智慧應用 影音
萬里雲
event

疫促企業更仰賴AI SAS抓緊商機擴布局

左起為台北榮總資訊室主任郭振宗、SAS台灣總經理陳愷新、玉山金控技術長張智星。SAS

COVID-19(新冠肺炎)疫情爆發以來,可說是為世界帶來巨大的影響。從產業方面觀察,企業不僅採取了更為彈性的辦公方式,也加速了數位轉型歷程。SAS台灣總經理陳愷新指出,近兩年的環境變動讓企業更仰賴能夠即時支撐分析決策的數據,也增加了人工智慧(AI)技術的導入與應用。

陳愷新提到,環境的不確定性讓企業組織判斷的難度大增,因此會更仰賴數據提升決策信心。然而,當數據分析與AI技術被廣泛應用,卻又帶來另一波規模化的挑戰。而規模化的挑戰正是企業為何著眼、布局維運化(Ops)流程的關鍵因素,因為唯有讓AI從開發到部署能在標準流程下被自動監控更新,才能夠大規模發揮營運價值,解決真正的商業問題。

玉山金控近年積極布局數位轉型,導入金融科技要素。主導數位化的智能金融處自建機器學習即服務平台(MLaaS),讓各單位能透過此平台請求AI微服務,可視為打造供應內部AI的服務平台。然而,隨著內部AI應用愈來愈多元,不同業務內容的AI模型累計數量超過百個,加上這些模型往往需要跟著市場需求隨時更動,營運端不斷變化的資料更讓準確度維持不易,因此便面臨到模型管理、維運、監控的難題。

因此,玉山金控攜手SAS共同打造ModelOps流程,將模型管理做到規模化、自動化。此流程將整體AI模型從開發、維運,到後續的管理、上線、調整等全部納入其中,也就是將整個模型生命週期的管理流程標準化,提高協作效率也更利於監控。

玉山金控科技長張智星解釋,ModelOps就像是用AI自動化技術監控、管理一群AI模型。此外,ModelOps與MLOps的不同之處在於,MLOps主要是針對單一模型進行維運化,而ModelOps則是針對多個模型進行管理。

台北榮總也與SAS共同合作,展開三階段AI臨床應用技術計畫,2021年初完成第一階段,將北榮大數據平台資料與血液透析機等聯網機器產生的串流資料串接,分析不同結構的資料,讓腎臟病患的個人心衰竭風險預判準確率達90%,後續也串接肺部影像資料使病理分析更加全面。

日前北榮與SAS的合作也完成第二階段,也就是導入AutoML技術,協助院內分析人員減少超過9成的建模時間。未來第三階段將會專注於管控與拓展,藉由建置在雲端環境的ModelOps流程監控模型效能,台北榮總資訊室主任郭振宗指出,ModelOps的終極目標是管控AI模型效能,以確保輔助診療的安全性。

陳愷新表示,企業除了維運化之外,下一波需要掌握的是複合式AI(Composite AI)技術,也就是在同一個運行框架下,結合不同AI技術如機器學習、電腦視覺等擴展學習的精準度與效率,以及從小數據取得洞察,來為複雜的商業問題提出最好的策略解方。解決複雜商業問題需要運用到橫跨不同領域的團隊,舉凡機器學習、統計、需求預測等AI技術,然而普遍來說,能培養或建置具備跨AI學科團隊的組織仍為少數,因此企業估計會需要尋求可支援複合式AI技術的單一平台,以達成運用複合式AI技術減少需建置大量資料科學團隊成本的願景。

SAS台灣過去主要業務成長動能為雲端與軟體授權,帶給SAS台灣約4成的營收成長,其中包括風險管理、詐欺偵測、AI運算管理平台與智慧醫療方案等。陳愷新指出,展望下一波成長動能,由於雲端已是大趨勢,SAS將會把握此方面商機,此外將聚焦於疫後趨勢與法遵科技,也將強推自動化機器學習(AutoML)功能與維運化解決方案,藉此確保AI更容易被導入與部署,讓AI效益更快展現。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 賽仕電腦 AI