AI策略布局高峰会　产学激荡擘划台湾AI发展方向

「未来科技展」AI策略布局高峰会，邀请来自研华科技、趋势科技、英特尔以及台湾大学的产学界专家分享关于建构AI生态链以及人才培育等重要议题。

因应近来AI的快速发展，在日前由科技部主办的「未来科技展」上，特地举办了「AI策略布局高峰会」，邀请来自研华科技、趋势科技、英特尔以及台湾大学的产学界专家分享关于建构AI生态链以及人才培育等重要议题。与会专家一致强调，AI将是提升企业竞争力，加速台湾产业转型的重要关键，业者应思索如何善用数据与开放源架构，并加强产学合作，以期能加速部署AI应用，创造更多商机。

精心设计的数据采集是AI应用关键

研华科技执行董事何春盛表示，过去一年来，AI成为业界最热门的议题。但事实上，AI的概念早在1956年就已出现，近来快速进展主要归因于数据大量成长、运算能力快速提升，以及TensorFlow、Caffe等演算法的开放源趋势，加速了AI的广泛应用。

他强调，没有数据就没有AI应用，而深度学习就是因为能够有效处理非结构性数据，能够有如此迅速进展。数据的来源有三大类：一是自投罗网，亦即使用者每天上网查找、贴文等各种行为将数据贡献给相关业者；二是政府公权力，例如ETC、个人户籍、薪资、就医等数据；三是精心设计的数据，对业者来说，这才是取得有效数据的重要方式。

举例来说，现在的汽车业者，在车辆交车后，就无法掌握汽车的任何信息。若藉由安装传感器持续收集动态数据，例如里程数、汽车状态等，可自动发出维修或保养通知，提升了汽车业者的服务价值。所以，精心设计的数据收集才能在客户与供应商之间产生黏性(Stickness)，并带来商机。在B2B应用端，AI能应用能带来显着的价值提升，但业者必须先有明确的数据分析策略。

何春盛表示，据统计到2025年，AI市场营收将达到1250亿美元，其中有56%来自应用服务，硬件占30%，软件占14%。台湾的机会在于服务与硬件，业者应善用开放源软件，加速AI实际应用的部署。

面对AI趋势，研华的布局策略是部署AI边缘运算以及线上管理、监控与预测服务，并朝AI-as-a-service (AI即服务)的商业应用模式转型。除了服务客户，在公司内部研华也实际运用数据与演算法进行客户流失与潜在客户分析，并制定细分客户的对应销售／服务策略。

何春盛总结道，企业应盘点公司拥有的数据，妥善应用，并将AI应用在公司各个环节，包括制造、供应链、客户服务、业务管理等，让AI能真正协助企业提升竞争力。

运用AI提升企业营运绩效

趋势科技研发部资深副总周存貹分享了趋势科技的AI经验。他很自豪地说，趋势科技已是一间AI公司。目前，公司内部包括网安与营运相关的AI专案就超过40个。以网安为例，趋势已实际将AI深度学习技术应用在电子邮件诈骗阻挡、垃圾邮件阻挡以及恶意巨集侦测等方面。

针对目前常见的变脸诈骗(BEC)，利用AI学习公司主管的书写风格，判断信件内容是否为诈骗，已获得良好成效。对于垃圾邮件阻挡，随着客户天会收到成千上万封的垃圾邮件，已不可能用人力或传统规则式(rule-based)的方式来过滤处理。透过AI的训练，学习分析垃圾邮件，可过滤掉99%的垃圾邮件，大幅降低人力成本。

而在恶意巨集侦测方面，目前常见的作法是在沙盒(sandbox)中执行巨集才能知道是否为恶意，但是成本高，且速度缓慢。同样地，利用机器学习分析，找出特徵，透过比对来判定是否是恶意巨集，可大幅减少档案数量进到沙盒，使成本降低，速度变快。此外，针对企业营运，趋势也已利用AI技术，进行客户续约可能性预测，作为业务部门的参考。

周存貹指出，目前针对AI有两种做法，一是AI+，亦即AI产业化，像许多科技大厂积极投入的自驾车、演算法等专属AI技术的发展。但对台湾业者来说，更好的机会应该在于+AI，也就是产业AI化，在既有的产业基础上，加上AI应用，就如同当年的网际网络兴起一般，善用新技术，让它成为企业营运的一环，才能在新一波的产业转型中维持竞争优势。

为了协助台湾建构AI生态圈，趋势科技将举办T-Brain竞赛，串联学界与业界，透过竞赛主题，找出AI的潜在应用与商业模式，协助学界与业界创造双赢。从2018年起，预计每两到三个月会举办一次，每次竞赛总奖金预计20万，他呼吁业界与学界共襄盛举，共同为建立台湾的AI生态圈而努力。

AI边缘运算将是下一波应用重点

英特尔业务行销事业群企业解决方案协理郑智成畅谈了人工智能的回顾与展望。他表示，由于利用传统分类演算法的识别率不高，现在最火热的机器学习技术，事实上曾历经数十年的几番起伏以及近十年的类神经演算法寒冬，乏人问津。一直到2012年，利用神经网络进行训练及推论，有了明显的突破后，才终于掀起这波的AI热潮。同时，在Google、微软等科技大厂与学界的共同努力下，开发多种演算法并将其成为开放源，到2015年识别率达到95%以上，终于使得机器学习得以迈入另一波的高峰。

郑智成强调，AI浪潮正要开始，业界的应用才是重点。这波的应用热潮，归因于演算法、大数据以及运算能力的提升。特别是随着Caffe、TensorFlow、CNTK、Mxnet等Framework的就绪与开放，让更多人都能使用机器学习的技术。现在业界已无需再投入成本与时间从零开始来开发自己的演算法以及建置硬件架构来训练神经网络，反而是应该掌握以及运用这些最新的学术研究成果以及开源软件。 台湾业者更应加紧脚步，考虑如何利用这些现有资源与工具，加速导入实际的AI应用。

为了加速AI布局，英特尔除了开发多款芯片外，亦开发许多程序库与平台，让这些library以及Toolkits能够取得更好的硬件效能。其中，英特尔提供两个重要的SDK，一个是电脑视觉CV SDK (Intel Computer Vision SDK)，另一个是Intel Movidius MDK，作为英特尔硬件芯片与深度学习实际应用的介接，支持各种主流Frameworks训练好的模型，因此能把推论功能快速带到闸道器或终端装置。

Movidius视觉处理器功率最低仅1W左右，可应用在电池供电的装置。例如大疆无人机DJI-Spark就是采用英特尔的Movidius Myriad 2视觉处理器以及预先训练好的模型，能实现障碍物闪避、人脸与手势识别功能。此外新款Google Clips迷你AI镜头，也是内含Intel Movidius Myriad 2视觉处理器，可直接于镜头终端进行实时AI与机器学习运算，提高图像识别与处理效能，在离线情况下也能随时捕捉生活中的精彩瞬间并编辑影像。

针对需要持续供电的装置，则可利用CV SDK，把训练好的模型实际付诸应用。例如，英特尔与亚马逊合作的DeepLens为首款可编程的深度学习无线摄影机，内含Intel Atom X5处理器、Intel深度学习软件工具，及Intel深度神经网络Compute Library，能在摄影机终端上实时运行电脑视觉模型，支持云端环境中的AI模型训练与导入，可降低成本与实时回应，帮助开发者设计出更多AI与机器学习的创新应用。郑智成认为，把AI推论功能带到终端装置势必会带动风潮，成为新一波AI运用的重点。

最后，台湾大学信息工程系林守德教授针对 AI人才培育，介绍教育部人工智能技术及应用人才培育计划的重点，包括 人工智能基本教育与科普论述、AI技术及应用领域课程、AI实务场域学习及平台、AI竞赛与标注数据蒐集等四大架构，并将规划AI核心课程地图，从各方面着手加强学生与教师的能力培养。他呼吁，台湾应强化信息教育，才能培育出能与各国并驾齐驱的AI时代人才。