聰明、貼心的AI進行式

AI現在進行式  產業民生　智能科技再進化

工研院產業科技國際策略發展所副所長鍾俊元指出，近期國際AI大型展會的主軸均鎖定企業AI應用，他歸納各調研機構對AI趨勢的觀察，認為2019年企業AI趨勢重點為：自動化、對話與理解。

自動化、對話與理解　企業AI應用趨勢

自動化方面，機器人流程自動化（Robotic Process Automation；RPA）可模擬人員在電腦上的操作，將企業日常營運重複性高或系統整合程度高的作業，交由自動化系統來處理，降低至少15%的人工成本。

這塊市場年複合成長率高達65%，研調機構Forrester估計，到了2021年全球將有400萬個RPA案例在運作。

對話應用上，美國聊天機器人（Chatbot）在企業市場的需求，遠高於消費者市場，2016年全球聊天機器人市場突破上億美元，並以每年36.7%的複合成長率增加。

未來，企業用智能助理（Intelligence Agent）將扮演重要角色，與聊天機器人相比，智能助理更具個性化，處理更複雜的事，並提供有用的建議，至少「不同使用者呼喚自己的Alexa，應該要得到不同的回應。」

自然語言理解技術（Natural Language Understanding；NLU）的進步，為機器理解人類語言跨出大步，在此基礎上，也發展出企業投資或決策專用的搜尋引擎、可分析註釋市場資訊、研調文章，供決策參考；甚至有可理解圖形報表，自動生成文字敘述，加速企業商業決策。

鍾俊元表示，企業對AI的需求，端視AI技術的演進，如何「從行動像個人，到思考像個人」。他認為，AI於企業的應用才剛開始，未來仍有很大的成長空間。

資料、領域知識與AI　共同解決產業問題

回頭來看AI在台灣的應用，工研院日前舉辦「AI大未來：技術與應用交流會」，吸引超過300位產業與學界人士參與，現場展示AI在製造、醫療、商務、無人經濟四大領域、共計7項AI應用，都已導入產業，展現AI落地實績，也見證台灣AI時代的來臨。

工研院巨量資訊科技中心主任馮文生表示，過去兩年聽過太多有關AI的「狂想」，彷彿AI無所不能，到了今天應更務實來面對，「AI有它能做到的，也有做不到的。」以瑕疵檢測為例，儘管AI影像辨識的能力大幅躍進，但沒看過的瑕疵圖案（Pattern），就是抓不出來，還需搭配異常偵測的技術；深度學習需要大量標記過的資料，這些資料的收集與標記，往往耗費很大的成本，所以標記的相關技術，如主動學習、轉移學習就相當重要。

「要讓AI落地，單憑AI是辦不到的，要整合其他技術、知識的搭配，才能真正解決產業的問題。」

工研院針對製造、醫療、商務、無人經濟四大領域的產業需求，開發出「半導體機台故障預診斷」、「瑕疵影像分類技術」、「機器人自主學習夾取技術」、「糖尿病視網膜病變分析技術」、「理財機器人」、「文字問答虛擬助理」、「易取智慧貨架」，現已實際進入半導體、印刷電路板、金屬加工、醫院、客服與零售業。

跨域合作、軟硬兼施、產業落地

對於台灣發展AI的策略，馮文生提出12字箴言：「跨域合作、軟硬兼施、產業落地」。台灣要發展AI，一定要配合資料與領域知識（Domain Knowledge），馮文生說，製造與醫療是台灣的強項，製造有配方資料、檢測資料；醫療有影像資料、就診資料，都有很多發揮的空間。馮文生認為，台灣的終端設備製造能力數一數二，透過AI與硬體設備的結合，提昇硬體設備的價值，是AI對台灣產業最大的幫助。

他也認為，工研院具備跨領域的環境，擁有產業的領域知識，也洞察產業問題，因此無論是細胞療法、新材料發展、半導體配方生成，都是工研院可以著力的方向。

製造智慧化關鍵  AI讓工廠產線改頭換面

長期以來，台灣以深厚的製造業供應鏈實力睥睨全球，協助眾多知名品牌在國際舞台上發光發熱。

然而，東南亞等新興國家崛起，造成全球製造業板塊移動，台灣製造廠商面臨競爭。大量生產與低毛利已不是最具競爭力的獲利模式，如何應用AI導入製造業，達到轉型升級、競爭力提升，是製造業此刻最熱門的話題。

台灣科技與傳產製造龍頭不約而同擁抱AI，希望導入AI來提高生產效率、降低成本，然而還有更多的台灣製造業者想問：企業現階段是否該導入AI？AI能解決企業哪些問題？提供製造業哪些應用？導入AI的挑戰為何？

工研院日前舉辦「AI大未來：技術與應用交流會」，對於上述問題都提供了詳盡的解答。

應邀以「企業數位轉型與AI」為題發表演說的微軟AI研發中心執行長張仁炯指出，企業必須洞察自己的商業核心問題，想清楚自己究竟想做什麼，也可以從客戶端的價值去看，想替客戶帶來什麼價值。

他建議，企業可以先從已知的、既存的問題開始，以AI的創新方式去解決。換言之，用新技術解決舊問題，可以讓產品或服務獲得更高的商業價值，是企業導入AI時應思考的方向。

對製造業而言，品質、彈性與速度是決勝關鍵，在現今講求高效、快速的生產環境下，透過導入AI，實現少量多樣的生產模式，追求提升營運效率或服務品質。若沒有善用AI增加競爭優勢，未來數年可能會面臨業務流失的風險。

設備故障先預知　把搶修變維護

AI帶給製造業最大的幫助，是讓機器也像人一樣有判斷能力，不僅能自動完成各項製造流程，透過大數據的訓練學習，還能判斷、預測，採取適當的應對。製造設備的預診斷，正是AI在製造業可大顯身手之處。

設備無預警停機，會造成整個產線停擺，是製造業的心頭大患，輕則產線上半成品報廢，重則交期延宕影響商譽。

根據統計，各產業因意外停機帶來的成本，航空業每秒延遲損失65美元；數據中心每分鐘當機損失為8,851美元；汽車製造業因生產線停頓，每分鐘損失約2.2萬美元；半導體製造業更為慘烈，爐管區乾式幫浦每次停機，損失就高達12萬美元。

「如果設備故障前就能提前預知，用維護取代維修，就可以減少停機損失了，」半導體設備廠商帆宣系統科技副總經理韋建名表示，帆宣很早就有研發設備預診斷系統的規劃，為了研發乾式幫浦設備預診斷系統，先後接洽過某知名日商與工研院，工研院的解決方案做出來的資訊分析數據相對準確，甚至還能找到問題所在，讓帆宣十分驚豔，從此開啟雙方合作的大門。

大數據建構預測模型　設備管理輕鬆做

「合作4年來，深深感受到工研院扮演了『導師』和『探索性研發』的重要角色，」韋建名說，工研院教帆宣充分了解預診斷相關技術，並竭力協助開發，讓帆宣少走了許多冤枉路，節省很多時間。

帆宣技轉工研院技術後，研發出「基於大數據分析之預診斷系統」，主系統包括設備預診斷、設備生命週期管理、零件生命週期管理、保養與維修管理、決策支援管理、運行即時監控及設備管理等多項子系統，功能相當齊全。

韋建名說明，預診斷系統作業流程包含訓練階段和預測階段等兩大階段，前者先蒐集即時數據，利用先進AI學習技術，建置預測模型；後者利用先前建好的預測模型進行預測。

如此一來，可降低無預警故障的損失，提供更好的設備零件管理、生產管理，良好的決策支援管理。

半導體或高科技電子產業容不得無預警停機所造成的損失，設備事前診斷功能相形重要，運用AI讓機台可達到即時監控、提前預警的功效，對於生產線上遍布精密電子零件的高科技電子產業而言，可確保產線運作維持穩定。

AI灌頂　配方生成快又好

隨著全球製造業生產技術的迅速發展，如何提高生產良率，已成為降低生產成本及提高產品品質的關鍵指標。

以光電半導體製程為例，多需按照客戶的規格，進行製程配方參數的調整。過去製程工程師調整參數時，多憑著領域知識和經驗，但過程耗時、耗力、耗材，工程師的經驗也不易累積成為公司的研發資產，現行製程配方參數研發的作法，已無法滿足產業高效率需求。

工研院研發「製程分析與參數最佳化技術」，採用前瞻資料取樣與實驗設計方法，整合多種先進AI演算法，建構製程模型來描述製程參數和產品品質間的關聯，並利用全域最佳化演算法，優化產品品質，快速估測產品品質特性，也可與製程工程師透過互動協作模式，提升研發速度，減少實驗次數，有效縮短先進製程的研發週期、提升良率，加快上市時間。

此基於AI的製程分析與參數最佳化技術已實際運用在光電半導體產業，以薄膜製程品質預測為例，可提升品質預測準確度，誤差可降至21.6%；運用於鋼鐵產業的製程參數優化，則可減少35%的實驗次數。

有眼有腦　瑕疵檢測精準高效

良率不高是製造業者的致命傷，不僅增加不必要的成本，更是企業信譽的風險因子。製造業普遍應用自動光學檢測（AOI）設備實現自動化生產流程，但現行設備檢測的正確率不高、瑕疵分類能力不足等問題，容易造成誤判，因此產線仍需仰賴大量人力進行複檢，檢測效率低落。

應用AI可讓機器視覺擁有學習能力，解決上述問題。設備導入AI將可透過監督式學習演算法，遇到相似的產品種類或瑕疵時，即可自主判斷，不必再由管理人員重新設定、調整判別模式。

工研院的「瑕疵影像分類技術」以深度學習網路架構，並兼具決策彈性與運算效能，瑕疵分類正確率可達99.95%以上，可協助目檢員減少57%的檢測篩檢量，解決現行生產線仍需仰賴大量人力複檢、效率低落的問題。

結合「智慧化資料標記解決方案」，持續強化資料標記品質，降低訓練所需資料標記量至少一半，大幅降低AI導入產線應用門檻。

目前工研院已將「瑕疵影像分類技術」導入半導體及PCB產業領域。以晶圓廠瑕疵分類為例，運用該技術進行瑕疵檢測的整體正確率大於97%，高於產業一般所要求的95%。

自主學習　機器人一夜學會上下料

自主學習機器手臂是製造業邁向AI時代的關鍵技術，工研院開發的「機器人自主學習夾取技術」，透過自主學習，可在短短12小時學會夾取不同形狀、任意擺放物體的方法，減少人為介入，解決目前工廠換線，須仰賴專業工程師耗時耗力調整機器手臂的瓶頸。AI機器人讓換線任務更快速、有彈性。

工研院「機器人自主學習夾取技術」以深度增強式學習（Deep Reinforcement Learning；DRL）為基礎，研發自主學習的隨機工件取放料技術，簡單、易用，補足勞力需求。

利用DRL自主嘗試所蒐集的資料達到最佳的學習結果，提供快穩準訓練機制；並結合機器手臂模擬軟體，在模擬環境進行自主學習，減少整體學習時間和實體手臂嘗試次數。

製造業未來面臨的問題在於少量多樣的挑戰，生產需求變化快速，業者將更頻繁地改變產線內容，以迎合多樣化的需求，這將使機器在導入AI時，必須具備更大量的數據資料與更多樣化的學習模式，才能應變瞬息萬變的市場需求。

迎向智慧服務新紀元   AI讓服務更聰明貼心

為掌握AI發展契機，政府宣告2017年為「台灣AI元年」，陸續推動「AI科研戰略」、並提出為期4年的「台灣AI行動計畫」。台灣人工智慧實驗室（Taiwan AI Labs）、微軟AI研發中心相繼成立，從政府支持到民間投資，國內AI發展逐步落地，進入你我生活。

微軟人工智慧研發中心執行張仁炯日前應邀在工研院「AI大未來：技術與應用交流會」，更是直接破題：「台灣現在的AI能力在世界排名已經是前幾名！」

台灣的AI到底走得有多前面？很多人一時還說不上來，只要留心，隨時都可以找到AI應用：到銀行辦事，機器人Pepper立刻上前問好，還能提供基本理財服務；便利商店補貨、訂貨，也能靠AI輕鬆完成；就連在購物網站買東西、上電信公司網站尋求服務，背後也都有AI貼心推薦、客服機器人線上解答問題；甚至是連購買基金，也有AI理財機器人幫忙。

工研院在「AI大未來：技術與應用交流會」中，展出與智慧服務相關的「理財機器人」以及「文字問答虛擬助理」等創新技術。

AI挑選投資標的　最佳化投資策略

工研院的「理財機器人」是以AI機器人來幫忙理財，但與現行大多數銀行和基金公司提供的「自動化投資」理財服務相比，究竟有何不同？

工研院巨量資訊科技中心商業預測與自動決策技術部經理王恩慈解釋，自動化投資主要是靠人工來篩選投資標的，搭配投資理論及財務金融技術，最終由電腦程式達成投資自動化；理財機器人則是利用人工智慧深度學習，分析大量異質性的資料，之後人機協同，建立精準的「機器人市場觀點」（Robo View），運用演算法篩選出投資市場與標的，並結合投資理論，進行資產配置和動態重配置，降低投資風險。

理財機器人能納入分析的資料範圍很廣，從交易資料、經濟指標、政策報告，到新聞不一而足；為增加投資方向預測的準確度，運用計量計算結合多種機器學習模型，另將演算法與建構財經模型常用的蒙地卡羅模擬法相搭配，預測次月股票市場波動（Market Volatility）；也可透過歷史資料結合擾動模擬，針對大量投資規則進行平行化回測，找出最佳投資策略。

理財機器人助攻　改善報酬

根據技術開發團隊測試結果，在全球33個股債市場中，採用理財機器人篩選投資市場、再進行資產配置，報酬率贏過直接配置的機會超過8成，年化報酬也有約25%的改善；另以演算法預測股票市場和債券市場未來方向，平均準確度也超過7成。

王恩慈表示，理財機器人不但可以針對全球33個市場做篩選，找出最有獲利前景的市場，還能就篩選出的市場所有發行的基金做進一步挑選，找出未來報酬率較佳的基金，不但幫你「選市」，也順帶幫你「選標的」。

針對金融機構客戶，理財機器人還可以針對其業務的特殊要求，如單一基金最低申購限制金額等，提供客製化服務。只要在電腦上輸入投入資金、客戶風險承受度及期望報酬率後，就可以得出投資配置結果，提出各市場與基金的最優化配置。

文字問答虛擬助理　翻轉客服為利潤中心

除了用AI來做智慧理財外，AI還能做客服！拜社群網路崛起之賜，愈來愈多人習慣透過文字來溝通，就連網路下單購物前，都要留言諮詢商家。阿里巴巴研發的「阿里小蜜」對話機器人，在2016年雙11光棍購物節中提供24小時不間斷服務，總計服務多達632萬個客戶，發揮等同於5.2萬名真人客服的服務能量。

看中即時通訊（IM）客服商機，工研院以多年研發能量開發出「文字問答虛擬助理」，採用深度學習異質性網路架構及自然語言處理技術，除了能像阿里小蜜一樣提供客服售後服務，進一步整合對話互動技術後，更可協助客戶完成購物諮詢、商品導購，並可提供訂票服務、天氣查詢、股價查詢等相關服務。

工研院巨資中心文字探勘與分析技術部經理李青憲說明，文字問答虛擬助理會先詢問客戶的意圖，例如要查航班、還是訂退票，接著針對客戶意圖篩選出相關選項來繼續詢問，比如起迄點、出發時間等。如果客戶提問的內容意圖模糊不清，機器人也會啟動多輪式的對話引擎，以釐清客戶的需求，找出最適合的解答。

李青憲指出，文字問答虛擬助理採用深度學習技術，其優點除了可節省6成建置成本之外，正確率也較高，在特定領域的專業客服，虛擬客服的正確率超過80%，大約8成的常見問題都可以由虛擬客服自動回覆，剩下2成處理難度較高的問題，虛擬客服也會貼心的詢問客戶「需不需要轉接專人服務？」。由於多數工作可由虛擬客服代勞，因此真人客服就有更多的時間進行行銷活動，讓客服中心從原先的被動式詢問轉型為主動式行銷，藉以翻轉客服產業，讓客服中心也可以從成本中心轉型成為利潤創造中心。

隨著虛擬客服的技術愈臻成熟，從銀行、電商、公部門、物流到飯店，文字問答虛擬助理應用的領域，可說是愈來愈廣。因應不同產業的特殊需求，文字問答虛擬助理還能特別針對各種業別建立知識庫，提供共通知識庫無法完成的客製化服務。透過和業者的溝通，抓住該產業的特殊用語，將產業知識（Domain Know-How）客製化於問答配對、自然語言理解和對話管理設計等技術，從而設計出最適合該產業的虛擬客服。

客服營運龍頭　數位轉型典範

台灣客服營運業龍頭程曦資訊是最早與工研院合作研發並技轉「深度學習文字虛擬客服解決方案」的企業。程曦資訊總經理張榮貴表示，此技術現已導入國內最大物流客服、多家國內大型銀行客戶服務、以及市政1999專線，在每月數10萬筆文字問答客服需求中，可自動處理83%～95%的資訊。

程曦資訊本身就是數位轉型（Digital Transformation）的最佳典範。程曦從BBCall語音留言系統起家，後切入語音查詢市場，也就是「帳單查詢請按1、最新優惠請按2、轉接客服請按9」的服務；隨著電腦進入客服產業，程曦運用電腦電話整合技術（CTI），開發客服中心系統（Contact Center），提升客服細緻度與專屬服務；AI時代來臨，程曦感受到AI對市場生態的衝擊，「若不改變，業務就會流失，」張榮貴決定導入工研院技術，率產業之先研發中文聊天機器人，現已是台灣聊天機器人領導廠商。

程曦幫助客戶導入「深度學習文字虛擬客服解決方案」，會先要求客戶相關人員受訓3小時，讓他們了解需要準備哪些資料；程曦也會派出機器人訓練師、語意架構師，確認公司針對產業特性所準備的「語料」是否足夠，進入測試階段，只要整體辨識率達到85%以上，就可以讓系統正式上線。張榮貴強調，「正式上線才能收集到真實客戶的資料，一般而言，上線後3個月內，準確度還會再拉高至90%～95%。」

有人說「有溫度的服務業才是王道」，認為AI不易取代具有關懷特質的服務業，但在複雜決策、龐大資料的分析處理上，AI已證明能為服務業分憂解勞，幫助服務業者更了解客戶、精準找到客戶的需求。智慧服務時代已經來臨，你準備好了嗎？

想了解更多未來AI精彩報導，請看四月合刊號工業技術與資訊月刊