妙用AI突破性技术 加速实现破坏性创新
- 魏淑芳
近年来「人工智能」(Artificial Intelligence;AI)崛起爆红,不仅打趴其余所有科技辞汇,成为IT世界最闪亮的巨星,它的影响力甚至超越科技层次,被喻为是巨型的典范转移、是人类有史以来最重大的革命,快速翻转商业世界既有竞争规则,为各行各业造成莫大冲击。
根据研究机构Tractica所做的预测,全球AI应用的市场规模,可望从2018年81亿美元(相当于新台币2,430亿元),一路增长到2025年1,058亿美元(相当于新台币3.1万亿元),前后差距高达1,206%。由此看来,若说AI是百年难得一见的天大机遇,此话似乎没有浮夸之虞,因为它的后势真的极为强劲,只能用「喷发」形容之。
由于AI太红,产生一些奇特现象。专业研究机构指出,新创公司欲争取到投资人的青睐,不管做的是什麽、只要宣称使用AI技术,便可望比其他软件新创多得到15?50%投资基金,但投资人其实不会追究新创业者是否真的把AI导入产品;令人诧异的,以欧洲市场而论,竟有高达4成宣称采用AI技术的新创公司,其实并未真的使用。
藉由深度学习 让电脑自行撷取特徵值
究竟符合哪些要件,才能算是货正价实的AI技术?总的来说,AI项下大致包含7类技术,分别是机器学习(Machine Learning;ML)、自然语言处理(Natural Language Processing;NLP)、专家系统、Vision、Speech、Planning及机器人(Robotics)。前述的技术类型中,有几项还可继续往下细分出多条支脉,譬如近年红透半边天的ML便是一例。
所谓ML,其实有点像人类的学习方式,机器根据数据进行学习,这些数据犹如一道道考题,机器把考题做熟了,就能参透数据背后隐含的知识,知道接下来如何举一反三;机器好比人类,同样有大脑、也就是Model,简言之Model系透过一个框架、试图描述一个未知现象,猜测可能造成这个现象的原因,但Model中往往有许多参数属于未知的、未确定的,此时需要透过「Model Fitting」、意即喂数据的程序,帮助机器决定这些参数。
ML实践方法有几个,第一种是监督式学习(Supervised Learning),比较像是传统填鸭式教育,直接把题目、答案都告诉机器,让机器从中学习,抓出每笔数据Xn所对应Yn的Label。第二种为非监督式学习(Unsupervised Learning),是填鸭式教育的对照组,不直接给机器题目、答案,也就是每笔数据Xn对应的Yn不再有Label,必须由机器自己整理与归纳,试着从茫茫数据中找出规律性,学习如何针对问题做分类分群。
第三种是半监督式学习(Semi-supervised Learning),属于前两种方法的折衷,是一种启发式教育模式,部份的数据Yn是带有Label的,机器可藉助这些Label代表的正确解答和数据规律性,进行更好的学习;比方说机器在学习影像识别的过程,有些教材是未曾被标注的影像数据,也有一些是已被他人标注的影像数据,后者即是带有 Label的Yn。第四种是强化式学习(Reinforcement Learning),不直接给出Yn的Label,驱使机器尝试理解Yn结果是好是坏,再把这些好坏做为回馈,精进机器的学习能力。
至于第五种,正是近几年相当火热的深度学习(Deep Learning;DL)。前面提到的Yn代表多种输出值,而Xn代表多种输入的变量来源,可称为特徵(Features),具有明确定义的特徵即为Concrete Feature,系由人类根据知识而采取预先处理、所产生的结果,相反的如果没有明确定义的特徵便是Abstract Features。
此外最基础、从来没人整理过的叫做Raw Feature;运用AI的目的,便是要从一堆Raw Feature里头萃取Concrete Features,专家称这段过程为Feature Engineering,而DL最令人惊艳之处,即是让机器能够靠着自己的力量,直接从数据中学到特徵。
除ML外,另三个备受瞩目的AI技术类型,还包括NLP、Vision、Speech,它们各自含有一些支脉,譬如NLP底下就有Content Extraction、Classification、Machine Translation、Question Answering及Text Generation,而Vision底下则有Image Recognition、Machine Vision,Speech底下有Speech to Text、Text to Speech。
GAN两相较劲的网络 大幅减少DL所需数据量
以上提到的,都算是基本AI技术,若想进一步探究AI的突破性技术(Breakthrough Technologies),则有另外的答案。有专家经过整理,归纳出至少四大项AI突破性技术,值得大家加以关注。
首先是Deep Neural Networks(DNN),也就是深度神经网络、甚或多数人理解的深度学习,如前所述,它可以让机器自行透过数据的分析而找出特徵值,而非透过人类来决定特徵值,一般来说,DNN蕴含许多层神经元,并搭配运用自动编码器(Autoencoder)来执行非监督式学习。
其次是Deep Reinforcement Learning(DRL),可称之为深度强化学习,从2013年DeepMind发表一篇「Playing Atari with Deep Reinforcement Learning」文章后,此技术开始受到愈来愈多关注,出现愈来愈多学术成果,直到2016?2017年间的AlphaGo,更让DRL的能见度大幅攀升;顾名思义,DRL系指「强化学习」(RL)结合使用「深度学习」(DL)来强化决策推演的能力,论及RL与DL的结合,大致包含三种方法,分别是「基于价值」(Value-based)、「基于策略」(Policy-based)和「基于模型」(Model-based)。
再者是 Generative Adversarial Networks(GAN),称之为生成对抗网络,由蒙特娄大学Ian Goodfellow等学者于2014年6月提出,依Ian Goodfellow的说法,GAN是一种生成模型,意谓可从训练库当中获得很多训练样本,进而学习这些训练案例所生成的机率分布。
具体做法是让Generator Network、Discriminator Network两个网络相互竞争,前者负责「生成」、后者负责「判别」,生成器会造假、将Random Noise巧妙转变成几可乱真的新样本,连同真实的原始样本意图蒙混过关,判别器必须学会判断哪个样本为真、哪个样本为假,有助于大量删减深度学习所需的数据量。
最后一个值得观察的项目为贝叶斯优化(Bayesian Optimization),旨在建构一个包含目标函数的机率模型,用以选出最佳的超参数,借此评估正确的目标函数,算是ML 当中的重要一环。
- 一窥「未来工厂」新样貌 台北国际自动化工业展布局制造业升级之路
- 机器人成竞争力重要战略 日系制造精髓前进台湾
- 2019年台北自动化展 逾50家系统整合业者浑身解数
- 所罗门自动化大展推出AI-3D视觉平台
- Intelligent Asia规模再升级 南港两馆同期展出
- 扎稳工业物联网马步 全速挺进工业 4.0目标
- 满足工业、轨道交通与再生能源需求 捷拓科技电源产品全面布局
- D-Link融合驱动与网络 展出工业网络交换器
- 运动控制技术再进化?光通讯推升运动控制效能!
- 东佑达展出全新超小型伺服电动缸DM系列
- 工业4.0趋势带动 工业智能监控市场快速成长
- 虚实合一整合解决方案 开拓智能零售商机
- TSLG耐落提供传动元件螺丝防松解决方案
- 昇频展现研发力 推新款云端服务管理移动通讯路由器
- 掌握「过去」、「现在」、「未来」 绿色制造正当道
- 解决现场导入困境 AI与视觉检测整合发展潜力无穷
- EMS输送系统的绝对定位- 倍加福PXV条码定位系统
- 电子产业智能制造升级 凌华自动化展秀三帖AI妙方
- 完整功能结合高速运算 耐力斯APS/SCM系统让产线排程最佳化
- 结合SAP平台优势 东捷信息让工厂设备预诊更精准
- 左拥自动化、右抱ERP 新汉蜕变成OT层智能制造专家
- igus的3D以太网电缆实现机器人通信
- 「新创产品打样中心」孵化加速器 点亮新商机
- 东捷信息于2019自动化大展登场
- 工业机器人加AIoT 智能制造转型的必备基础
- 妙用AI突破性技术 加速实现破坏性创新
- 老龄化社会推动照护机器人市场成长
- 所罗门AI-3D视觉 聚焦智能制造与智能物流应用
- Moxa 参与2019自动化大展,锁定IIoT与OT网安双主轴
- 加速企业数码转型 研华于自动化展展示最新智能工厂应用
- 展现智能制造强劲实力 泓格自动化展推出多款高效能产品
- 史陶比尔革命性四轴机器人引领潮流
- 迎战工业5.0 UR于自动化大展秀协作型机器人多元应用
- Sesto CEO:致力于简化客户对AMR的使用
- 英特蒙于自动化展举办工业4.0与智能自动化研讨会
- 宸曜嵌入式人工智能运算平台协助智动化应用导入
- SCHUNK推出第一款机械手专用24V电动磁力机械夹爪
- Pilz推出工业服务型机器人模块
- 魏德米勒工业分析软件 自动化机器学习数据分析模型
- 达详将于自动化展突破智能制造盲点
- 汉铼科技建构全新时代物流 亮相台北国际物流展
- 德商Beckhoff新自动化技术高端应用登场
- 统一信息展现专业技术服务,助企业迎向创新成长目标
- 爱德万测试推出最新热控型SSD验证测试机
- 翻转新仓配思维 跨越新时代物流
- D-Link工业网络解决方案 智能营运大跃进
- 精密量测技术搭配运动控制提升设备精度
- Hartrol Plus 控制器体现「人机界面」智能化
- 台湾三丰与MeasurLink软件打造新的量测风貌
- 软件定义微工厂 新创Bright Machines欲助大小工厂迈向AI自动化
- 机器人抓手Mini Finger整合mGrip系统 捡货空间小也难不倒它
- 丰田搭载东芝高端影像识别处理器
- Accenture与Mujin 推广物流自动化
- 结合爬行机器人与无人机的检测系统 可及早发现风力发电机叶片损坏
- 亦良导入塑胶射出OEE实时监控系统最佳化生产效率
- 安全与速度难两全 协作机器人三大症结浮现仍有待解答
- 少人化取代无人化 保留人性温度为服务业自动化之关键
- Sawyer将引领协作型机器人进入人类生活新领域
- 户外巡检机器人 厂区安防守护神
- 已实现的工业4.0时代 完整呈现在SICK工厂内
- 直觉的视觉化管理及线上监控系统 让安全系统不再神秘
- 协作安全意识升级 企业预先准备将可提升竞争优势
- 工业型机器人协作化 成就人机协作安全认证智能工厂