2019年4月21日 星期日

從AIGO業界出題內容看台灣AI如何落地

人工智慧(AI)時代來臨 


2012年「AlexNet」完勝號稱影像分類領域最難的挑戰賽「ImageNet LSVRC」,成績大幅領先第二名近10%,正確率達85%,從此「深度學習」重新將機器學習分支中的「類神經網路」推向人工智慧(Artificial Intelligence, 以下簡稱AI)殿堂。在算法、算力及資料集的加持下,使得這幾年在影像、聲音、數據分析有越來越接近人類辨識能力的水準,「深度學習」功不可沒,因此2019年電腦領域最高榮譽的圖靈獎毫無疑問地頒發給深度學習三大推手Geoffrey Hinton、Yoshua Bengio和Yann LeCun。 

2017年科技部喊出「AI元年」口號並於2018年起成立四大「AI 創新研究中心」,台大負責生技醫療、核心技術、清大負責智慧製造、交大負責智慧服務、成大則負責生技醫療。同年初「台灣人工智慧學校」在學界及業界大力支持下順利成立,至今已有四個分校,培育數千位AI人才,學員遍佈各個產業,由此可知產官學研無一不重視這個可能影響未來的重大技術。 

話說在這樣的氛圍下,好像國父常說的大同世界老有所終(產業AI化)、壯有所用(AI產業化)、幼有所長(滿街AI人才)的美好世界就要到來,但實際狀況是每個人都害怕被這波潮流給淘汰或淹沒,所以紛紛加入AI浪潮中隨波逐流,人云亦云,好像不學一下AI就會馬上失業,而產業界搞不清楚到底AI能帶給自己什麼好處,好像什麼工作加上AI就萬無一失,給一堆巨量或微量的資料AI就能告訴我下一步怎麼做一樣,但目前AI的能力真得能解決所有問題嗎?AI人才所學真的能滿足這些需求嗎? 

人工智慧(AI)如何落地 


為了讓AI能落地,AI人才能發揮所長,不只是練練絕世大招,說的一口好算法及程式,各單位無不火力全開。科技部積極推動學界將AI技術成立新創公司,並推向國際。台灣人工智慧學校在純教學外,亦推出「移地解題」方案,讓廠商有機會利用AI解決業界痛點、讓學員(或自家派訓員工)有實際題目能發揮解題,同時能人才培訓後也能有新的工作機會。各大AI中心也積極推廣產學合作,使得AI能更貼近產業,不再只是發表論文,空有理論而無法落地。而在這波AI落地風潮中,由經濟部工業局主導、資策會推動的「AIGO」應該是最大規模「產業出X人才解題」的媒合活動。去(2018)年度成功募集到50道題目,共有33組團隊提出46案解題方案,不過由於時程較趕,九月才開始,所以出題業界及解題人才都無法充份交流,最後僅產出21個實際落地方案。

Fig. 1 AIGO官網畫面[1] (點擊圖放大)
 

今(2019)年度AIGO擴大辦理,三月說明會時已有38家廠商提出67項題目待解,不過在寫這篇文章的時間點(2019/4/14)已擴增到73題,後續五月還有第二波題目徵求,所以想大展身手的高手們,不要錯過了。此次資策會對提出需求的廠商有較明確的出題規範,包括題目名稱、敘述、分類、應用行業、資料型態、資料準備度、期望成果及更詳細說明的簡報,更重要的是提供了何種誘因(獎金、專案合作、就業機會及客源開拓等),這樣才能讓解題的人才能更了解是否屬於自己擅長的領域。而解題人才更關心的資料型態也要求廠商能明確說明解題人才所需技術、資料組成格式(欄位、無序)、資料集數量(大小)、標註資訊。當然近兩千萬的(入圍、解題到實證分階段)獎金也是鼓勵大家組隊參加重要誘因。 

為了讓大家更能快速了解到底出題的廠商希望解決什麼問題及所需的技術領域,以下就簡單幫大家整理一下重點,更完整的內容就請大家自行上AIGO官網查詢。首先以技術領域來區分,主要分為電腦視覺自然語言數據分析三大領域,而出題及瀏覽的比例大致接近,約略為5:2:3,如Fig. 2所示。而出題單位產業比例則如Fig. 3所示。而就應用領域來區分大致可歸納成智慧醫療、智慧教育、智慧零售、智慧製造、智慧交通、智慧城市、智慧服務等領域。 

Fig.2 依技術領域分類出題數量及瀏覽數量 (點擊圖放大)
Fig.3 依技術領域分類出題產業別數量 (點擊圖放大)


解題技術解析 


雖然此次資策會已針對出題廠商進行簡單輔導並協助評估如何將題目範縮小至真正需要AI解題範籌,但實際將73題全部閱讀後發現仍有許多廠商資料提供不清、目標無法量化(允收標準)或解題範圍大到一整個系統非單純AI問題。另外也有許多廠商將可以透過專家系統(人工提取多特徵求最佳解)或傳統電腦視覺(特徵提取比對)或大數據統計(資料採礦)分析手段就能解決的問題也當成人工智慧問題,好像在找專案外包商,有點小小失焦。更困難的是有很多廠商根本沒有提出數據或只有極少量數量,希望解題人才能協助收集、標註,也有提供超巨量資訊但沒有標註或分類依據就期望解題人才能建模撈出有效資訊甚至自動標註或分類,以上這些問題將嚴重影響解題人才投入的意願。當然像智慧醫療領域就相當有AI經驗(自有AI工程人員),提出的數據量、標註品質(醫生標註的)及專業領域知識協助、允收正確率、誤判率標準等資訊都相當充份,希望能找到高手一起協助解決。對於資訊提供不清的出題單位,猜想可能是因人力或能力不足的或許是廠商們不想透露太多商業機密,想等到見面會時再當面交流,若對特定題目有興趣的伙伴一定不能錯過輪桌接洽會的面對面討論。 

目前AIGO主辦單位(資策會)僅單純將技術領域分成「電腦視覺」、「自然語言」及「數據分析」三大領域,但這樣可能不夠清楚,以下個人就依常見的小分類(技術手段)為大家做更進一步解釋並針對相關出題內容簡單說明及歸類。不過個人能力有限,僅能就目前出題單位提供的公開說明資料自行理解分類,不一定和官網分類完全一致,若有誤解或說明不清的地方歡迎留言討論。以下僅提供出題單位、題目名稱及自行摘要概述,隨機排序,有些題目可能跨多個大分類或小分類,更完整的內容就請大家自行上AIGO官網查詢。

「電腦視覺」出題解析 


首先是電腦視覺(Computer Vision, CV)領域,主要分為「靜態影像」「動態視頻」二種資料來源,而靜態影像待處理的問題分為下列幾類。

*影像分類:

將單張影像分類至指定數量類別,或者轉成0~1的信心度(或機率)再由使用者決定其歸屬。亦可提出排序(Top-1, Top-3, Top-5)分數最高的分類給使用者參考,同時當成判定正確率做為驗收標準。解這類問題若是自然界常見物件,則多數會考慮直接拿ImageNet, Coco等資料集當來用,若辨識特定物件則可以前者資料集為基礎,再以遷移學習(Transfer Learning)來加快模型建立及訓練時間。而這類可用的模型相當多,算是相對比較好解的題型,大部份會發生不好解的狀況通常是訓練資料分類分佈很不平均、標註品質不好、標註數量不足,更嚴重的是有數萬張(或更多)待訓練的影像卻只標註了幾百張(甚至更少),甚至必須特定專業領域知識者才有能力標註的。

出題案例:
  • 【天氣風險管理開發】 AI道路監視器影像判斷降雨:利用影像分析地面、天空、雨跡、雨具產生即時天氣資訊。 
  • 【台灣楓康超市】 自動辨識水果甜度挑選水果方案:以影像方式辨識水果甜度。 
  • 【邑流微測】 半導體產線AI智動化影像檢測工具-與製程品質之關聯性建立:建立自動化影像分析系統連動品管關連性。 
  • 【佳穎精密】 AOI產線不良品影像自動檢測系統:端子、連接器生產品質。 
  • 【智慧領航教育科技】 AI頭皮檢測與診療方法判別:透過頭皮顯微影像進行問題分類。
  •  【華碼數位】 食物熱量影像辨識:利用影像估算食物熱量。 

*物件偵測:

不同於影像分類,單張影像中可以有多個(同類或不同類)物件出現,同時要標示出外框大小、位置、物件名稱甚至角度,比較接近人類認知及需求。同上分類,若是自然界常見物件且出題方未提供資料集,則可考慮直接拿ImageNet, Coco等資料集來用。目前此類的通用模型也有很多選擇,像RCNN, SSD, YOLO等,不過要採用何種模型則會依偵測正確率、計算量(速度)會有不同的考量。此類需求多半客製化需求很高,所以解題方常要協助標示並建立可用資料集。另外傳統的文字辨識(OCR)系統亦可當成物件偵測分類,先將文字逐字找出,接著再以影像分類來進行辨識,若要更準確檢測甚至要加上前後文自動修正功能。 

出題案例:
  • 【大同(股)公司】 AOI產品包裝自動檢測系統:檢查包裝內容型號、顏色及內容物件是否齊備。 
  • 【智慧領航教育科技】 AI頭皮檢測與診療方法判別:透過頭皮顯微影像標示特定問題大小、位置。 
  • 【台灣無人機應用發展協會】 無人機智慧影像自動即時判讀侵入禁區並和保全系統整合:以空拍影像分析是否有人、車違規闖入跡象。 
  • 【台灣無人機應用發展協會】 集會遊行之行動現場即時精準人數統計:利用空拍影像數人頭及人臉辨識。 
  • 【巨鷗科技】 影像辨識輔助工地監控工人職業安全衛生:利用影像辨識分辨是否有穿符合工安穿著。 
  • 【新漢智能系統】 如何讓AI物件辨識training變的更方便簡單:自動取得物件不同角度影像並產生自動訓練系統。 
  • 【新漢智能系統】 利用AI技術,讓機器人可判讀如何抓取之前沒見過物品:從影像中分辨如何抓取一個物件。 
  • 【來速捷物流】 利用AI技術辨識物流簽收單上之資訊:從掃描影像中辨識簽單號以利歸檔。 
  • 【華碼數位】 處方箋辨識與看診提醒:以影像辨識處方簽並依提取之資訊提醒用戶。 

*人臉辨識:

嚴格來說人臉辨識也屬於物件偵測分類,只是人臉對人的意義較大,關心的內容(性別、年齡、表情、身份、姿態等)也較豐富,所以特別獨立成一個項目來解決很多應用問題,目前在智慧零售、智慧城市及安全監控產業使用最為普及。由於這項技術已發展數十年,對於辨識正確率要求極高,要能克服攝影視角、光源、頭部姿態、模糊、遮擋等許多不穩定因素,因此想投入該領域的人須更加努力才能和大廠提供的技術匹敵。

出題案例:
  • 【台灣無人機應用發展協會】 集會遊行之行動現場即時精準人數統計:利用空拍影像數人頭及人臉辨識。 
  • 【鈊保資訊】 圖片個資偵測系統:從文件檔中找出人像及個資。 
  • 【中華民國超級馬拉松運動協會】 超級馬拉松即時人臉辨識應用:人臉辨識做為賽事確認、找自己照片。 
  • 【跨界策略顧問】 導入人臉辨識及Chatbot於大型會展活動之應用:透過人臉辨識及語音機器人系統應用於展會。 
  • 【百一電子】 AI電腦視覺辨識男生/女生的情緒與動作事件 :透過視頻分析性別、七種情緒、十六種動作行為。 

*語義分割:

所謂語義分割(Semantic Segmentation)和自然語言分析無關,而是指影像中是由多少物件組成及結構關係就像一句話結構,換句話說每個像素都須被精準分類,而不是像物件偵測只要畫個外框就好,而是要精準描繪出物件的邊緣。舉例來說一張影像中有一個人、兩隻狗站在藍天下、草皮上,則影像上的每個像素就要明確分類成人、狗、藍天、草皮。若再更進一步則稱為實例分割(Instance Segmentation),以上個例子來說,就是兩隻狗並必須再進一步分割,像素要分割成A狗和B狗,而不是兩隻狗所在像素都被分成狗的分類。因此這個分類的標註工作及計算難度、計算量也較「影像分類」、「物件偵測」高出許出。智慧醫療中使用最為普及,因為要精準標示出病灶所在,方便協助醫生從外觀輪廓、面積等條件精準判定是否為疑似病例,須進一步做檢查。 

出題案例:
  •  【台中童綜合醫院】 使用類神經網絡在X光影像上偵測結節與腫塊,以及標註生產線建置:從X光片中找出結節和腫塊並提供標註生產系統。 
  • 【台中童綜合醫院】 使用類神經網絡在X光影像上偵測與分類人工植入物:從X光片中找出人工植入物並提供標註生產系統。 
  • 【台中童綜合醫院】 胸腔電腦斷層之腫瘤輔助診斷,以及標註生產線建置:透過肺部斷層掃描影像偵測毛玻璃病灶與腫塊。 
  • 【高博思】 AI圖片去背功能:影像語義分割並提取。 
  • 【通騰導航】 以AI技術從光學空照影像中萃取道路中心線:透過衛星空照圖自動分析道路中線。

 *圖像標題:

這個分類是一種以圖像產生文字敘述的應用,簡單來說就是看圖說故事。所以首先必須能對圖像進行大分類,更進一步利用物件偵測技術找出圖像中的重要元素。接著再根據重要元素及預先安排好的多種句型產生說明文字,對於類似影像內容為避免答出完全一樣的答案,令使用者覺得太機械化,有時還要做一些句型的排列組合才可令回答更口語化。 

出題案例:
  • 【天氣風險管理開發】 打造AI氣象專家-自動天氣新聞稿:透過專業氣象圖自動轉成新聞稿。 
  • 【祥泰綠色科技】廢水處理與水回收系統生物診斷技術應用大數據AI分析:利用顯微影像進行水質分析並結合語音機器人完成客服。 
  • 【祥泰綠色科技】水體污染狀況顯微診斷技術應用大數據AI分析:建立即時顯微影像分析並自動生成對話通報。

 *影像生成:

影像生成技術主要是以一張圖像再產生另一張完整圖像的技術,如「風格轉移」、「自動上色」等。而知名的「對抗生成網路(GAN)」最常見的就是用一張人臉來生成另一張非常逼真但不存在的人臉。傳統圖像自動補洞(Inpainting)亦有利用此類技術完成,而去背(或稱摳圖)提取出特定物件則較偏影像「語義分割」領域。另外「影像增強」使影像去模糊或「超解析度(Super Resolution)」使圖像放大後仍保持清晰亦屬此類範籌。

 出題案例:
  • 【文鼎科技】 參照其他字重的完整對應將整套簡體向量字型轉成繁體向量字型:自動從指定字體學習字重並轉移至其它字體。 
  • 【百一電子】 運用電腦視覺AI技術生成/修飾/美化/抽象化照片 :將影像進行風格轉移或漫畫化。 
  • 【邑流微測】 AI 顯微影像辨識與優化:透過資料驅動方式強化(清晰化)影像以利後續計算。 

*立體視覺:

 傳統立體覺會採用雙攝影機完成雙眼視差計算來獲取場景中的深度資訊,近年來3D感測器(如Kinect, Real Sense等)興起使得這項技術就更為普及了。前者硬體成本較低,但需複雜的校正及巨大的計算量,不利一般人使用,而後者使用上非常方便,甚至微型化後還可裝進手機中,但其硬體製作技術及成本始終高居不下。因此深度學習興起後就有許多人想利用單攝影機拍攝單張靜態照片就想推估出接近的深度,來降低硬體成本及複雜度,但實際上若沒有足夠的算力一樣難以達成即時性的應用場景,至於使用何種方案會較為便宜就得看廠商把重點放在那裡了。 

出題案例: 
  • 【大同(股)公司】 AI陪伴機器人觸覺優化:利用機器視覺調校機器手臂使其更準確觸碰人體或送物。 
  • 【台灣利威國際物流】 使用影像辨識判斷貨物材積:利用影像計算貨物材積。 
  • 【百一電子】 AI電腦視覺平面辨識與直角辨識:透過影像計算出攝影機位置角度及物件所在平面空間。

而動態視頻問題解決方向主要有二大類,一種是將每一幀影像皆當成靜態來處理,但計算速度必須快過視頻頻率(一般要求遠小於1/30秒),每一幀所需分析內容和前後幀無明顯關連,此類相關應用多半亦可歸類在靜態影像問題。另一種是由多幀連續影像其中特定物件組成一個動作軌跡後,再依其軌跡相似性來進行行為(動作)分類。

 *行為(骨架、姿態)分析:

傳統電腦視覺要分析人體姿態、動作為單純化通常要穿上特定顏色或圖案的衣物,或者使用3D攝影機取得人體影像(自動去背),不然就要在身上關節點上綁滿紅外線反光球再配合動態補捉系統才能分析骨架、姿態或連續動作,但這樣的方式就無法應用到一般場景,或身著一般衣物,甚至在戶外有複雜背景情況下。於是有人結合3D模型所產生2D圖像及其3D資訊利用深度學習技術一起訓練而得到新的深度學習模型後,即可反過來用2D影像推估3D結構,而人頭的姿態、四肢的骨架甚至手指頭的結構就能被正確產生。再加上時間軸後,便可分析連續動作,如走路、跑步、跌倒、拿取等各種行為,更進一步還可分析多人互動,比方說跳舞、打架等,而這部份就比較像自然語言的處理及分析方式,只是把語音的一維序列變成三維(影像加時間)序列來識別。

 出題案例:
  • 【華碼數位】 體適能動作與姿勢辨識:以影像分析運動者姿態。 
  • 【宸訊科技】 利用動態影像辨識技術完成對農民於田間作業之行為分類與分析並能結合AI技術、配合專家互動,持續調整分類學習精準度:從串流影像中分析農業作業姿態(行為) 。 
  • 【集思動力】 iSEM多裂肌脊椎運動AI體況分析應用:透過影像、視頻分析人體動作姿態是否滿足特定位置、角度。 
  • 【百一電子】 AI電腦視覺辨識男生/女生的情緒與動作事件 :透過視頻分析十六種動作行為。 
  • 【良品嚴選】 客戶輪廓分析與服務人員及時輔助系統:從視頻分析客戶在店面行為以提供智能零售。 
  • 【良品嚴選】 線上連結線下新零售之AI分析:從視頻中分析行銷手段是否改變消費者行為。 
  • 【艾爾塔科技】 線下零售數據消費者行為洞察與全通路數據整合:透過人流資訊分析及預測消費者行為。 
  • 【卡訊電子】 智慧教室語音與影像偵測數據AI分析:建立語音、影像辨識老師、學生行為以增進學習效益。

 *軌跡預測:

預測一直都是人工智慧的重點,透過歷史資訊找出類似樣板就能合理推估即將發生的事件,像智慧製造的維修保養預測、智慧交通的車流預測、智慧城市的能源供需預測等領域都有大量應用。若想以連續視頻影像來追蹤或觀察特定物件(如車輛、行人等)之移動方向、距離、速度,就必須先利用影像「物件偵測」技術鎖定特定物件,再以其外框資訊(尺寸、中心位置)在時間軸上的變化來分析及預測。 

出題案例:
【鼎漢國際工程顧問】 市區交通路網AI路口自動化號誌控制:異質資訊分析車況以自動控制號誌改善交通。
【鼎漢國際工程顧問】 市區交通事件之車輛軌跡回測模型:利用視頻建立車流軌跡數位化。
【景翊科技】 利用路口車流影像分析車流數據:從視頻中分析路口不同車種通過及停留時間。

「自然語言」出題解析 


再來是自然語言處理(Natural Language Processing, NLP)領域,主要包括語音變文字、語意(文字意圖)分析、語義(文章)理解、語調(情緒)分析、文字變語音(語音合成)、語言翻譯等項目,而此次出題多半集中在「語音客服」「語音助理」「語義理解」相關應用上。 

*語音客服:

一般來說客服所需詢答的項目是屬於有限的,多半是預約、訂購、物流、資訊詢問等,通常可事前針對所有問答內容建立樹狀圖。傳統上最常見的就是電話語音客服,使用者透過不斷按鍵輸入選項來獲取所需資訊,但對老人家或沒有耐心的客人是很不便利地。因此近年來已開始有大量線上客服改成人工智慧自動應答的方式,客戶可透過語音或文字輸入口語化(自然語言)查詢內容,不須一層一層進入指定問題範圍,只需透過系統進行「語意(意圖)分析」自動對照到已安排好的問答內容上,就能快速得到文字或語音輸出,可大幅節省顧客時間及客服人力。

 出題案例:
  • 【童庭社會福利慈善事業基金會】 服務型虛擬機器人:建立語音機器人回答常見問題。 
  • 【福摩沙文化事業】 自動回覆客服機器人:自動回覆客服機器人。 
  • 【台灣楓康超市】 語音互動機器人:語音機器人。 
  • 【益欣資訊】 應用於連鎖品牌餐廳之語音機器人聯合訂位系統:透過語音機器人協助訂位並導引至有空位分店。 
  • 【天氣風險管理開發】智慧天氣問答機器人:協助建立生活化自然語料查詢天氣。 
  • 【祥泰綠色科技】廢水處理與水回收系統生物診斷技術應用大數據AI分析:利用顯微影像進行水質分析並結合語音機器人完成客服。 

*語音助理: 

不同於「語音客服」有參考題目及答案,語音助理更接近管家作用,可提供更生活化的對話及協助執行各種平台提供的行動服務,如家電控制、電商採購、資料查詢等,更進一步還可搭配「推薦系統」達到更貼心及個人化的服務。這項技術必須結合語音變文字、語義理解及文字變語音(語音合成)等技術才能完成服務,而由於技術門檻較高,訓練資料集不易取得,或者資料集過於龐大,因此常會整合各大廠提供的雲端語音服務。 

出題案例:
  •  【天鎏科技】 AI語音互動電子看板:虛擬語音(影像)助理(店員)協助介紹、推薦餐廳產品。 
  • 【旭智科技】 新手爸媽的1010天-自然語言辨識:透過語音機器人協助新手爸媽解決嬰幼兒問題。 

*語義理解: (Intention Understanding)

「語音客服」或「語音助理」通常只需分析一句話即可,但想了解一段話或一篇文章想傳達的內容或含義時就必須透過「語義理解」技術來完成。實務上大家更關心的是如何從社群輿論或新聞媒體中提取出重要關鍵字,進而能搭配「推薦系統」達成更多交易或增加客群黏著度。此類技術有部份可用傳統「資料探勘」方式來找出最常出現字詞(關鍵字)及之間關連,不須動用到機器學習或深度學習技術。至於要採取那種解決方式就看出題方及解題方各自的需求及技術能力了。

出題案例:
  • 【龍騰文化】 以關聯資源和題目的資料結構基礎,建立可自主的適應性深度教學和學習框架:提供老師及學生學習資源推薦系統。 
  • 【政治大學員生消費合作社】 運用網路輿論進行商品口碑分析:透過網路輿論分析熱銷團隊商品並協助自動化。 
  • 【通騰導航】 利用AI文字探勘技術挖掘社群媒體中的地理資訊:從社群訊息探勘出地圖需要更新資訊。 
  • 【七法股份有限公司】 裁判文書段落分段分類器:從裁判文書中自動分段。 
  • 【七法股份有限公司】 中文法學資料分詞器:透過分析大量判決資料建立中文法學分詞模型。 
  • 【七法股份有限公司】 中文法學資料新詞識別機制:透過分析大量判決資料自動建立中文法學新詞。 
  • 【三立電視】 新聞內容語意分析,萃取新聞關鍵字:透過新聞內容分類並提取關鍵詞。 
  • 【三立電視】 自動化分類與關鍵字推薦:分析新聞內容進行分類及關鍵字提取。 
  • 【鈊保資訊】 GDPR的自動分析系統:透過文字查找文件中是否有個人資料。 
  • 【鈊保資訊】特殊網站搜尋系統:透過文字分析是否為成人網站內容。 

「數據分析」出題解析 


數據分析類出題主要希望透過大量未標註數據提取出有用資訊或進行時序性預測,而前者大多可歸屬於「資料探勘(Data Mining)」類型,因為很多數據來源屬於結構化資料,欄位不多,所以通常利用統計技巧就可得到不錯的答案,甚至可以找出一些一眼看不出的結果及資料關連性,一般常見的「推薦系統」多半亦歸屬在「資料探勘」領域。由於目前一般人(非學、研領域)對「專家系統」、「資料探勘」、「機器學習」、「神經網路(深度學習)」領域分界沒有明確概念,所以通通算到「人工智慧」領域,可能造成出題和解題方認知不同的問題,須仔細溝通。當連續性數據需要找出特定重覆性時序樣板來進行預測時,此時就要藉助深度學習的自然語言處理(NLP)技術來進行分析,對於智慧零售預測熱賣商品、智慧製造預測機台保養週期、智慧城市預測能源供需及氣候變化、智慧醫療預測患者健康狀態都有很大助益。 

出題案例:
  • 【天氣風險管理開發】 利用氣象資料預測極端天氣:透過氣象(時序性)資料預測一周內氣溫及降雨。 
  • 【晶心科技】 用AI環保救地球:透過使用者習慣找出讓電池夀命延長方式。 
  • 【巨鷗科技】 運用大數據分析建立模型及挖掘旅遊趨勢!:透過大數據分析旅遊趨勢。 
  • 【大同(股)公司】AI能源監控在物業管理上的解決方案:透過各項表頭資料驅動方式找出適切環境品質。 
  • 【承啟科技】 智慧工廠:利用人工智慧分析工廠機具運營最佳化:依訂單及機台狀況達成工作分配最佳化。 
  • 【承啟科技】 智慧工廠:工廠能源管理最佳化:分析用電資訊達成節能。 
  • 【東稻家居】 年度產品銷售預測跟趨勢:利用過往資料預測來年熱
  • 賣產品。 
  • 【智慧領航教育科技】 AI POS機預測維護:透過數據分析預測無預警當機問題。 
  • 【魁籟國際】 由消費者在購物網站之活動行為分析行銷決策:分析使用者消費行為以利預測採購及精準推薦。 
  • 【魁籟國際】 社群媒體廣告投放效益與決策分析:分析消費者行為來決策廣告投放。 
  • 【樂活醫務管理】 心房顫動IoT數據分析:分析感測器收集到數據進行序列資料分析(分類)及預測。 
  • 【三立電視】 個人化新聞推薦系統:依用戶使用行精準推薦閱讀新聞及廣告。 
  • 【三立電視】 影片廣告插入點推薦:根據影片分析找出最佳投放廣告內容及時間點。 
  • 【益欣資訊】 線上商情分析智慧推薦系統:分析歷史數壉提供KIOSK精準推薦餐點系統。 

小結


以上僅個人簡單對此次AIGO出題內容的看法,希望有興趣參加的伙伴不要錯過了。個人深深覺得人工智慧未來將帶領世界產生巨大的變化,就像當年個人電腦問世一樣,雖然會造成一些工作消失,但是會創造出更多就業機會及生活便利性。目前在算法、算力、資料集及領域知識都到位情況下,只要把握機會讓AI落地,相信科幻電影中人工智能的情節不再是遙不可及的夢想。 

參考資料來源:
[1] AIGO官網 https://aigo.org.tw/ 
[2] FY108_AI智慧應用新世代人才培育計畫說明會簡報 

延伸閱讀


 從AIGO業界出題看如何成功導入AI

1 則留言:

  1. 感謝網友來信告知「語意」筆誤為「語義」,在此簡單說明其差別。語義較偏屬語句結構分析亦可廣義視為語句欲傳達內容的意義,而「語意」較屬語句欲表達意圖。而影像分析中的「語義分割(Semantics Segmentation)」是借語言學名詞來用,是用於表達圖像中有那些元素構成及組織關係,現在多用來表達每個像素被分類到那個特定類別中,即影像分割和真正的自然語言分析無關。而「語義理解」中文上可解釋成語句結構及內容如何被解讀,以英文表示為semantic understanding,亦可解釋為語句想表達的意義或意圖,英文表示為 intention understanding,而個人較傾向後者。為避免大家誤解,已於本文上加上英文註解。

    回覆刪除

【頂置】簡報、源碼、系列文快速連結區

常有人反應用手機瀏覽本部落格時常要捲很多頁才能找到系列發文、開源專案、課程及活動簡報,為了方便大家快速查詢,特整理連結如下,敬請參考! Edge AI Taiwan 邊緣智能交流區 全像顯示與互動交流區 台科大(NTUST) 人工智慧與邊緣運算實務 開南大學...