搜尋結果

以下是含有余孝先的搜尋結果,共12

  • 台灣AI發展趨勢與優勢

     人工智慧(AI)是近年的「當紅炸子雞」,AI這個詞彙1956年就出現,期間有經過幾度起伏,直到7、8年前,機器學習(machine learning)與巨量資料(big data)分析技術有了突破性進展,讓AI重新站上舞台。國際上談論AI發展應用重點,主要聚焦在金融科技、製造業、零售業、醫療業四大領域,因為這些領域具有大量資料可以分析及應用。 \n AI的機器學習,前提是要有資料可以分析、推論、學習,因此豐富的資料是發展AI必要條件,製造業及醫療產業是台灣發展AI應用的重要領域,因為台灣資料最多在於製造業及醫療照護業,尤其是製造業的規模龐大、產業鏈完整,相較於其他產業來說,更具備充足的資料來進行AI的應用開發,這些資料庫數據多,較能產出參考價值高的應用。 \n 例如,在製造業中的設備保養,一般製造業多採用定期保養,而工研院研發的「半導體機台故障預診斷」使用AI技術後,可分析過往的機器故障紀錄,在需要保養時才去保養,大幅降低設備維修保養消耗的有形和無形成本。 \n 另外,「瑕疵影像分類技術」在印刷電路板檢測發揮很大功用,不僅可取代過往以人眼做品質檢驗,比全人工檢驗減少超過五成的重檢率,準確率也大幅提高,而應用在生產線上的AI,並非全部都是取代技術員,也可以是輔助技術員,讓技術員的排班更彈性,減輕工作量和壓力,為員工及業者帶來更大效益。 \n 受惠於我國優異的醫療部門,在醫療領域累積許多數據,可以進行AI分析及應用。例如搭載手持式眼底鏡的「糖尿病視網膜病變診斷輔助分析技術」,有利於偏鄉醫生攜帶至偏遠地區巡診,不僅可以馬上拍馬上看,更能判讀視網膜病變的嚴重程度、利用AI標示出病徵與位置,提高糖尿病病患早期發現眼部病變的比例,另外,「AI理財機器人」更因為能以APP的形式,讓一般民眾能在手機、電腦上使用,降低享受專屬理財服務的資本門檻,讓理財服務成為全民都能享受到的成果。 \n 然而AI快速興起發展、創造新機會同時,也帶來新的討論議題,近年外界時常探討AI是否會一步步取代各行各業、造成失業率攀升。事實上,AI可以優先應用在做人類不想做的工作,並且協助一些人類目前還做得不夠好的專業工作。 \n 「AI可以學習畢卡索,但不是第一個畢卡索」,目前的AI專長,是從既有經驗學習如何處理事務,但對於需要創造、感受情感的工作卻不擅長,因此,AI可以去做人類不想做的工作,或幫助承擔工作量,比如在大夜班時運用AI,讓人力能適當休息,不一定會使人力減少,但產量可以提高。 \n 就過去科技發展來看,當汽車發明時,人們擔憂人力車或馬車產業鏈都將失業,但計程車這個產業卻服務了更多人,對AI發展來說也是相同的道理,以醫療應用為例,AI應用在研發階段都和醫療單位合作愉快,因為選的題目都是來輔助醫療人員診斷,協助他們作第一線篩檢,降低例行性工作。 \n 台灣產業要導入AI仍會面臨諸多挑戰,包括:不清楚AI可用之處、欠缺資料整備與機敏資料處理經驗、找不到AI專業人才、投資成本考量等。 \n 因此工研院創立了「人工智慧共創平台AIdea」,針對企業導入AI的困難做出回應,提供服務包括:提供企業需求分析顧問服務、資料整備服務、鏈結產學界能量解決問題,可增加企業導入AI的時效及降低成本,目前已協助醫療、製造、交通、地質、石化、生醫、防疫、酪農業、環保等產業議題找到最佳AI應用,為國內企業在AI時代搶得先機盡一份心力。 \n (本文作者為工研院代理總營運長暨AI應用策略辦公室主任余孝先)

  • 余孝先AI玩不膩

    余孝先AI玩不膩

     人工智慧(AI)是近年的「當紅炸子雞」,工研院AI應用策略辦公室主任余孝先投入這塊領域20多年,在AI概念正熱的時候加入,經歷了AI領域低迷的幾年,又在7、8年前,因機器學習的突破,AI重回鎂光燈焦點。他說,踏入這個領域,要有「5年一歸零」的心理準備,「熱愛學習」是最必要的條件。 \n 余孝先為國立交通大學資訊工程博士、美國亞利桑那雷鳥國際管理學院企管碩士,目前是工研院代理總營運長、AI應用策略辦公室主任,擔任過工研院巨量資訊科技中心主任、資策會副執行長及大數據所、數位轉型研究所所長。 \n 在工研院的幾十年,余孝先推動AI及大數據分析相關技術產業化,同時致力於推動開放資料與相關技術,促進資料經濟的發展,2015年協助政府獲得國際開放知識基金會(OKFN)的政府開放資料評比全球第一。 \n 余孝先說,攻讀交大碩士學位時,「剛好是AI起來的時候」,不過,他坦言,AI概念1956年起就有了,但這個領域起起伏伏,在他走進AI世界後,也經歷過沉寂、從熱轉冷的時期,直到7、8年前,大數據(Big Data)找到對的方向,成為機器學習的關鍵,也讓AI重新站上舞台,再次備受矚目。 \n 追根究柢隨時上網查 \n 余孝先的研究專長是大數據、人工智慧、機器學習、電腦視覺。AI領域在他口中十分迷人,如果也想進入這個領域,需要有什麼前提呢?他強調,最重要的就是「熱愛學習」。 \n 科技領域都有「知識更新周期」,余孝先說,大約每5年,在科技相關學科,原本所學的理論或方法可能就會「歸零」、「更新」、「改進」,要做好心理準備,持續吸收新知。余孝先自己就是非常追根究柢的個性,他笑說,連看電視,都要邊拿著手機,隨時查詢電視中的內容,「學習習慣」很不錯。 \n 科幻劇情成真實人生 \n 科技學門深似海,余孝先非常樂於分享,他在白板上畫著文式圖向「門外漢」講解基本概念時,仍然充滿雀躍和熱情。「AI的故事,未來都會發生,只是快或慢而已」,他說,那些有關AI的精彩假設、科幻電影裡的劇情,人們也許都有機會體驗;而他和工研院AI應用策略辦公室團隊,則會永保「用科技改變社會」的初衷,領著台灣的AI領域向前走,走向世界。

  • 保持創造力 不怕AI搶飯碗

    保持創造力 不怕AI搶飯碗

     「AI會讓多少人失業?」談及這個問題,工研院AI應用策略辦公室主任余孝先強調,他不認為AI是用來取代任何人,而是有兩種意義,一是做人類不想做的工作,二是協助人類的專業工作。他認為,「AI可以學習畢卡索,但不是第一個畢卡索」,越需要創造、感受的工作,越不會被AI威脅。 \n AI興起,同時也引起人類的「失業恐慌」,余孝先指出,AI做了人類不想做的工作,或幫助承擔工作量,比如在大夜班時運用AI,讓人力能適當休息,不一定會使人力減少,但產量可以提高。他說,就過去科技發展來看,當汽車發明時,人們以為人力車或馬車要失業了,但計程車司機這個職業出現了,AI也是一樣,能創造更多新型態的工作。 \n 以醫療應用為例,余孝先表示,AI應用在研發階段需要和醫學中心合作,和醫生溝通時,必須強調AI是「輔助診斷」,目的不是取代,醫療人員才會更有意願配合,提供研發協助。 \n 「AI主要靠學習,但創造力就比人類差」,他說,AlphaGo曾經打敗各路圍棋好手,主要是靠學習大量棋譜,「但感受層次的事情AI就做不到」,AI或許能計算、檢測、文字翻譯,但無法創造新的畫風,沒辦法寫出深入報導,也不能體會人類情感,做出應對。 \n 那麼各國正夯的「無人商店」呢?余孝先笑說,無人商店主要應用在人力不足,或是深夜人力成本與營收無法成正比的情況,不過「便利超商店員」在台灣「太萬能」,AI也無法取代。 \n 「世界對AI的誤會很多」,但AI對人也有「美麗的誤會」,余孝先感嘆,在AI的世界裡,把人類預設得很善良,也因此,為了防止很多不夠善良的行為,需要很多防範程序,例如進入無人商店要先加入會員、實名認證或存入照片以便人臉辨識,降低了便利性,這也是無人商店至今無法普及的原因之一。

  • 機器人理財 期待縮小貧富差距

    機器人理財 期待縮小貧富差距

     工研院AI應用策略辦公室主任余孝先認為,在AI四大領域中,台灣製造業和醫療照護相關的AI項目最有機會在國際中衝到前段班,其中,製造業項目會有最大效益;而他個人最希望有貢獻的是醫療領域,最有期待的則是可能改變貧富差距的AI理財機器人。 \n 余孝先指出,AI在國際戰場中,發展重點主要在四大領域,包括金融科技、製造業、零售業、醫療業,而人工智慧發展好的條件為「用得多就是好的領域」,因此台灣在製造業生產線、醫療照護業兩方面發展人工智慧,將會有資料庫多、參考價值高的國際優勢。 \n 他表示,工研院除了AI眼底鏡、智慧機械手臂等製造、醫療相關的研發之外,一樣也有在做金融科技和零售業的部分,他個人最期待的是理財機器人。余孝先指出,理財機器人可以在手機App、電腦軟體中運用,降低使用的資金門檻,期盼能藉此消弭貧富落差,讓「理財」成為全民都可做到的事。 \n 目前在製造業上,AI技術已經實際開始運用,余孝先表示,例如「機械故障率診斷」,一般製造業採定期保養設備,但使用AI技術後,可以分析過往的機器故障紀錄,在「需要保養時」才去保養,可能大幅降低設備維修保養消耗的有形和無形成本。 \n 另外,「自動光學檢測」可以取代人眼做品質檢驗,能比過去採全人工檢驗減少超過5成的重檢率。余孝先強調,這並非取代技術員,而是讓技術員的排班更彈性,工作分量和壓力也能減輕。 \n 可以馬上做基本視網膜檢查的AI眼底鏡,余孝先心中的藍圖,是一般診所、公家機關等都可以擺放,民眾自行使用後,可以參考AI眼底鏡的判斷結果,如有異常狀況,能夠及早發現並就診。

  • 工研院協理兼巨資中心主任余孝先: 台灣應重視AI發展

    工研院協理兼巨資中心主任余孝先: 台灣應重視AI發展

     2016年3月,當AlphaGo以四比一的壓倒性勝利擊敗世界棋王李世乭的時刻,人工智慧(AI)的威力正式被全世界看見,因為AlphaGo這套系統,從業餘棋士的水準、到正式打敗世界圍棋冠軍,也才花了兩年的時間。長期浸淫在大數據與雲端運算領域的工研院協理兼巨量資訊科技中心主任余孝先說,從西洋棋到圍棋,AI的威力已非吳下阿蒙,而台灣在這裡頭的發展機會更值得被好好重視。 \n 1983年就進入工研院電通所(電腦與通訊工業研究所,現已改組為資訊與通訊研究所)擔任副工程師,已經在資通訊領域發展長達35年的余孝先說,AI並不是什麼新鮮技術,早在第二次世界大戰期間,英國的計算機科學家間數學家艾倫‧圖靈就已經開始從事機器運算與類人工智能等方面的研究(班奈狄克‧康柏拜區主演的電影《模仿遊戲》就是在講圖靈的故事)。一直到1955年左右,約翰‧麥卡錫(John McCarthy)才正式把人工智慧的概念給確立,並且定義到目前大家比較可以廣泛接受的模樣。 \n 1997年5月,當IBM的「深藍」(Deep Blue)超級電腦,打敗當時的西洋棋世界冠軍蓋瑞‧卡斯帕洛夫(Garry Kasparov)的時候,大家開始注意到電腦居然可以跟人一樣有「思路」的變化。余孝先說,西洋棋的棋路變化大約為10的120次方(就是1後面有120個零),電腦還可以應付,不過,若以圍棋來說,變化會變成10的700次方,這表示要靠電腦運算速度的提升來解決這個問題基本上是不可能的。因為據當時估算,即使到20年後的2016年,電腦運算速度最多提升10的6次方,因此由AlphaGo的案例來看,可以知道人工智慧最大的突破點其實是電腦演算法的進步,尤其是機器的「深度學習」。 \n 至於台灣發展人工智慧的狀況,曾經歷任資策會大數據所所長、台灣雲端運算產業協會常務理事,相當瞭解學界狀況的余孝先認為,台灣在發展人工智慧方面還是有些挑戰。他舉例,像美國麻省理工學院、史丹佛、柏克萊、以及卡內基美隆大學,都是電腦與資訊相關非常強的學校,除了人才的培育,校方也鼓勵教授出去創業,當教授帶著學生一起發展,無形中也正累積了AI的人才。台灣的企業對AI陌生、缺乏產業投資,學界跟產業界的連結也比較薄弱,缺乏較大的投資、也就難以累積人才。 \n 不過,在金融、照護、零售、製造等方面,台灣發展AI還是相當有機會的,以醫療照護來說,台灣擁有完整的全民健保資料,這在世界各國中可以算是比較少見的利基點。再如製造業,台灣一直在製造方面有強大的實力,雖然很多生產工廠都移往大陸,不過製造中間的很多know how卻是藏在台灣人腦袋裡頭的寶,如果能讓這些優點透過AI去釋放他的力量,台灣的AI還是有很不錯的發展機會。

  • 余孝先博士升任工研院協理

    \n \n工業技術研究院今日(1/31)宣布,聘請巨量資訊科技中心主任余孝先博士,升任工研院協理。期望借重余孝先博士在AI人工智慧的專業背景及統合能力,加速推動院內各領域應用AI與大數據分析,同時鏈結國內產業,協助各產業數位轉型升級。 \n \n工研院董事長李世光表示,現今全世界都在朝人工智慧及大數據為主的數位科技發展,台灣有80%的數據是產生在製造業,台灣不能錯過這一個契機。工研院做為台灣產業發展後盾,促進產業發展責無旁貸,尤其工研院長期以高科技推動產業發展,未來也希望能持續匯聚更多具有人工智慧、大數據分析領域的充沛研發能量與人才,進一步將前瞻技術有效擴散至產業界,再次扮演帶領台灣產業往前行的角色。 \n \n工研院院長劉仲明表示,新協理代表著「新發展」,余協理曾在世界第一個搜尋網站蕃薯藤擔任技術長,也從早期就開始參與創新前瞻研究。工研院希望借重余協理長期在軟體領域深耕的專業及廣闊人脈,強化軟體能力。工研院是台灣發展軟硬整合的重要場域,期待余協理能帶領團隊協助工研院全面推動新科技與數位轉型,進而加速帶動產業朝向數位轉型發展。 \n \n新任工研院協理余孝先為國立交通大學資訊工程博士,美國亞利桑那雷鳥國際管理學院企管碩士,現任巨量資訊科技中心主任,在2016年資策會合聘其擔任副執行長兼數位轉型研究所所長,專長為大數據、人工智慧、機器學習、電腦視覺、服務系統。余孝先在工研院任職期間,帶領團隊研發完成多項資通訊領域關鍵技術,並透過參與策略型前瞻計畫及政策型計畫落實與其他法人及工研院跨領域之合作發展,亦推動人工智慧及大數據分析相關技術產業化。此外,他亦致力推動開放資料與相關技術,促進資料經濟的發展,協助政府在2015年,獲得國際開放知識基金會(OKFN)之政府開放資料評比居全球第一的榮耀。余孝先表示,「數位轉型」現今已經成為一個重要趨勢,數位科技也對人類生活及產業造成重大影響,未來將持續推動數位轉型,運用新科技為產業界提供完整的智能系統解決方案,為國內廠商提升產業價值。

  • 專家傳真-以研發法人活絡新創經濟

     根據美國NVCA(National Venture Capital Association)的分析,新創公司每年為美國創造了三百萬個就業機會,幾乎等同於所有淨新增的工作機會,且企業研發經費的85%與上市公司數的42%,也都來自新創公司的貢獻。面對Google、Facebook、Amazon、Uber…等美式新創之風潮,上自歐盟與中、日,下至新加坡與以色列等,各國政府亦無不全心經營創新創業的布局,以確保未來經濟發展與工作機會增長之動能。 \n 近年來,物聯網與人工智慧的新興應用,掀起了一波數位革命的風潮,許多新創公司乘勢而起。但國內的人才與環境是否足以孕育相關新創公司的發展?則各界頗有爭議。有人認為法規環境還不夠完善,有人則希望學用合一能更受重視。但無論何者,希望台灣能有更多成功的新創公司,應是各界共通的期待。 \n 值得留意的是,如果培育更多成功的新創公司的方式僅止於舉辦創業競賽,鼓勵年輕人投入,恐怕多是增加失敗案例,成功率會更低。所以如何讓新創團隊的成功率提高,創造更多的成功案例,可能是比單單鼓勵年輕人創業更值得注意。 \n 台灣以中小企業為主的特性,一方面有著靈活度極高的優點,另一方面卻有著研發資源零散薄弱的缺點,因此在過去數十年,科技研發法人主要扮演著中央廚房的角色,提供技術給產業界開發新產品,協助產業提升競爭力。隨著時代的演進,產業環境已有了許多變化,新創公司在整體經濟發展的角色越來越重要,因此研發法人也應適時調整,加重對新創團隊的協助。 \n 就技術面而言,許多新創團隊想要創業的動機是來自於擁有有價值的核心技術,但在跨領域整合的時代,除了核心技術外,往往必須成功鏈結領域技術(如行業別的應用需求)與周邊技術(如網通、雲端、資安、支付等),方能成就完整的產品及服務,這卻是資金人力都有限的新創團隊不易跨越的障礙。此時若可藉由工研院等研發法人之力量來協助補足應有的技術,則自可提升創業的成功率。若要做到這點,則必須在制度上有所改革,讓新創團隊以負擔得起的方式取得法人的協助。 \n 就資金面而言,許多創投業者,即便是經驗豐富的跨國公司,在面對各種日新月異的新興技術時,對新創團隊技術的「原/獨創性」與「技術深度」評估,把握度也不會太高,所以投資上也會相對謹慎,此時國內團隊若有熟悉該技術領域的研發法人背書輔導,相較於其他海外單打獨鬥的競爭對手,相信應該就可帶來很大的加分的效果。甚至若研發法人還能再積極扮演「領投者」的角色,同步給予適量的資金投資,相信在爭取募資時,定能更加增強創投業者的信心,增加對新創團隊的投資,讓我國的新創經濟更加蓬勃發展。

  • 人工智慧60年 AlphaGo開啟新里程

     自從電腦發明以來,如何讓電腦擁有類似人類的智慧能力一直是許多電腦科學家追求的理想。1956年,首先使用人工智慧(AI)一詞並被稱為人工智慧之父的美國學者John McCarthy聯合Marvin Minsky等多位人工智慧的學者,在達特茅斯學院召開全球首次人工智慧研討會,正式提出人工智慧一詞,是為人工智慧成為一個重要研究領域的開端,迄今恰好滿60年。 \n 根據John McCarthy的定義,人工智慧為可表現出與人類智慧行為的機器、電腦程式。當時主要的研究重點在邏輯推論、學習、認知、解題及感知等。以認知、解題為例,人工智慧是要讓電腦可如人一樣,能有下棋、堆積木、邏輯推論、解答數學題目等智慧行為能力,此外,有些人工智慧學者的目標是讓電腦具備類似人的視覺、聽覺,並可辨識自然語言,甚至像專業人士般精準應用與表達知識,例如像醫師般診斷看病。 \n AlphaGo:AI里程碑 \n 人工智慧初興的前10年產生了許多重要的成果,包括邏輯推論與電腦視覺等,也因此拉高了對人工智慧的期待,吸引了更多的資源投入,其後數10年,有時有突破,如專家系統,有時有失敗,如日本的第5代電腦計畫。 \n 綜合來看,過去60年留下了很多重要的資產,如機器人、電腦視覺、自動光學檢測、文字辨識、語音合成、語音辨識等技術皆從萌芽到成熟。也留下很多難解的問題,如電腦圍棋、常識推論、智慧機器人等。 \n 由於棋類比賽是一種智力的競賽,所以一直被許多人工智慧研究者視為是智慧程度的試金石。人工智慧軟體在1997年首度戰勝人類西洋棋棋王,成為當年的一大新聞。然而,圍棋遠比西洋棋複雜,約有「10的170次方」種變化,電腦無法運算出所有棋步,當時多數人工智慧專家悲觀地認為,在有生之前,可能都等不到人工智慧軟體令圍棋高手棄子認輸的一天。因此,當2016年3月,由Google DeepMind所研發的人工智慧軟體AlphaGo,出乎意料地擊敗韓國圍棋9段高手李世乭時,大大震驚了人工智慧學界,堪稱人工智慧的重要里程碑,也讓人工智慧沉寂多年後再度成為全球注目的焦點。 \n 取代諸多勞力、知識工作 \n AlphaGo的成功令人工智慧研究專家深感振奮。AlphaGo勝利的關鍵,除了GPU運算速度大幅提升及巨量資料分析的進步的因素之外,更重要的是在於利用深度學習、增強式學習與蒙地卡羅樹狀演算法(Monte Carlo tree search,MCTS),有效鎖定最有可能勝出的棋步,減少搜尋的範圍。 \n 目前人工智慧技術已漸趨成熟,屢有重大進展及實際應用,機器學習技術一日千里,包括運算速度加快、資料量大幅提升、學習演算法日新月異。昔日,人工智慧僅能取代勞力工作者,未來可預見愈來愈多知識工作被人工智慧所取代,徹底改變職場生態。 \n 醫師、律師等高度專業工作,都將面臨人工智慧的取代挑戰。畢竟,一位專科醫師再資深、再勤奮,看診的數目、吸收新知的時間仍頗為有限;人工智慧卻可不眠不休蒐羅全球相關病例,進行更精準的診療。而在英美法系國家,律師事務所皆聘僱助理,研究與受理案件相關的判例;在可見的未來,人工智慧將大幅提升這些助理研究判例的效率;長遠來看,甚至可以取代助理。 \n 亞太地區將成AI重鎮 \n 根據美國科技產業調查機構Tractica報告,在2015年時,全球企業應用人工智慧的經濟規模約20.25億美元,到了2024年,將成長至約111億美元,成長幅度相當可觀,最主要的應用市場,依次為亞太地區、北美洲與西歐等3大區域。 \n 其中,亞太地區人工智慧產值成長力道,領先全球其他區域;關鍵在於日本及中國2大經濟體皆著力甚深,日本投入機器人的研發經費,仍逐年提高,中國政府則已揭櫫支持發展人工智慧的政策,意欲爭奪人工智慧領導地位。其他如美國、韓國與歐洲諸國,自2005年起,也已先後擬定人工智慧中、長期發展政策。 \n 台灣發展AI產業的 \n 策略思維 \n 與上述國家相較,台灣政策性的布局的起步較慢。雖然在電腦視覺、機器學習、自然語言等技術歷年來也累積了不錯的技術能量,但缺乏了整體策略規畫,研發人員主要分散於大學,其次是法人研究機構,而且相較之下產業界技術能量甚弱。 \n 如何弭平此一落差,讓學術界的研發成果能落實在產業,是當前最大的挑戰與策略思考的重點。 \n 人工智慧技術與應用範圍甚廣,若要急起直追,就得慎選領域、聚焦發展。例如選擇台灣的技術強項、強勢產業、資料掌握程度高者,並以軟體與服務為優先。 \n 在工業應用方面,台灣的優勢在於,長年為產品製造大國,可結合工業4.0趨勢,優先投入智慧工廠、機器視覺、無人自動載具、先進規劃排程等項目。但其投資金額甚大,大企業較為適合投入。 \n 在服務業應用方面,如銷售預測、智慧客服、個人化醫療、投資理財、專家系統等,可能的應用面甚廣,較易找到利基市場,有利於中小企業與新創公司進入。 \n (本文作者為工研院巨資中心暨服科中心主任)

  • 圍棋人機大戰,台灣學到什麼

     近日南韓棋王李世乭與Google旗下人工智慧公司開發的AlphaGo進行圍棋大戰,「李九段」苦吞三連敗,跌破大家眼鏡,所幸昨日出了「神之一手」贏得第一勝,幫人腦扳回一城。面對這個人工智慧發展的重大里程碑,台灣可以從中學到什麼? \n 這場比賽的結果和賽前預測差很大,主要因素有三項,第一是賽前大家低估了AlphaGo。AlphaGo程式設定可能是每盤棋贏夠多就好,而不是想冒險取得壓倒性大勝,所以局面領先時會下出人意料之外的「緩著」。第二是熟悉程度的不對等。AlphaGo在賽前已學習了李世乭的許多棋譜,而卻沒有多少AlphaGo的棋譜可供李世乭研究。第三是心理因素,李世乭因壓力大而顯現出緊張的情緒,相對而言,AlphaGo真正做到勝不驕敗不餒,毫無情緒可以波動。 \n 人工智慧起源於1950年左右,經過數十年的發展,已有非常多的成果應用在日常生活中,例如蘋果公司的Siri系統、工廠用的自動光學檢測、機場的人臉辨識系統、Google的無人車等。 \n AlphaGo的成功很大一部分可歸功於程式中的深度神經網路(deep neural network)等機器學習功能。一旦機器有自我學習能力,就有機會進步到設計者不能預知的程度。人工智慧與機器學習技術的應用範圍非常廣泛,未來許多產業的競爭力會取決於智慧的程度。例如智慧高的無人自動駕駛車可以上街不出車禍,智慧低的上不了路就要被淘汰。 \n 另一個例子是巨量資料(big data),巨量資料的核心技術也是機器學習技術,可以從數十億筆電子商務資料中自動學習分析出消費者的喜好。未來能夠運用巨量資料的電商終將勝出。又如在各個路口裝感測器,車多時綠燈時間拉長,這是笨的物聯網。把所有的資料匯集到後端做巨量資料分析,以面的方式整體控制交通號誌,甚至影響未來的交通規畫,才是有智慧的物聯網。 \n 我們在圍棋人機大戰的熱鬧之餘,更應注意到人工智慧與機器學習已有突破性的進展,這是一個喚醒台灣迎頭趕上的契機。我們該做的事很多,最基本的當然是人才的培育。人工智慧的進入門檻相當高,人才無法用短期訓練班的方式大量創造,需要政府、學界、產業界的重視與長期培養。 \n 另一件我們可以立刻做的事是重新檢視一些重大計畫。以往有些計畫以為有用到網路與手機就可以冠以智慧之名,可能忽略了導入成熟的人工智慧與機器學習技術,只要加以適當調整,就可以有畫龍點睛之效。若能如此,AlphaGo戰勝人類棋王這一事件對台灣的意義將深遠得多了。(作者為工研院巨量資訊科技中心主任)

  • 巨量資料中找活路 台灣產業拚升級

    巨量資料中找活路 台灣產業拚升級

     隨著巨量資料技術推陳出新,其應用層面愈來愈廣,有些國家已嘗試運用巨量資料分析,以改善施政品質。例如,日本政府已與電信業者合作,分析觀光客的手機資料,蒐羅出發地、交通工具、停留時間、飯店類型,藉此開發新的觀光景點、路線等相關資料,並進行深度分析,以期振興觀光產業。 \n 韓國政府則與電信業者Korea Telecom合作,分析民眾位置、公車站位置等資訊,規畫夜間公車最佳行駛路線。美國北卡羅萊納州衛生與公眾服務部(Department of health and human services)則運用巨量資料分析,有效地降低醫療補助遭濫用、詐欺,撙節政府醫療支出。 \n 巨量資料分析能力 是一種競爭力 \n 根據工研院IEK資料,全球巨量資訊分析需求呈現快速成長,預測2020年將達到151億美元,未來巨量資料運用將成為發展產業與提升競爭力的重要工具之一。根據Wikibon的預測,到了2017年,全球巨量資料市場規模的前三大分別是專業服務、分析應用、以及運算平台;而從2013年到2017年,年均複合增長率 (Compound Annual Growth Rate,CAGR)最高的前三名,依次為分析應用、NoSQL(非關連式資料庫),以及專業服務,其成長率分別為46.34%、42.63%,以及29.32%。面對巨量資料浪潮來襲,台灣的機會應在於發展「應用與服務」,建構台灣自主巨量資料處理平台,支援領域應用驗證,並催化巨量資料創新應用。 \n 經由導入巨量資料分析技術,有時可以發現諸多非經驗、直覺、或理論所能發現的事實,使得企業的決策品質大幅提升;也有些時候巨量資料技術自動分析出來的技術雖然與人工分析的結果差不多,但是用自動分析可以取代大量人力,完成諸多以人力所無法企及的工作。 \n 由於巨量資料分析是個實用的技術,在先進國家已有愈來愈多企業導入巨量資料分析技術來提升競爭力。然而,巨量資料分析並非機器或設備,無法依使用手冊組裝、啟動、調校就可以開始運作發揮效能。在導入巨量資料分析技術前,企業應先進行數項評估。首先,應先找到合適的應用標的;其次,要看看是否有無足夠的資料可供分析,倘若足夠,仍得檢視待分析的資料,是否以數位型式儲存,方能決定可否進行巨量資料分析。 \n 除此之外,企業更得慎重評估,進行巨量資料分析,是否真有價值,是否真有助於進行企業決策,不必為追趕潮流,貿然耗費人力、財力;若決定進行巨量資料分析,還得評估企業內建置巨量資料系統的人才是否齊備。最後,企業更得考量,進行巨量資料分析,是否在法規的容許範圍之內,例如個資法,或有其他困難、障礙,並先研擬相應的對策。 \n 中文語意分析 難度高 \n 巨量資料分析的核心技術在於機器學習等演算法。在華人世界裡,巨量資料分析還得克服另一重大挑戰,即中文語意分析難度甚高。例如,在運動賽事中,倘若中華隊以懸殊比數擊敗日本,有些媒體的新聞標題可能是「中華隊大勝日本隊」,有些卻是「中華隊大敗日本隊」;勝、敗兩字意義完全相反,但整個句子的意義是相同的;大多數讀者皆知曉其同義,但要讓電腦有能力自動理解是十分困難的。 \n 再舉一些例子,有時候即使是同一句話,也可能因為前後文字不同,字義有所歧異,甚至截然相反;例如,「我30分鐘後到,你如果早到了,你就等著吧」與「我30分鐘後到,你如果晚到了,你就等著吧」,同樣是「你就等著吧」,前者溫馨,後者肅殺。另一個例子是「在夏天,能穿多少,就穿多少」與「在冬天,能穿多少,就穿多少」;又如「以前喜歡一個人,所以想結婚」、「現在喜歡一個人,所以不想結婚」。讀者應可看出其間之不同,但電腦能嗎? \n 人才匱乏 是最大挑戰 \n 由於巨量資料是2015年最夯的技術,突然爆發了大量的人才需求,但是具有相關專長訓練的人才有限,所以人才不足已是推動巨量資料的最大關卡。巨量資料應用開發團隊需有三種人才,缺一不可;包括數學與統計人才、資訊科技人才、與產業應用人才;例如,某一巨量資料團隊專攻電子商務資料分析,就得延攬了解電子商務產業實務的人才。 \n 數學、統計、與資訊科技人才,除非自己下苦工自修,否則大多得出身相關科系,才能夠勝任;但產業應用人才類似電子產業的產品經理,負責內外溝通、聯繫、協調與整合,任何科系畢業生都有希望獲得錄用,包括非理工科系的畢業生。也就是說,卡位巨量資料經濟商機,人人都有機會。 \n 若論人才數,在巨量資料技術團隊中,資訊科技人才數居首,數學、統計人才數次之;產業應用人才數雖最少,卻扮演關鍵角色。再以電子商務為例,若有廠商延請巨量資料技術團隊進行資料分析,若無產業應用實務人才參與,資訊科技人才與數學、統計人才連資料重要性高低都難以分辨,遑論達成任務。雖說產業應用人才不必一定要具備數學、統計與資訊科技知識,但若能補強相關知識,更能與巨量資料團隊其他成員溝通無礙,也更適合擔任領導者。同樣的,數學、統計人才若自我進修資訊科技與產業應用入門知識;資訊科技人才若自我進修數學、統計與產業應用入門知識,亦較可能晉升為團隊主管。 \n 分析服務索價高昂 中小企業無力負擔 \n 與巨量資料分析相關的產業很多,包括物聯網、伺服器、手持終端、雲端服務、軟體元件、工具軟體、特定演算晶片、與解決方案顧問服務等,未來發展機會都很大。 \n 相較於美國,目前導入巨量資料分析的台灣企業仍屬少數。巨量資料分析雖是未來產業核心競爭力,但台灣企業普遍缺乏資料應用專業,不僅蒐集、應用資料能力薄弱,且不具備整合、分析內部與外部資料的能力。若要尋求國際大廠所提供的巨量資料分析服務,則因索價高昂,占台灣98%的中小型企業根本無力負擔,導致國際競爭力日漸喪失。所以在需求面上,台灣亟需建立自主的巨量資料應用能力。 \n 在供給面上,台灣資訊軟體、資訊顧問業的巨量資料分析與運算平台,尚處於萌芽階段,專業服務與分析應用產業體質仍頗為薄弱,並以專案建置、系統整合為主要業務,罕有產品、系統可進軍國際市場;由於缺乏巨量資料分析自主品牌軟體與本土人才,目前仍高度倚賴從國外引進軟體,進行加值利用,這點是我們想要改變的地方。 \n 工研院推動巨量資料分析,設定了二大目標,即產業智慧化與巨資產業化;產業智慧化就是運用成熟實用的巨量資料技術來提升各行各業的智慧化程度。而巨資產業化,則是隨著產業智慧化需求的增加,逐步扶植起台灣自主的巨資技術供應鏈。 \n 由指標廠商 扮演領頭羊 \n 關於產業智慧化,在製造業方面,工研院首先選定半導體產業導入巨量資料,並已逐步擴及機械等產業。在服務業方面,則已在電子商務業有了實際的應用,效果十分顯著,現在正逐步擴及其他服務業。我們希望藉由一些成功的案例,一方面吸引更多的人投入,另一方面,則藉此建構台灣自主巨量資料平台,並鼓勵新創巨資顧問服務業,以支援各領域的巨量資料分析實際應用。 \n 巨資顧問服務企業與智慧化顧問服務公司若要成功,關鍵當是從產業需求刺激巨量資料相關產品、服務上市,並證實其可強化企業核心競爭力;國內指標廠商應扮演領頭羊,率先建立巨量資料分析的成功應用典範,以鼓舞其他廠商勇於投入。同時,政府也應積極協助產業,建立支援多樣化應用的國產平台,以期擴散應用於中、小企業,並進一步整合政府、企業的開放資料,以發展更多元的創新加值應用服務;若能如此,則台灣產業智慧化、巨量資料產業化目標的達成將指日可待。(作者為/工研院巨資中心主任余孝先)

  • 尋找新商機-巨量資料商機 上看2,500億美元

     據經濟學人智庫(EIU)針對亞太地區企業的調查研究,許多企業都相信巨量資料是創新能力與獲利來源,更有近半數企業認為可以藉由巨量資料的應用,提升營收25%以上,此即為巨量資料受到各界矚目之原因,估計巨量資料2014年的全球潛在商機高達2,500億美元。 \n 當中值得注意的是,除了資料擁有者可以運用資料分析結果提升競爭力,例如亞馬遜(Amazon)分析顧客購買紀錄,據以提升產品推薦精準度,資料的分析的結果也可以提供他人運用,例如電信公司的行動電話定位記錄,經過去識別化分析之後,可以知道哪些區域女性多,適合開女裝店,哪些區域下午活動的人多,適合賣下午茶。 \n 資料分析應用也常是結合不同資料產生綜效。在歐洲有保險公司分析過去水災險理賠的案例,加上氣象預測等資料,對不同地點計算出更準確的水災保險費率。 \n 目前台灣發展巨量資訊的優勢在哪裡?可以從台灣的主力產業為發展切入點,如台灣零售業相關就業人口約110萬人,每月營業額近3,000億元,若能提升效率、減少存貨與浪費,並將利益分享給很多人,可以是一個優先推動的應用領域。 \n 台北市的百貨公司密度(8.7萬人/家)與便利商店密度全球最高(5公里範圍普及率99.9%)、電子商務網站普及率也相當高,都是台灣零售業特色。 \n 便利超商可藉由銷售紀錄資料分析,精準預估存貨量與提高回客率,電子商務網站也可以分析消費者瀏覽與購買行為,即時推出促銷或個人化訊息,兩者結合,台灣很有機會建立全球最成功的虛擬與實體混合商業模式典範,並將成功經驗複製到海外市場。 \n 台灣半導體業加上機械業的就業人口為45萬人,如能藉由巨量資訊分析技術改善製程與設備可靠度,就可提升產品良率,促使我國機械產業如工具機進階全球一流水準。 \n 上述巨量資料所需軟體運算與資料分析能力,向來是台灣產業向來較為不足的一環,工研院巨量資訊科技中心正著眼於產業應用分析層面,並透過跨領域整合,期能針對產業特性開發巨量資料的分析技術與平台,提供產業更多協助,加速巨資技術與應用在台灣的普及,將提升政府與企業的效能與競爭力。 \n (本文作者為工研院巨量資訊科技中心主任)

  • 創新競爭力-巨量資料分析強調4V

     在數位化的潮流下,「巨量資料」(Big Data)分析已成為創新競爭力的一大關鍵,也是世界各先進國家與企業投入研究的重要領域。 \n 據IBM的分析,巨量資訊的分析將具有極大商業化價值,甚至還能衍生出過去沒有的商機,未來10年將會涵蓋醫療、製造、通訊、零售、能源、運輸、汽車、保全等垂直應用市場。「資料分析」的觀念不算新,由過去所產生的資料數據,經分析後,做為未來行動與決策的判斷依據,其實在生活中相當普遍;企業也經常運用以往的營業銷售資料,預測未來的財務營收狀況。 \n 不過時至今日,資料的處理與分析卻顯得更為複雜,受到網際網路普及、感測器科技進步等因素影響,使得能夠收集、偵測的資料量愈來愈大、種類愈來愈多,如何從龐大的資料中將沒有價值的部分去除,並取出有用的資料加以分析組合與運用,是巨量資料分析技術的研發重點。 \n 根據IBM分析,全球資料量成長快速,預計至2015年將可突破8000Exabyte(EB,1EB=100萬Terabyte),如果燒成容量25G、厚度1.2mm的光碟,光碟堆疊的高度相當於80萬座台北101。 \n 面對如此龐大的資料量,巨量資訊的分析將具極大商業化價值,不僅可協助企業改善既有產品與服務,甚至還能衍生出過去沒有的商機,未來10年將涵蓋醫療、製造、通訊、零售、能源、運輸、汽車、保全等垂直應用市場。 \n 近年在電子商務興起後,業者透過眾多的交易記錄與瀏覽購買的行為,就可以分析出不同消費者的特性和喜好,進而能夠安排適當的頁面內容、廣告呈現、促銷訊息等,以吸引消費者的興趣和注意。 \n 在電子商務愈來愈強調「個人化服務」的同時,為符合不同消費者的需求,網路後端平台所蒐集的資料必須更完備、多元,並加以分析判讀、去蕪存菁,找出具有價值的資訊。 \n 這說明了巨量資料分析技術所強調的4個「V」:即是Volume(量)、Velocity(速度)、Variety(多樣性)與Veracity(可信度),是當前發展巨量資料分析技術的挑戰,也是工研院成立「巨量資訊科技中心」努力的目標。「巨量資訊科技中心」已經選定數個研發目標,其中一項就是製造業中的的LED產業,並以多數業者關注的「良率」切入,將導入巨量資料分析的方式,收集溫度、壓力、時間等各項參數,藉以判斷並且改善製程與產品品質,不只能夠降低成本、提升獲利,也更能配合引進更新、更複雜的製程技術。 \n 另一個例子是在零售業的個人化產品推薦上,透過巨量資料分析,可以更清楚地了解個人的消費模式,給予適當的產品建議,並預測產品銷售狀況,減少庫存及浪費造成的損失,以及倚靠人力經驗判斷的不確定性。 \n 巨量資料的分析技術,能夠協助政府單位與民間企業掌握必要資訊、支援有效決策,因此受到各界矚目,在全球各地方興未艾。 \n 巨量資料分析應用的成功要素之一,為對應用領域專業知識的掌握能力,工研院在機械、綠能、電子光電、資訊通訊、材化、生醫等產業的研發能量與專業人才等具優勢,跨領域的整合將是工研院巨量資料分析在全球競爭的最佳利器,未來在更多資源與人才挹注下,能為更多台灣產業提升競爭力,並帶來更高營運效益。 \n (本文作者為工研院巨量資訊科技中心主任)

回到頁首發表意見