起不了作用的AI、找不到的數據,智慧製造的現實
知勢電子報 | 2021.07.04

各位朋友們好:

如同很多人知道的,AI領域的技術進展很快,2020年時每天就有超過100篇新論文為我們描繪AI的美麗新世界。然而,就是這個「然而」,成為很多嘗試導入AI的企業說不出口的隱痛。

明明已經派了同事去學習AI,甚至找過新創或顧問公司協助,但是,為什麼連「用AI來提升業績」這麼簡單的題目都無法解決?或者明明已經有那麼多數據了,資料科學家還說「數據不夠」?各種問題層出不窮直指一個核心:AI究竟有沒有用?

所以本期電子報特別邀請蔡炎龍教授以及黃逸華資訊長兩位專家,從不同角度切入,分析人工智慧在產業應用時最常見的困擾,藉由深入淺出、既視感強大的兩篇文章,破除對於AI的誤解與迷思。

二年前的此刻,第一本由台灣產業角度出發的《人工智慧在台灣》剛剛出版,其中雖然描述許多AI在產業應用的成果與願景,但也特別套用《灌籃高手》漫畫中櫻木花道的名言「左手只是輔助」,提醒大家,AI雖然是協助轉型的重要技術之一,但究其根柢,企業的體質與營運策略才是關鍵,這個原則至今仍然沒有改變。希望本期電子報內容提供我們一些思考的方向。

人工智慧科技基金會執行長 溫怡玲

產業需要的雷神之鎚在哪?業界才懂的場景

傳說中,在雷神索爾眼裏,這是個由釘子構成的世界,「如果一鎚不夠,那就兩鎚吧。」人們也普遍相信資料科學家擁有類似的神力,「如果一套模型不夠的話,那就再來一套吧?」但是,真正在產業現場,經常看到客戶皺着臉,資料科學家抱着頭,爲什麼?別問,說了你會怕。

閱讀更多

蔡炎龍:人工智慧最難是問出好問題

隨著人工智慧技術的進步,機器能幫人類處理的事情也越來越多,許多人以為有了AI後,一切事物都能自動完成。不過,蔡炎龍提醒:「並非如此,人要做的事情還很多。其中,最重要的就是這件事:問出好問題?考驗的不僅是團隊成員的專業能力,還有溝通及收斂問題的能力。

閱讀更多

疫情影響人力,未來工廠的關鍵設備

嚴峻的疫情影響許多工廠的人力配置與生產效能,工業自動化及無人工廠的未來漸漸受到矚目,隨著越來越多自動化在邊緣或雲端執行,工業連網 (Industrial Networking) 的重要也被看見,時效網路(Time-Sensitive Networking;TSN)則在當中扮演重要的角色

閱讀更多