智慧應用 影音
AWS
event

看好台灣製造力 Beyond Limits再揭可解釋性AI

人工智慧(AI)已經成為普及於世的新興技術,人類生活中無論是看得到還是看不到的,背後其實都有AI技術。李建樑

人工智慧(AI)已經成為普及於世的新興技術,人類生活中無論是看得到還是看不到的,背後其實都有AI技術在運作,隨著技術愈趨普及,帶動了科技大廠、新創團隊等皆相繼投入此領域。

美國AI新創Beyond Limits看中台灣強大的製造業底蘊,自2020年正式進入台灣市場後積極拓展市場,儘管2021年受到本土疫情升溫的攪局,經過一年的細火慢燉也逐漸在台灣市場上有斬獲。

 點擊圖片放大觀看

BeyondLimits台灣總經理張中宜。BeyondLimits提供

能源、製造業商機無窮 智慧製造仍為重中之重

Beyond Limits台灣總經理張中宜指出,目前Beyond Limits在台灣市場的專案大致可以分為三塊,一塊為智慧製造區塊,正在與仁寶電腦合作開發機械手臂的AI解決方案專案;另一塊則為綠能產業,著重在能源管理、儲能配方優化、電池壽命預測等。最後一塊則與台北捷運合作,進行人流異常預警系統專案,不過此方案屬於公益性質。

除了上述之外,張中宜特別提到,Beyond Limits近期也與仁寶電腦旗下子事業體合作,積極嘗試開發家庭物聯網(Home IoT)相關,運用由數值AI(numeric AI)與符號AI(symbolic AI)打造出的認知型AI(cognitive AI),加諸邊緣運算能力,使得攝像頭等終端裝置能快速分析、回傳核心,預期未來可以應用於如家庭長者、嬰幼兒照護等場景當中。

不過,在所有的場域當中,智慧製造為重中之重。在智慧製造當中,許多產線上面的製程會面對到良率、瑕疵的問題,而這些問題往往都需要仰賴人力解決,接下來則須思考該如何將瑕疵偵測、數據調整等維運工作標準化,以及相關的邏輯分析,皆為Beyond Limits 2022年的重點,未來也將規畫如何將此塊服務進化成SaaS模型,進而做快速推廣。

接下來,便會朝著工業製程下一段的優化,等到整個製程完成優化之後,期盼進一步讓廠端與R&D端的溝通更加順利。張中宜解釋,R&D設計、廠端執行本就是普遍的狀況,然而過去因為廠端並未數據化,因此很難舉證、反饋給R&D知道問題所在。因此便期待在加入AI技術之後能讓廠端、R&D,乃至品牌方之間的溝通能更為順暢,這將會是台灣業者發光發熱的關鍵所在。

借助美國總部經驗 坐擁快速推廣能力

許多AI新創在走入市場後往往會面對到解決方案無法複製的問題,尤其鎖定製造業的新創更是如此,這歸因於製造業項目包羅萬象,涵蓋高科技製造、半導體、紡織、服飾等,儘管皆為製造業,但不同業者甚至同業者的不同產品線,製程都有可能不盡相同。而在這樣的狀況下,Beyond Limits如何快速推廣AI解決方案?

對此,張中宜笑稱,多虧美國總部的經驗豐富,一切皆需要從開發過程伊始便須考慮後面快速推廣的問題。在開始每個專案之前,Beyond Limits約會花費3個月時間細細爬梳客戶的產線製程,並在過程中歸納、驗證出不同製程的可複製部分,同時評估若是複製到其他產線時的客製化程度比例。

不同於其他市場主要都還在銷售美國已經成熟的解決方案,Beyond Limits台灣已借助台灣製造業底蘊開發出獨有方法論,未來將持續運用此方法論,除了將客戶了解不同製程可被複製的百分比之外,未來更期待可以輸出至國外市場。

可解釋性AI浪潮崛起 人文科學人才扮重要關鍵

在AI普及的狀況下,仍有一群業者或是使用者對AI應用感到進退兩難,關鍵常常是AI之於使用者而言是「黑盒子」,因為儘管訓練出了一套模型,然卻無法解釋建立的模型與導出的結果。而這些疑慮使得可解釋性AI的重要性日益增加。

許多AI供應業者在想要做到可解釋性AI所碰到的難點在於,在大型應用場域中,影響到一套系統的因素可能有濕度、溫度、震動等,因此第一個碰到的問題為是否有能力處理如此繁雜且大量的數據,以及如何取得大量且正確的數據資源之後,運用適當的技術分析處理。

另外一個問題則是,客戶是否有足夠量的數據資料可以運用。除了數量之外,品質也是重點,要分析的項目需要有對的數據。所以,AI供應業者需要非常了解需要的數據資料為何,進一步引導客戶給予對的數據。

然而,要做到可解釋性最大的難關是人文問題,因為要先去了解客戶定義的好與壞,然而這個問題在不同的十個部門卻往往會得到十種不同答案,若是無法瞭解好與壞,可解釋性即沒有意義存在。事實上,要做到可解釋性的技術門檻相對不高,但是卻需要仰賴人文與大量溝通,才可以創造出價值,這是許多科技廠商忽略的重點,所以歸納來說,AI產業相當需要人文科學人才。

而人文科學人才主要的職務特色為PM。其職位除了須負責產品論述之外,更需要是客戶與工程師之間的橋樑。也就是說,在與客戶溝通的過程中了解問題所在,進而讓工程師明瞭客戶面對到的問題,因此對於PM來說,哪些問題跟事情需要與哪個職務溝通是非常重要的工作技能。

台灣其實並不缺乏人文科學人才,然問題是,市場常忽略此角色的重要性。人文科學人才的重要性在於溝通能力,並不需要自己寫程式或擁有技術能力,但是要了解不同角色傳達的訊息為何。

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 新創企業 製造業 AI Beyond Limits