智慧應用 影音
Dtalk
fetnet

AI策略佈局高峰會 產學激盪擘劃台灣AI發展方向

  • 羅上修

「未來科技展」AI策略布局高峰會,邀請來自研華科技、趨勢科技、英特爾以及台灣大學的產學界專家分享關於建構AI生態鏈以及人才培育等重要議題。

因應近來AI的快速發展,在日前由科技部主辦的「未來科技展」上,特地舉辦了「AI策略布局高峰會」,邀請來自研華科技、趨勢科技、英特爾以及台灣大學的產學界專家分享關於建構AI生態鏈以及人才培育等重要議題。與會專家一致強調,AI將是提升企業競爭力,加速台灣產業轉型的重要關鍵,業者應思索如何善用數據與開放源架構,並加強產學合作,以期能加速部署AI應用,創造更多商機。

精心設計的資料採集是AI應用關鍵

研華科技執行董事何春盛表示,過去一年來,AI成為業界最熱門的議題。但事實上,AI的概念早在1956年就已出現,近來快速進展主要歸因於資料大量成長、運算能力快速提升,以及TensorFlow、Caffe等演算法的開放源趨勢,加速了AI的廣泛應用。

他強調,沒有資料就沒有AI應用,而深度學習就是因為能夠有效處理非結構性資料,能夠有如此迅速進展。資料的來源有三大類:一是自投羅網,亦即使用者每天上網搜尋、貼文等各種行為將資料貢獻給相關業者;二是政府公權力,例如ETC、個人戶籍、薪資、就醫等資料;三是精心設計的資料,對業者來說,這才是取得有效資料的重要方式。

舉例來說,現在的汽車業者,在車輛交車後,就無法掌握汽車的任何資訊。若藉由安裝感測器持續收集動態資料,例如里程數、汽車狀態等,可自動發出維修或保養通知,提升了汽車業者的服務價值。所以,精心設計的資料收集才能在客戶與供應商之間產生黏性(Stickness),並帶來商機。在B2B應用端,AI能應用能帶來顯著的價值提升,但業者必須先有明確的資料分析策略。

何春盛表示,據統計到2025年,AI市場營收將達到1250億美元,其中有56%來自應用服務,硬體佔30%,軟體佔14%。台灣的機會在於服務與硬體,業者應善用開放源軟體,加速AI實際應用的部署。

面對AI趨勢,研華的布局策略是部署AI邊緣運算以及遠端管理、監控與預測服務,並朝AI-as-a-service (AI即服務)的商業應用模式轉型。除了服務客戶,在公司內部研華也實際運用資料與演算法進行客戶流失與潛在客戶分析,並制定細分客戶的對應銷售/服務策略。

何春盛總結道,企業應盤點公司擁有的資料,妥善應用,並將AI應用在公司各個環節,包括製造、供應鏈、客戶服務、業務管理等,讓AI能真正協助企業提升競爭力。

運用AI提升企業營運績效

趨勢科技研發部資深副總周存貹分享了趨勢科技的AI經驗。他很自豪地說,趨勢科技已是一間AI公司。目前,公司內部包括資安與營運相關的AI專案就超過40個。以資安為例,趨勢已實際將AI深度學習技術應用在電子郵件詐騙阻擋、垃圾郵件阻擋以及惡意巨集偵測等方面。

針對目前常見的變臉詐騙(BEC),利用AI學習公司主管的書寫風格,判斷信件內容是否為詐騙,已獲得良好成效。對於垃圾郵件阻擋,隨著客戶天會收到成千上萬封的垃圾郵件,已不可能用人力或傳統規則式(rule-based)的方式來過濾處理。透過AI的訓練,學習分析垃圾郵件,可過濾掉99%的垃圾郵件,大幅降低人力成本。

而在惡意巨集偵測方面,目前常見的作法是在沙盒(sandbox)中執行巨集才能知道是否為惡意,但是成本高,且速度緩慢。同樣地,利用機器學習分析,找出特徵,透過比對來判定是否是惡意巨集,可大幅減少檔案數量進到沙盒,使成本降低,速度變快。此外,針對企業營運,趨勢也已利用AI技術,進行客戶續約可能性預測,作為業務部門的參考。

周存貹指出,目前針對AI有兩種做法,一是AI+,亦即AI產業化,像許多科技大廠積極投入的自駕車、演算法等專屬AI技術的發展。但對台灣業者來說,更好的機會應該在於+AI,也就是產業AI化,在既有的產業基礎上,加上AI應用,就如同當年的網際網路興起一般,善用新技術,讓它成為企業營運的一環,才能在新一波的產業轉型中維持競爭優勢。

為了協助台灣建構AI生態圈,趨勢科技將舉辦T-Brain競賽,串聯學界與業界,透過競賽主題,找出AI的潛在應用與商業模式,協助學界與業界創造雙贏。從2018年起,預計每兩到三個月會舉辦一次,每次競賽總獎金預計20萬,他呼籲業界與學界共襄盛舉,共同為建立台灣的AI生態圈而努力。

AI邊緣運算將是下一波應用重點

英特爾業務行銷事業群企業解決方案協理鄭智成暢談了人工智慧的回顧與展望。他表示,由於利用傳統分類演算法的辨識率不高,現在最火熱的機器學習技術,事實上曾歷經數十年的幾番起伏以及近十年的類神經演算法寒冬,乏人問津。一直到2012年,利用神經網路進行訓練及推論,有了明顯的突破後,才終於掀起這波的AI熱潮。同時,在Google、微軟等科技大廠與學界的共同努力下,開發多種演算法並將其成為開放源,到2015年辨識率達到95%以上,終於使得機器學習得以邁入另一波的高峰。

鄭智成強調,AI浪潮正要開始,業界的應用才是重點。這波的應用熱潮,歸因於演算法、大數據以及運算能力的提升。特別是隨著Caffe、TensorFlow、CNTK、Mxnet等Framework的就緒與開放,讓更多人都能使用機器學習的技術。現在業界已無需再投入成本與時間從零開始來開發自己的演算法以及建置硬體架構來訓練神經網路,反而是應該掌握以及運用這些最新的學術研究成果以及開源軟體。 台灣業者更應加緊腳步,考慮如何利用這些現有資源與工具,加速導入實際的AI應用。

為了加速AI布局,英特爾除了開發多款晶片外,亦開發許多程式庫與平台,讓這些library以及Toolkits能夠取得更好的硬體效能。其中,英特爾提供兩個重要的SDK,一個是電腦視覺CV SDK (Intel Computer Vision SDK),另一個是Intel Movidius MDK,作為英特爾硬體晶片與深度學習實際應用的介接,支援各種主流Frameworks訓練好的模型,因此能把推論功能快速帶到閘道器或終端裝置。

Movidius視覺處理器功率最低僅1W左右,可應用在電池供電的裝置。例如大疆無人機DJI-Spark就是採用英特爾的Movidius Myriad 2視覺處理器以及預先訓練好的模型,能實現障礙物閃避、人臉與手勢辨識功能。此外新款Google Clips迷你AI相機,也是内含Intel Movidius Myriad 2視覺處理器,可直接於相機終端進行即時AI與機器學習運算,提高圖像辨識與處理效能,在離線情況下也能隨時捕捉生活中的精彩瞬間並編輯影像。

針對需要持續供電的裝置,則可利用CV SDK,把訓練好的模型實際付諸應用。例如,英特爾與亞馬遜合作的DeepLens為首款可編程的深度學習無線攝影機,内含Intel Atom X5處理器、Intel深度學習軟體工具,及Intel深度神經網路Compute Library,能在攝影機終端上即時運行電腦視覺模型,支援雲端環境中的AI模型訓練與導入,可降低成本與即時回應,幫助開發者設計出更多AI與機器學習的創新應用。鄭智成認為,把AI推論功能帶到終端裝置勢必會帶動風潮,成為新一波AI運用的重點。

最後,台灣大學資訊工程系林守德教授針對 AI人才培育,介紹教育部人工智慧技術及應用人才培育計畫的重點,包括 人工智慧基本教育與科普論述、AI技術及應用領域課程、AI實務場域學習及平台、AI競賽與標註資料蒐集等四大架構,並將規劃AI核心課程地圖,從各方面著手加強學生與教師的能力培養。他呼籲,台灣應強化資訊教育,才能培育出能與各國並駕齊驅的AI世代人才。