談天馬行空,跟 EEG [7] 還有 Parkinson's disease [8] 都扯不上關係。但,凡走過,必留下痕跡。查到的資料,存檔起來,留個紀錄。

-----

4. 自駕車。

這個當天也是聊的天馬行空,沒提到自駕車。

我大概只能說,這個題目難度太高,但知道一下皮毛,還是很有趣的。

後來我有留上心。在某篇大全集裡 [9],有兩篇應該是不錯的論文 [10], [11]。

其實自駕車也可以搞個簡單而有趣的,先熱身 [12]。

-----

5. 機器人。

機器人也是有趣的題目。

來找我的朋友,是兩人軟硬體,精通伺服控制的團隊。然後一直以來,想做這個的公司好像也不少。有趣歸有趣,這個要整合的,實在太多了,玩不起。

在我蒐集的第一篇大全集 [13] 裡,機器人有九篇,九篇我翻過後,認為 [14] 是可以先入手的,研究者的直覺。話說回來,若要切入,這九篇只是基本吧!

-----

6. 自駕車電池管理。

最新的一個 project 是自駕車的電池管理 [15]。

文章裡面提到:「預測方式分Adaptive Neural Network(AdNN自適應神經網絡),與Autoregressive Moving Average(ArMA自回歸移動平均線),來預測電池的剩餘壽命。 [15]」

2012 年的時候,Deep Learning 還沒有很紅。第一種NN,我找到兩個專利 [16], [17]。第二種迴歸分析,看似剛好最近看的決策樹迴歸分析可以用上 [18]。

有關電池管理加上深度學習,找到一篇 [19],但它是嵌入式系統,不是車用。然後又找到一篇車用,可是它是油電混合 [20]。

很奇怪的是,大體上都是傳統的方法 [21], [22]。但以特斯拉搞這麼熱 [23],應該用 Deep Learning 的研究會有才對,或者是拿去發專利?

側面得到的消息是,台灣某電池大廠已經有很多資料,但沒有 solution。

綜合蒐集的資訊,如果只是要把傳統的電池管理拆到雲端上,屬於小專案。如果是有大數據,要用 ML/DL 分析,那應該不是小專案所能搞定。

之所以查這麼多資料,是因為這個題目屬於工業4.0的規範。

「從賣引擎到賣飛行時數,效益有多大。勞斯萊斯用大數據、物聯網,實時監控全球客機四千六百具引擎的效能,僅以四%成本,避免引擎故障引起的飛安疑慮,更從此改寫產業遊戲規則。[24]」

從感測器、雲端、大數據、人工智慧,可以用 ABCI 來涵蓋。

AI、Big Data、Cloud、IoT。

-----

結論:

這個談不上研究,只是最近以來,跟朋友們聊 AI,順便查到的資料,趁機整理一下而已。

回到本篇的主軸,資料其實都在網路上,做點功課,到社團上跟大家聊聊,也許有比較大的機會找到合適的隊友。

重點是,自己要先做功課。

-----

References

[1] Top 10 Best One Piece Characters - YouTube
https://www.youtube.com/watch?v=Mz6icVxFr3c  

◎ Fintech, Machine Learning

[2] Cavalcante, Rodolfo C., et al. "Computational intelligence and financial markets: A survey and future directions." Expert Systems with Applications 55 (2016): 194-211.

◎ Fintech, ANN
[3] Tkáč, Michal, and Robert Verner. "Artificial neural networks in business: Two decades of research." Applied Soft Computing 38 (2016): 788-804.

◎ Fintech, Deep Learning
[4] Chong, Eunsuk, Chulwoo Han, and Frank C. Park. "Deep learning networks for stock market analysis and prediction: Methodology, data representations, and case studies." Expert Systems with Applications 83 (2017): 187-205.
 
◎ DQN
[5] Mnih, Volodymyr, et al. "Human-level control through deep reinforcement learning." Nature 518.7540 (2015): 529-533.
 
[6] Rajpurkar, Pranav, et al. "Cardiologist-Level Arrhythmia Detection with Convolutional Neural Networks." arXiv preprint arXiv:1707.01836 (2017).

[7] Schirrmeister, Robin Tibor, et al. "Deep learning with convolutional neural networks for EEG decoding and visualization." Human Brain Mapping (2017).

[8] Eskofier, Bjoern M., et al. "Recent machine learning advancements in sensor-based mobility analysis: Deep learning for Parkinson's disease assessment." Engineering in Medicine and Biology Society (EMBC), 2016 IEEE 38th Annual International Conference of the. IEEE, 2016.

[9]GitHub - sbrugman_deep-learning-papers  Papers about deep learning ordered by task, date. Current state-of-the-art papers are labelled
https://github.com/sbrugman/deep-learning-papers

[10] Computer Vision for Autonomous Vehicles: Problems, Datasets and State-of-the-Art
https://arxiv.org/abs/1704.05519

[11] End to End Learning for Self-Driving Cars
https://arxiv.org/abs/1604.07316 

[12] Formula Pi 自駕車大賽,派你的 Raspberry Pi 上場駕車 _ TechNews 科技新報
http://technews.tw/2016/07/31/formula-pi-car-contest-send-your-raspberry-pi-play-drive/ 

[13] Deep-Learning-Papers-Reading-Roadmap_README.md at master · songrotek_Deep-Learning-Papers-Reading-Roadmap · GitHub
https://github.com/songrotek/Deep-Learning-Papers-Reading-Roadmap/blob/master/README.md 

[14] Levine, Sergey, et al. "End-to-end training of deep visuomotor policies." Journal of Machine Learning Research 17.39 (2016): 1-40.

[15] 智能車載系統帶來的EV創新行動管理技術與服務 - DIGITIMES 物聯網
http://www.digitimes.com.tw/iot/article.asp?cat=130&id=0000303630_VRU55SP34GY485LZ2O384 

[16] 專利 CN104881001A - 一种基于深度学习网络的储能电池管理系统 - Google 專利
https://www.google.com/patents/CN104881001A?cl=zh

[17] 專利 CN205141735U - 一种智能电池组及电动车 - Google 專利
https://www.google.com/patents/CN205141735U?cl=zh

[18] The Star Also Rises  Python Spark ML(目錄)
http://hemingwang.blogspot.tw/2017/09/python-spark-ml_4.html

[19] Zhang, Qingchen, et al. "Energy-Efficient Scheduling for Real-Time Systems Based on Deep Q-Learning Model." IEEE Transactions on Sustainable Computing (2017).

[20] Qi, Xuewei, et al. "Deep reinforcement learning-based vehicle energy efficiency autonomous learning system." Intelligent Vehicles Symposium (IV), 2017 IEEE. IEEE, 2017.

[21] Andwari, Amin Mahmoudzadeh, et al. "A review of Battery Electric Vehicle technology and readiness levels." Renewable and Sustainable Energy Reviews 78 (2017): 414-430.

[22] Hannan, M. A., et al. "Review of energy storage systems for electric vehicle applications: Issues and challenges." Renewable and Sustainable Energy Reviews 69 (2017): 771-789.

[23] 詳解電動汽車鋰離子電池管理系統的關鍵技術 - 華語熱點
https://www.pushme.news/content/167144.html 

[24] 勞斯萊斯 不賣飛機引擎 改賣「飛行時數」|產業|工業4.0|2016-07-05|天下雜誌第601期
http://www.cw.com.tw/article/article.action?id=5077195

2 comments:

wen meow said...

你真的好棒這超級有用的整個全部我剛剛看好想直接+FB或什麼可以及時NOTE的東西

尼好抱歉太興奮了先自介我是努力用類神經搞不動產的傻孩子,看到前輩BLOG整理的所有這一大堆真的太感動想哭了

總之您對人資的想法感覺跟我之前在活動場合運氣很好的堵到沛星游先生問到類似的答案有點像,感覺態度上,就明明這應該在形成架構和發展上很重要最重要可又有點順其自然的感覺囧,似乎這的確是最有效的方式(真的假得囧)

總之超感謝您整理的所有這些的,整個真的太棒太棒了

Marcel said...

http://warrentw.blogspot.tw/2017/03/ai.html