台灣產業AI化 最大問題人才不足

台灣資料科學協會理事長陳昇瑋。

研究資料科學多年的台灣資料科學協會理事長陳昇瑋，以淺顯易懂的比喻說明人工智慧、機器學習與大數據的關係。他指出，機器學習是一種從經驗裡學到規則的演算法而不是可被明確寫成程式的，所謂經驗指的是大數據，而如此產出的最後結果就是人工智慧。過去以「If…Then…Else…」作法的是傳統AI，現在的AI指的是機器學習，尤其是從非結構化資料中學習的深度學習。

為協助台灣產業AI化，陳昇瑋與團隊深入製造業現場了解產業問題需求，發現AI能有效解決產業所面臨的四類應用挑戰，唯獨目前AI人才不足、產業是否問對問題、產學鴻溝以及對自建AI技術信心不足等尚待克服。

而四類關於AI的應用如下：一、瑕疵檢測：相較於人力目測檢視，透過深度學習系統不僅漏網率更低且檢測速度更快。人力漏網率約5%，AI漏網率0.01%以下；人力檢測速度每人日約30萬張影像，AI每日1,440萬張。二、自動流程控制：人為控制設備參數的良率為61%，深度學習控制設備參數的良率為98%。三、預測性維護：深度學習能準確預測某段時間後設備的溫度狀態。四、原料組合最佳化：深度學習有效提升染整業的打色成功率從70%上升至95%。