台湾产业AI化 最大问题人才不足

台湾数据科学协会理事长陈昇玮。

研究数据科学多年的台湾数据科学协会理事长陈昇玮，以浅显易懂的比喻说明人工智能、机器学习与大数据的关系。他指出，机器学习是一种从经验里学到规则的演算法而不是可被明确写成程序的，所谓经验指的是大数据，而如此产出的最后结果就是人工智能。过去以「If…Then…Else…」作法的是传统AI，现在的AI指的是机器学习，尤其是从非结构化数据中学习的深度学习。

为协助台湾产业AI化，陈昇玮与团队深入制造业现场了解产业问题需求，发现AI能有效解决产业所面临的四类应用挑战，唯独目前AI人才不足、产业是否问对问题、产学鸿沟以及对自建AI技术信心不足等尚待克服。

而四类关于AI的应用如下：一、瑕疵检测：相较于人力目测检视，透过深度学习系统不仅漏网率更低且检测速度更快。人力漏网率约5%，AI漏网率0.01%以下；人力检测速度每人日约30万张影像，AI每日1,440万张。二、自动流程控制：人为控制设备参数的良率为61%，深度学习控制设备参数的良率为98%。三、预测性维护：深度学习能准确预测某段时间后设备的温度状态。四、原料组合最佳化：深度学习有效提升染整业的打色成功率从70%上升至95%。