智慧應用 影音
Dtalk廣宣
event

好奇號AI系統構建者 Beyond Limits怎麼看AI發展趨勢?

左起為Beyond Limits亞太區首席營運長黎湍、亞太區執行董事廖子平與台灣總經理張中宜。陳慈晏

AI逐漸成為普及於世的新興技術,讓人類生活中無論是看的到還是看不到的,都能夠感知到AI的存在,這樣的普及也帶動了市場上諸多新創團隊相繼投入此領域。DIGITIMES Research分析師陳辰妃指出,在AI技術愈趨成熟之際,AI產業發展重心漸漸轉向降低企業發展AI應用門檻。由於AI大廠所推出的方案客製化程度不足,因此出現了許多AI新創開創跨域方案,弭平其中缺口。

美國新創Beyond Limits成立於2014年,核心AI技術為美國太空總署(NASA)與旗下噴氣推進實驗室(Jet Propulsion Laboratory;JPL)的技術延伸。Beyond Limits提供企業級AI解決方案,成立至今於石化能源產業、電力自然資源業、製造業與醫療保健產業皆有所斬獲,市場遍及美洲、亞洲、中東地區等,並於2020年正式進入台灣市場。DIGITIMES此次專訪Beyond Limits亞太區執行董事廖子平,並邀請他闡述Beyond Limits的成立過程、現況與未來的布局,以及對台灣市場的期待與AI產業的觀察。

問:請您說明一下Beyond Limits的成立過程。

Beyond Limits是2014年成立於美國的AI公司,技術源自於美國太空總署跟其附屬的JPL。NASA於2012年送上火星的探測器—好奇號(Curiosity)中,運行的AI系統正是Beyond Limits的團隊建立起來的。Beyond Limits的執行長AJ Abdallat先前曾任JPL與加州理工學院(簡稱Caltech)的商業化策略負責人,並在2014年說服他們將IP導出做商業化。

一開始是NASA為了火星探測器去建立一個工具箱(toolbox),由於火星與地球之間必定會有時差存在,因此對地球的人而言有數分鐘是無法控制探測器。若這之間的傳遞與連結仍然運用數值AI (numeric AI),倚靠傳遞數據資料(data),基本在當時探測器的應用是無法使用數值AI進行的。因此,當時需要據此設計出新的模組,由於火星是一個新的開發場域,等同於並無過去累積的數據資料,因此必須運用具人類思維的模組進行,讓火星上的探測器能夠自己整理想法與結果。

我們選擇能源產業作為第一個涉獵的領域,歸因於當時大型跨國石油集團BP於墨西哥灣發生漏油事件,讓他們為了解決相關事宜耗費了約300多億美元,內部營運也因此需要整頓。因此,當時他們在找公司協助他們做決策過程的優化。在幾經周折後被介紹到Beyond Limits,而由於過去Beyond Limits有NASA探測器的經驗,並在過程中解決許多通訊、系統上的問題。溝通之後bp認為Beyond Limits的技術可以為他們解決決策過程的問題,在後來的合作過程中也確定我們的技術能夠提供良好的支援,進而在B輪募資的時候成為投資者,其後於C輪時也有進行投資。

至於我們的商業模型,一開始會在某個產業或領域之中開發許多新產品,最後會變成一個SaaS的模組,也就是說我們做的是工業企業AI解決方案提供者(industrial enterprise AI solution),進而導入企業協助解決決策過程中的問題。

在2014年spin off這項技術的時候,就與BP討論是否有需要解決的問題,比如探油,開發類型的工作內容是較為複雜的,因此我們會去探討探油的過程中是否有需要被解決的問題,進而去打造一個AI解決方案。換言之,與業者的合作伊始會先去看商業問題,進一步提供AI解決方案,最後會將這個解決方案產品化,就能夠做成SaaS服務。

有鑑於BP的信任,當時便從上游開始進行優化,自探油開始,在油井開了之後該怎麼維運或進行管理, AI該如何協助優化維運的過程。到了煉油階段,由於煉油廠的過程非常繁雜,除了優化流程之外,我們也提供AI解決方案輔助化學家開發新的成分。綜合而論,從煉油過程到開發工作皆有解決方案,也能涵蓋至最後的物流,提供一條龍的AI解決方案服務。

問:是否能夠簡述一下Beyond Limits的AI技術的特點?

Beyond Limits的技術結合數值AI與符號AI (symbolic AI),應用兩大AI邏輯處理數據與建立控制變因,藉此打造Beyond Limits的認知型AI (cognitive AI),進而提供建議給予作業人員,也能夠在人員的反應回饋中不斷學習與優化,直至最後人與機達到互補智能(Collaborative Intelligence)。

我們的技術模組的其中一個特點是具有可解釋性,AI提供給你一個建議的時候,機器會告訴你為什麼要提供這樣的推薦結果。這與市場中一些業者所提供的「黑盒子」不同,當AI無法提供推薦的原因時,事實上人類就很難對這個模組有信任感。

AI並不是萬能的,這也是為什麼可解釋的模組如此重要。此模組的存在可以視為建立人類信任機器的必要要素,因為人可以去分析機器所提供的建議是對或者不對,或是理解它的邏輯推論,而在模組為透明的之時,人類在決策階段也能夠較有把握。

可解釋的模型跟黑盒子最大的不同在於,黑盒子應用的是數值AI,需要大量的資料做為運算基底。而可解釋的AI除了資料之外,還加入產業的知識與人類的思維想法。除此之外,我們擷取人類針對不完整數據資料(missing data)的行動,人類的思維會在尚無完整資料的狀況下依照過去的經驗進行推論。因此,在加入我們的模型後便得以藉由過去累積而來的知識庫,去進行假設。

目前市場中有許多新創投入AI產業,不過大多是針對特定的流程提出解決方案。由於我們擁有的技術與新創團隊不盡相同,加上我們傾向為一站式的解決方案提供者,因此我們並不認為與其他新創團隊的關係為競爭關係,反而非常期待未來的合作,比如OCR技術、AI晶片、電腦視覺(computer vision)等,藉由合作讓彼此的技術缺口更加精進。

問:針對邊緣運算市場您們是否有什麼樣的布局規畫?

Beyond Limits先前於邊緣運算有協助美國戰機計算機翼振動頻率的相關經驗,未來也會積極覓求與各界硬體廠商合作的機會,尤其在5G的推動之下更是如此。邊緣運算的應用場景可說是非常多元,比如在能源產業當中維持各個結構體的運作,或是將解決方案置放在感測器當中。邊緣運算對我們來說是一個工具,關鍵在於選定何種感測器作為載體,並不僅止於如大眾的穿戴裝置相關應用,而是可以解決許多企業內部的問題。目前邊緣運算的產品還在籌備當中,不過我們特別想要發展健康照護方面的應用。

問:Beyond Limits目前在全球市場的發展狀況?企業對於AI解決方案的需求是否旺盛?

目前除了能源產業之外,也有擴及到基礎設施、醫療保健等,以及香港的駐點會比較著重於金融。不過,我們所做的產品並不會侷限於特定的市場,而是會將其全球化。目前在香港產出的一些金融解決方案,未來也都會進一步推到全球市場。未來在台灣若是

發展出一些AI晶片、智慧製造解決方案也將會是如此,我們並不會單單賣給台灣廠商,在建立不錯的產品模型之後就能輸出至全球市場。

2020年結束C輪募資,共募得了1.3億美元,也於同年佈點於阿拉伯聯合大公國(UAE),也同步進入亞太區,包含新加坡、香港、台灣、日本,目前整個亞太區大概有15位員工。就台灣市場而言,算是剛剛起步,開始招募人才並與客戶建立初步的互動。

事實上,AI是需要教育的,尤其C-level的階層須要先有這樣的認知。原因在於產業要先認知道有導入AI的需求與必要性,因此除了AI解決方案之外,Beyond Limits現在也有做數位轉型的顧問工作,這也可能變成我們進入台灣市場的切入點之一。我們會先至公司內部評估數位轉型的進度,進而從商業問題觀察出需要優化的部分為何,而AI技術正是優化過程的重點核心。目前數位轉型阿拉伯市場推行的較為快速,與當地tier 1的業者進行合作,涵蓋物流、醫療照護、保險等等。

就目前觀察,企業級AI解決方案的市場需求非常龐大,與過往軟體發展的狀況非常相似。過去軟體改變了許多企業內部的營運、運作狀況,那麼未來AI的應用將會改變企業決策的流程,而這也是我們所看到的主流趨勢。觀察亞太區企業導入AI的進程,中國大陸的大企業導入速度非常快,雖然仍以數值AI為主,但自有的技術含量高,大企業也普遍對於未來AI將會滲入各個進程的認知程度頗高。

問:未來針對台灣市場的布局與規劃?

在台灣而言,我們當然會針對已經進入的領域如能源,尋求與相關業者的合作。尤其台灣的製造業非常強,管理的能力也很好,因此我們會就工業4.0、智慧製造作為切入點,在台灣找尋一些合作夥伴。

自2020年進入台灣市場之後,事實上也觀察到許多需求。除了工業4.0的進程與規畫之外,業者也應該要思考未來的發展方針。我想我們針對台灣製造業的服務大致上會分成幾塊,第一個就是供應鏈管理,這是對於製造業來說非常重要的一環,與成本有直接的關係,其次則是為製造設計(design for manufacturing)。

正如先前所提及的,我們有AI平台,缺少的是若干產業中的專長與專業知識。舉例來說,BP對我們的重要性便在於因為我們先前做的是太空產業,藉由與能源產業tier 1的業者合作,得以擷取產業中的專業知識,進一步攻入產業。綜上所述,我們在進入某個產業的時候,首要的任務便是尋找產業中的合作夥伴,所以在台灣的話主要就是找製造方面的合作夥伴。這對於我們的意義不只是開發產品,而是這些已經擁有悠久歷史的產業常擁有非常多的制度知識(institutional knowledge)是需要被保存的,這也是我們在做的。台灣有許多管理的知識值得擷取與保存,將這些知識導入AI模組後,AI就可以在流程中擔任一個監察、提供建議的角色,以確保流程的順利進行。

確實,不同製造業擁有不同的製程,然而在這些不同的製程當中必定會有一致的地方。因此其實我們的系統可以放置在不同的製程之中,關鍵在於感測器所擷取的數據資料為何,以及人類決策流程在何處,因為優化決策流程正是我們的核心工作。

除了將於台灣積極在智慧製造方面尋找夥伴之外,也希望技術與硬體結合。過去探測器的經驗讓我們擁有邊緣運算方面的技術,可以微型化或利用低耗能的特性進行工作。我們不會成為一個晶片公司,但是我認為可以運用既有技術尋找合作廠商,而台灣以製造業聞名,正是最好的場域一同創造更多的商機與運用。

進入台灣的原因除了上述兩個因素外,人才也是很大的吸引力。我們認為台灣擁有很好的教育培育制度,工程師的人才品質也非常好。

問:台灣中小企業非常多,Beyond Limits所提出的解決方案似乎都是主要給大型企業應用,請問這樣的狀況下,中小企業在導入Beyond Limits或是其他AI解決方案時,是否會遇到什麼困難?

確實,我們現在的許多解決方案可能對規模較大的企業較為合適。不過即便是中小企業,仍然會有決策流程的存在,也就會在流程中具有被忽略的問題或謬誤。無論規模大或小,必定會有經年累月的數據資料,唯需自感測器當中擷取出來即可。有鑑於台灣中小企業較多,這也是我們可以取經自台灣企業的其中一點,也許未來能夠將Beyond Limits的AI解決方案應用範圍擴大。

事實上,我們在進入新產業開發客製化的解決方案時,首要之事正是與產業業者進行共同開發(co-development)的工作,而台灣在中小企業很多的狀況下,開發的效率也會較高。這將不僅是台灣會帶給Beyond Limits的資產,同時我們也會協助業者將職人精神與經驗持續傳承,進一步系統化。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: AI