智能应用 影音
电子时报移动版服务
微软1215活动

导入AI前置作业繁多 找对命题即能事半功倍

导入AI前置作业繁多 找对命题即能事半功倍

人工智能(AI)潮流正盛,许多企业在数码转型的过程当中亦将导入AI作为其中的环节。不过,在导入AI前与过程中企业往往遇到许多困难,举凡数据数据不足或不够乾净,更甚至是尚未了解到AI真正能够协助解决的问题为何。

国内信托科技金融发展中心资深副总经理王俊权指出,许多产业皆提到,在导入AI之前需先问对问题,思考其应该落地在何种场景与应用,才能使AI效益最大化。然以金融业而言,许多企业未曾设想过,因此导入AI可能带来的只是昙花一现的火花,而非实际而长远的效益。以国内信托金控为例,在经过3~5年的理解与尝试过後,才慢慢抓到要领,了解AI置放於何种应用,以及对哪种类型的问题能够发挥最大价值。

王俊权也提到,企业在导入AI的过程中也须了解AI技术的限制,而非一味地认为AI可以解决所有的事情或问题。此外,AI是否能够模块化,将成功的应用案例复制到另外类似的需求上,若是不能,则能力的扩张将会成为未来AI很大的瓶颈所在,因此将持续找寻相关的解方。

华硕智能解决方案产品规划处处长彭恺翔提到,智能制造与AI并非导入便完事,在布局的过程当中前置作业的部署耗费较多时间,比如工厂架设摄影机或传感器等,以利取得数据。而在取得数据後,便可以着手处理标记,此时便需要产业知识作为辅助,供应链夥伴的协助不可或缺。因此,彭恺翔提到,在导入AI的过程中,前置作业如数据蒐集与标记等约占整体作业流程时间的八成,建模可能惟需短短一周即可完成。

不过,AI新创InfuseAI创始人高嘉良指出,在前置作业确实需要耗费大量时间,且由於每个不同的场域与应用所需或蒐集到的数据数据不尽然相同,事实上若要将AI模块化是非常困难的,因为解决方案或许能依数据数据或特定问题作为分类,但却很难做出一个能够广泛被套用的模块。

高嘉良观察到,现在许多企业组织都希望能获得一个可以协助处理数据问题的工具,而此类型的工具至为重要,因可促使企业内可运用的数据数据更为公开而透明,内部不同部门便可运用这些数据进行创新或其他应用。换言之,拥有处理数据问题工具的重要性在於,奠定了部门内部或彼此之间的合作与创新可能性。

王俊权与彭恺翔皆认为,无论是金融业或是制造业在导入AI前,最为重要的是问对问题,因为一旦知道AI运用於何处将能将其为企业带来的效益最大化,後续的一连串AI部署将能够事半功倍。尽管AI并非无所不能,然在市场大趋势的推波助澜下,已然成为未来大多企业不可或缺的新兴科技之一。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 国内信托 AI