關於 數值高程模型定義 ，我們在網路上蒐集到這些相關的討論、資訊與評價

從火星探測系統到輔助工業製程，美國工業用 AI 新創 Beyond Limits 如何在台灣做到技術在地化應用？

李佳樺 2021/08/13

從2012 年美國太空總署成功將探測車「好奇號」送上火星至今，已經過了3000多個「火星日」，肩負著火星探測的重要任務，8年來好奇號傳回許多對火星的重要觀察與發現。背後更不為人知的，則是好奇號的 AI 運算系統，其實是由美國新創 Beyond Limits 的團隊建立的，公司發展至今也將觸角伸到能源、先進製造等產業，建立 SaaS 服務，為產業提供 AI 輔助平台，2020 年更獲得 1.3 億美元的投資，拓點到台灣、日本、新加坡、香港等地。

Beyond Limits 將 AI 應用到產業製程的契機，源自於當時跨國石油集團 BP 在墨西哥灣發生的漏油事件，企業希望導入 AI 優化決策過程，合作中也發現了石化能源產業的痛點，研發出石油配方建議系統、石油製程操作檢引系統等 SaaS 產品，不僅受到美國石油公司歡迎，日本市場也買單。

有了日本的先例，這套美國研發出的產品，照理說要拓展到亞洲市場應該不成問題，不料到了台灣卻窒礙難行，甚至需要重新開發不同的產品。

Beyond Limits 的台灣團隊究竟面臨了什麼挑戰？

台灣市場與美國差異大，Beyond Limits 台灣團隊必須如創業般從頭研發產品

台灣分公司總經理張中宜說明，台灣產業的先天特性，讓美國母公司已開發的產品都面臨市場可行性低落的問題，以石油產業的產品舉例，在台灣只有中油、台塑兩個客戶，且台灣的石油公司並不做研發工作，多半直接向國外公司購買配方，因此團隊必須在美國 SaaS 模式 的技術基礎下，研發出符合台灣市場、針對不同產業需求的商品。

「Beyond Limits 在台灣設立公司時的處境，跟重新創業差不多。」張中宜表示，AI 應用產品的開發不僅需要能夠從零開始寫演算法的工程師，也要有懂產業製程的專家團隊，龐大的研發費用與對產業專家的需求，讓每一次產品開發都像募資活動，團隊必須透過產業訪談做足市場研究找到痛點，說服製造公司與他們合作開發能解決產業問題的軟體。

然而開發全新市場對張中宜來說並不陌生。

她曾經在孟加拉創立幫助偏遠地區孩童課輔的非營利組織 e-Education ，第一年就讓偏鄉學子考上孟國最高學府卡達大學，更順勢搭上鼓勵企業與 NPO 合作的開放式創新風潮，讓卡西歐、 AI 新創、安永都找她擔任顧問，執行戰略布局或開發新通路的工作，面對 Beyond Limits 在台灣的難題，團隊選擇了電動車電池研發、面板機器手臂維修與人流異常預警系統等三個產業切入。

延伸既有美國產品技術，尋找合適的台灣在地產業切入開發產品
選擇電動車電池產業與 Beyond Limits 在美國石油產業的經驗有關，研發電池的過程與石油廠研發機油的邏輯相似，痛點都在於漫長的研發過程，就像做菜時要多次嘗試才會知道多少的鹽與油才是最佳的調配一樣，電池配方更要經歷至少半年的實驗，且實驗設計也要在無數次團隊與客戶的交鋒後才能成型，溝通成本相當高昂。

使用 Beyond Limits 導入認知 AI 架構的電池配方建議系統，研發人員只要以自然語言輸入期望的電池規格、價格與電車轉速，系統即可在 43 分鐘內提供數百種配方與實驗方式供選擇，縮短約 2 千倍的研發時間。

Beyond Limits 也在 7 月 29 日宣布與日本的三井物產公司進行策略結盟，以其認知 AI 的核心技術，協助三井投資的液化天然氣廠進行巨量資料分析，並整合作業人員專業知識與數位化作業模式，制定出精簡有效率的解決方案。日本三井整合數位策略部部長常務董事真野雄司氏說，透過與 Beyond Limits 的合作可以改善與再造營運流程，更有效率執行現有事業群的高附加價值項目。

另外，Beyond Limits基於公司在美國既有的輔助風電機維修平台，投入面板機器手臂維修建議系統的開發，「雖然也想在台灣用同一套產品幫助風電產業，也與風電廠陸續接洽，但台灣的風電仍在建設階段，缺乏營運經驗，目前的維修需求也不高。」張中宜談到，市場開發的大方向是要在台灣尋找具備預測維修需求，且市場密集、成熟的產業，公司在與投資人仁寶電腦的合作中，發現光電面板產線中機器手臂的維修概念與風機維修類似，而且痛點也類似：包含高昂的維修成本、未經標準化的維修流程，以及依賴經驗的維修決策。

目前輔助維修系統正與日本機器手臂原廠合作開發，由廠商提供維修資料與產業專家， Beyond Limits 透過 AI 分析維修數據，建立資料背後的邏輯推演，系統最終能判斷機器損壞的原因，並建議耗材種類與維修方式。從管理者的角度能降低維修、備料倉儲成本，對維修人員來說也有可依循的維修建議，長遠更能累積產業知識 ( domain know-how ) ，促進升級。

以邊緣運算技術，與北捷合作開發人流異常預警系統

而將技術從太空拉回到地面，Beyond Limits 也能在大眾運輸犯罪預警上有所發揮。他們與北捷合作，使用等同於在火星探測時、消弭與地球時差的邊緣運算技術，原理是透過分散式的運算提升效率，達成在監控系統的邊緣節點就進行異常人流的辨別，降低反應時間落差。

張中宜舉例，正常的人流像是乘客擠進車廂內的固定位置，開始滑手機，異常的人流可能是人群往四面八方散去，產生快速移動的樣態，異常訊息可以在 10 秒內將送到中控室，大幅縮減以往需要 4 分鐘以上的訊號傳輸時間，也能避免踩到人臉辨識的紅線，未來希望擴張應用到大樓監控，或是銷往他國的大眾運輸系統。

源自NASA，認知型AI成為技術優勢與門檻

與其他單純使用機器學習技術分類數據並預測結果的數值 AI 系統不同，Beyond Limits 的 AI 服務融合了數值 AI 與符號 AI ，前者的數值 AI 是透過大量數據讓模型認知「此為何物」，而符號 AI 則是藉由邏輯定義數值 AI 判斷的結果是好還是壞，並加以做出決策與判斷，以電池配方為例，將實驗室過去的實驗數據導入數值 AI 系統後，會得出樹種配方組合，再藉由符號 AI 判斷個配方辦法的優劣，並給予客戶回饋與建議。藉由結合數值 AI 與符號 AI 兩大系統的結合，讓人工智慧的每項建議都能以人類可理解的思路解釋，輔助人類做最後決策，也使人機協作的製程模式成為可能。

對於這項技術，張中宜表示這其實是源自於 NASA 將探測器「好奇號」送上火星後，由於火星與地球之間的數值傳遞有時間差，人類基本上不可能遙控好奇號，而且火星上的數據在這之前是 0，所以數值 AI 也無法運作，為了能夠讓好奇號自行在火星上探測與行動，勢必須要模擬人類大腦的認知型 AI 系統，當時才會開發出符號 AI。

根據研究報告，2025 年工業用 AI 規模將達 160 億美元，其應用開發仍具高度可能性，Beyond Limits 在台灣也希望更全面地研發產品打進該市場。除了正在培養市場的風電產業外，未來也希望協助優化晶圓半導體產業的製程，團隊更積極與社會、產業溝通，讓社會了解 AI 進入產業能讓人類更有餘力進行創意發想與決策，也讓產業正視轉型需求，近期將與台灣新創基地合作舉辦 AI 科普講座，持續促進製造業的人機共榮合作。

創業快問快答

Q：服務的創意來源，是因為發生甚麼事情而有這樣的想法？

A：台灣數位轉型瓶頸

Q：創業至今，做得最好的三件事為何？

A：用國際薪資招聘頂尖人才、台灣市場國際定位清楚、客戶分潤共創模式的商業模式

Q：要達到下一步目標，團隊目前缺乏的資源是？

A：能見度

附圖：BeyondLimits 台灣總經理 張中宜
Beyond Limits 以數值AI及符號AI兩大關鍵技術，達到人機互補智能
圖片來源 : Beyond Limits
擠捷運
圖片來源 : diGital Sennin on Unsplash
圖說：BeyondLimits Hybrid AI導入流程說明
BeyondLimits Hybrid AI導入流程說明
圖片來源 : BeyondLimits

資料來源：https://meet.bnext.com.tw/articles/view/47993?fbclid=IwAR2HbB5FrPIBoV9kDL27OnhNF-JDNzfYdsoLoVKn85yAA7GUjzDzI3y5Lw0

#今日疫情重點【新增274例本土，校正回歸73例，死亡15例；Rt值降為1.02，指揮中心研判疫情趨緩，指三級警戒發揮效果；蔡英文強調政府與民間一起努力購買疫苗，沒有阻擋問題；北市推「確診者在家移出計畫」；新北首設大型篩檢站】

台灣今（31）日新增274例COVID-19（又稱新冠肺炎、武漢肺炎）本土病例，校正回歸數73例，本土總計新增347例，另新增15例死亡案例；全國三級警戒有效，Rt值降為1.02，指揮中心研判疫情趨緩；針對疫苗購買爭議，蔡英文總統下午直播強調，政府與民間一起努力購買疫苗，呼籲國人團結；台北市推動「確診者在家移出計畫」，無症狀者留在社區將成常態；新北市首設大型篩檢站，最多每日可篩3,600人。

■新增347例本土個案、4例境外移入，另有15例死亡

中央流行疫情指揮中心公布國內新增278例COVID-19確定病例，分別為274例本土個案及4例境外移入個案；另有校正回歸73例，總計351例。確診個案中新增15例死亡。

指揮中心指揮官、衛福部部長陳時中表示，今日新增之274例本土病例，為129例男性、145例女性，年齡介於未滿5歲至90多歲，發病日介於今年4月29日至5月30日。另校正回歸個案73例中，為36例男性、37例女性，年齡介於未滿5歲至80多歲，發病日介於5月14日至5月29日。

陳時中指出，所有本土個案共347例，以新北市171例最多，其次為台北市122例，桃園市27例，彰化縣10例，台中市5例，基隆市及苗栗縣各3例，新竹市2例，花蓮縣、澎湖縣、高雄市及新竹縣各1例。其中293例有雙北活動史，其餘縣市54例中2例有萬華活動史，46例已知感染源，6例關聯不明。（見最新疫情概況圖）

陳時中說明，今日新增15例死亡個案（案1778、2111、2616、2656、2658、2795、3143、4936、5698、5732、6803、7140、7277、8031、8134），共計為男性9位、女性6位，年齡介於60多歲至90多歲，發病日介於5月11日至5月28日，確診日介於5月17日至5月30日，死亡日期介於5月21日至5月29日。

境外移入部分，陳時中指出，新增4例皆持有登機前3日內檢驗陰性報告。案8419、案8531、案8532分別為本國籍30多歲男性、50多歲女性及50多歲男性，分別曾於4月29日（案8531）、5月10日（案8419、8532）出現相關症狀，3名個案於5月29日自印度返台，入境後至檢疫所集中檢疫並採檢，於今日確診。案8434為本國籍40多歲男性，5月14日自南非返台，入境後至防疫旅館進行居家檢疫，29日出現相關症狀，由衛生單位安排採檢送驗，於今日確診。

■Rt值從15降至1.02，陳時中：本土疫情趨緩、繼續維持警戒

全國於5月19日進入三級疫情警戒至今已約兩個禮拜，疫情是否趨緩？陳時中出示圖表指出，本波本土疫情已漸趨緩，兩週內Rt值最高位於5月13至15日左右，Rt值高達15；但經過雙北以及全國陸續提升到三級疫情警戒後，現在Rt值已經下降到1，「朝向可控範圍前進，感謝全國人民和各地方政府，積極實施三級警戒，已經看到三級警戒的效果，」未來兩週要積極維持三級警戒的作為，希望把Rt值降到1以下。

陳時中說，目前具體戰略方向是不斷滾動檢討三級警戒相關措施，不足的部分隨時檢討，希望發病到隔離的時間能縮短，縮短愈多疫情就能控制愈好；目前已準備購買相關抗病毒的單株抗體藥物，給輕、重症患者使用，盼能降低重症比率，以及可能被遺漏的病人或死亡個案。

此外，因篩檢、通報程序塞車，指揮中心在5月22日公布400例「校正回歸」案例後，一個禮拜內每日校正回歸案例數大多超過200例，但昨（30）、今（31）兩日校正回歸案例數皆少於100例，分別為89例和73例。（見經校正回歸每天確診數圖）

陳時中表示，從經過校正回歸的研判日圖表來看，5月21日達到最高峰，但經過這段時間的努力，校正回歸案件數已逐漸減少。

■Rt值是什麼？指揮中心：低於1疫情就能反轉

流行病學透過一個指標表示病情在一定區域的傳播情況，此數值簡稱為R，全稱為「即時有效傳染數」（effective reproduction number），簡單來說，是指感染某流行病的一名患者，任意時間能傳染的人數。 Rt值是一種預測模型（Rt＝R值＋時間變化）；R0值（讀作 R-naught）則是基本傳染數，指的是在特定環境，不考慮時間等其他因素，一個病人平均感染的人數，數值愈高，疾病的傳染力愈強。

台大公衛學院流行病學與預防醫學研究所教授林先和說明，R0的定義是指「在沒有免疫力的狀況下，沒有任何介入措施，平均一個人可以傳給多少人。」去年疫情剛開始的病毒株，R0值約為2～3，但此次在台灣流行的英國變種病毒株傳染力更強，約為4～5。他表示，在這波疫情之前，從自身經驗也可以輕易看出，大家的防疫警戒心下降、社區戴口罩的人也變少了，萬華地區更因為在通風不良的室內傳播，造成一傳多的超級感染事件。

透過居家辦公、娛樂場所關閉等介入手段，讓R0值下降，林先和說，國外也都是如此，大波傳染事件結束後，透過封城都能控制疫情，「接下來要做的是讓疫情穩定，不至於一旦回歸正常生活，很快又爆發新一波大感染。」

指揮中心發言人、疾管署副署長莊人祥表示，指揮中心公布圖表中的Rt值是模擬最糟狀況的模擬數字，目前最新數字是1.02，代表一位病人可以傳給1.02個人，「這個值低於1以下就表示疫情可以反轉。」而Rt值的高峰會比確診數的高峰來得更早，是因為病患從發病到確診有一段時間差的關係。

至於重症人數部分，指揮中心醫療應變組副組長羅一鈞指出，本土案例累計確診數7千多例，其中有1,055人屬於重症，若不分年齡層，重症比例為14.9％；若細分年齡區間，年齡大於60歲者，重症比率是27.5％。他坦言，數字有增加趨勢，罹病民眾是年長或有慢性病族群，確實重症比例偏高。

■中央擋民間買疫苗？蔡英文首度直播談話：政府全力協助，沒有阻擋

針對地方政府、民間團體、企業爭相表達購買疫苗，陳時中表示，目前向食藥署行文的有4個單位，跟指揮中心行文有2個單位，至於媒體有報導但還沒正式來文，有10個（單位）沒提出。民間團體自行接洽「並不是說這樣不行」，但最後還是要申請緊急使用授權（EUA），也要確認貨源符合指揮中心的要求。

至於外界質疑國產疫苗沒有進行三期實驗，安全性不夠。陳時中特別拿出圖表比較2家國產疫苗與國際AZ、BNT等疫苗，並指國內一、二期臨床試驗人數包含老年人口在內將近4千人的試驗，規模比國外一、二期數目還多，是擴大執行，可以算是二、三期延續計畫，可以確保安全性。

陳時中補充，三期臨床試驗時間通常會拉很長，如果等到三期做完才決定購買會緩不濟急，國外包含嬌生、AZ、BNT、莫德納等4款疫苗都是尚未完成三期，各國就已經核准EUA。

針對疫苗爭議，蔡英文總統下午5點也首度透過臉書直播發表談話。蔡英文表示，疫情這兩天已有趨緩但仍充滿挑戰，感謝國人過去兩週忍受不便生活，並希望能持續配合防疫指引，避免不必要外出。

關於民間和企業願意捐贈疫苗一事，蔡英文指出，行政院已宣布，民間宗教團體將由內政部次長陳宗彥擔任窗口，企業由經濟部長王美花擔任窗口。她強調，「政府樂意與民間一起努力，沒有阻擋（購買疫苗）的問題，」疫苗需要做查證，才能確保原廠、安全、合法、有效。

為了因應之後將進入的大量疫苗施打階段，蔡英文表示，行政院政委唐鳳已經在做疫苗預約系統設計，現在正在測試，測試完後就可以使用，國人將會知道自己在什麼時候可以施打疫苗。

蔡英文並否認國產疫苗炒股問題，強調相關財報都是公開，可以查證，「我們也做了內部清查，相關政務人員都沒有炒股問題，若有人具體指控，一定依法嚴查。」

蔡英文最後強調，過去一年多因為國人團結冷靜，才能守住第一波疫情，眼前挑戰如果驚慌失措，不會有幫助，從三級警戒到疫苗大規模接種，相互合作，是最好的方法。

■立法院三讀紓困條例，上限至8,400億元；入境離島將全面普篩

立法院院會今日三讀通過《嚴重特殊傳染性肺炎防治及紓困振興特別條例》修正案，提高紓困振興特別預算總額上限至新台幣8,400億元，並延長紓困條例及特別預算施行期限至明（2022）年6月30日止，此波紓困最快6月4日就能發放。此外，立法院也通過國民黨團提出附帶決議，包括本次新追加的地方政府紓困特別預算分配比例從6％提升到10％，以及金門、馬祖、澎湖等離島入境全面普篩，並在一週內設置完成快篩站。

入境離島需篩檢一事，指揮中心也表認同。陳宗彥表示，指揮中心經評估後將同意交通部民航局所屬台北松山、台中、嘉義、台南及高雄小港航空站設立篩檢站。旅客搭乘國內航線前往離島時，應於搭機前填寫「健康聲明書」，現場有症狀者不可搭機，且應配合病毒核酸檢測；若為過去14天內有症狀者，須現場配合接受抗原快篩檢驗且為陰性，始得搭機。經抗原快篩檢驗陽性的旅客，將由航空站安排搭乘防疫計乘車送至衛生單位指定防疫旅館或集中檢疫所。

■北市推確診者在家移出計畫，無症狀者留社區將成常態

台北市副市長黃珊珊今天表示，之前台北市快篩陽性民眾（不分年齡）都送至防疫專責旅館，隔離10天後若都沒有症狀或退燒超過1天以上，防疫專責旅館就可以開立居家隔離通知書，繼續居家隔離7天。但為使防疫旅館、醫院資源更有效運用，台北市今天起實施快篩陽性分流，並公布新的「確診者在家移出計畫」。

黃珊珊表示，計畫分為三大類：中重症者（不分年齡）由救護車送往醫院；輕症者（不分年齡）由防疫計程車、巴士接送至集中檢疫所或加強版防疫專責旅館；無症狀患者則細分為三種，一為55歲以上，二為55歲以下但有慢性病者、需照顧者、評估無法居家隔離者，這兩類由防疫計程車、巴士接送至集中檢疫所或加強版防疫專責旅館，最後一類為55歲以下，採居家隔離17天，並由健康中心每日關懷個案狀況。

黃珊珊表示，未來社區內有確診者、陽性快篩無症狀者隔離，將成為未來新常態，「大家要有心理準備，這些都會發生在你身邊。」

■新北設3,600人大型篩檢站；疫調分析：7成足跡在居家周遭

新北市疫情嚴峻，今日新增本土案例126例、校正回歸45例，是今日確診數最多的縣市，目前新北市累計確診數已達3,478例。

新北市市長侯友宜表示，新北市目前已經有30處快篩站，但為提供市民快速注射疫苗場所，新北市在板橋江翠重劃區首設大型疫苗接種暨快篩站，該處腹地達4.3公頃，而且離社區還有一段距離，非常適合疫苗接種以及快篩。現場共設有3個快篩站，每站有6個窗口，最多可開到18個窗口，1個窗口每天約可篩檢200人，最多可達3,600人，未來可改變成大量疫苗接種的場所。預計6月3日開始預約或到現場登記。

另外，侯友宜指出，新北市警方疫調分析確診者4萬多筆足跡後發現，其中有71%都在居家周邊，17％在公共場所，9％在醫療院所；公共場所中，以傳統市場47%最多，賣場26％其次，公園17％，其他10％。他呼籲，民眾無論室外、室內都應暫停聚會，從戶外回家後持續戴口罩保護家人，並減少外出採買。

■醫護在馬路邊救病人？N95口罩不夠用？指揮中心加開記者會澄清

昨晚有2部於衛福部立台北醫院拍攝的影片在網路上流傳，一是多名患者躺在院外臨時搭建的病床上接受救治、二是醫護在院外救治病患之餘還拿著掃把清除地面積水，引發質疑「醫療量能崩潰，醫護只能在馬路邊救病人」。

指揮中心今天上午臨時召開記者會，陳宗彥澄清，並提出四點聲明：第一、所在地仍屬院區裡，不是路邊；第二、棚內並非治療，而是讓病患等待檢驗結果；第三、臨時棚是為了讓病患等待過程可遮風避雨，需要躺臥的會讓他們使用，旁邊也有醫護人員注意；第四、部立台北醫院醫療量能充足，絕非因為量能不足才將病患移到戶外治療，希望民眾勿再以訛傳訛引發不必要恐慌。

醫療應變組副組長王必勝進一步說明，病人必須先做抗原快篩，陰性才可進急診、PCR陰性才可以住院，這是全國醫院都適用的規定，主要就是要保護院內病人、醫護和醫療資源。

針對台北馬偕醫院有醫師向媒體爆料指出，院內醫護防護裝備嚴重不足，N95口罩一人只發2個，院方甚至要求醫護重複使用，規定要戴滿8小時，若不到8小時還要收起來下次再用。

對此，陳宗彥出示數據指出，目前所有防疫物資狀況都充足，而統計自5月3日至5月27日撥發數量，包括醫用外科口罩3,851萬6,600片、N95口罩235萬4,370片、隔離衣141萬6,160多件、防護衣21萬9,760件，強調地方戰備存量都有達到標準。陳宗彥也喊話要地方衛生單位應注意，隨時撥補給各大醫院，不希望再看到有醫護人員重複使用N95口罩。

（文／林雨佑、陳潔；設計與資料整理／江世民、戴淨妍、黃適敏、柯皓翔；攝影／余志偉、鄭宇辰）

#延伸閱讀
【「這是我們集體的失敗」──疫苗生產大國卻被疫情重創，來自印度沉痛的告白】https://bit.ly/3bXnguw
【真的假的？確診數「校正回歸」很正常，但一次回補太多天恐使疫情判斷失準？】https://bit.ly/3fJSUfW
【從武漢到世界──COVID-19（武漢肺炎）疫情即時脈動】http://bit.ly/2HMR2T6

#報導者 #COVID19 #本土案例 #確診 #死亡個案 #校正回歸 #Rt值 #R0值 #疫苗 #國產疫苗 #紓困 #入境離島普篩 #大型篩檢站

Google、軟銀都陣亡過！盤點 AI 專案失敗的 4 大原因

Posted on2021/02/04
若水AI Blog

【我們為什麼挑選這篇文章】為了適應未知多變的世界，許多企業搶做「數位轉型」，從公司營運的各層面如客戶體驗、商業模式、企業文化到作業流程等，透過科技的導入來提升效率與效能；而對製造業企業而言，原料採購、物流管理、庫存調配、生產、行銷等環節則是企業主進行數位轉型會優先考量的面向。

在這之中，AI 的運用扮演很關鍵的角色，如何將 AI 應用到上述各層面並實際執行，是許多企業面臨的挑戰，有哪些要點是執行 AI 專案時需特別留意的？（責任編輯：賴佩萱）

作者：若水 AI 資料資料處理部負責人 簡季婕

2020 年，突如其來的新冠肺炎疫情（Covid-19）改變了許多產業的命運，同時加速推促 AI 落地的速度，AI 人工智慧的應用將成為企業的新日常。

若水 AI 資料服務團隊本著為臺灣 AI 應用落地盡份心力的初衷，順著這波改變，推出全新系列內容：與機器學習（ML : Machine Learning）、AIOps 智慧運維（Artificial Intelligence for IT Operations）有關的實用文，分享各界專家在每一天如何持續營運、優化 AI 架構以及資料處理的基本功。

【若水導讀】AI 專案順利通關的三個絕招：

1. AI 資料來源要多元，避免學習偏誤
2. 標註前，請先建立客觀的 AI 資料標註（Data Annotation）原則
3. 讓 AI 人工智慧成為組織的共同語言，會更容易成功
企業都想做 AI，但實際上沒那麼簡單

根據《臺灣人工智慧學校 AI Academy Taiwan》2019 年針對臺灣各大產業 1,095 位業界校友的調查統計，成功導入 AI 人工智慧的臺灣企業僅占 20%。放眼國際，許多全球知名企業的 AI 專案也慘遭滑鐵盧：

Google 在泰國落地測試智慧醫療失敗，拖慢醫療流程；美國杜克大學發佈的 PULSE 演算法誤將歐巴馬的頭像還原為白人，引發種族歧視爭議。

在日本，軟銀（Softbank）社長孫正義原本打算以 AI 機器人取代銷售人員，沒想到 AI 機器人無法應付實際場域的複雜性，計畫負責人只好承認失敗：「我們把機器學習（Machine Learning）想得太簡單了」。

AI 專案難實際執行，問題出在哪？

若水經手過臺灣、日本超過 200 個的 AI 資料處理專案，從橫跨各大產業領域的專案經驗，整理出企業 AI 之所以無法順利落地的四大原因。

1. AI 模型訓練過程中沒有加入實際場域的資料

無論是剛導入 AI 而產生資料處理需求的新手企業，還是已有 AI 專案經驗、為了 retrain 模型再度找上若水的老手企業，都曾經在同一個地方卡關：AI 資料標註品質有做到位元，但 AI 模型卻無法應用落地 。

為什麼？

原因在於，客戶並未以「實際場景」的資料來進行 AI 模型訓練。
現在市面上有許多開放資料集（Open Dataset）或是免費的商用網路圖片，企業通常會優先使用這些免費資源進行 AI 資料標註（Data Annotation）讓機器學習，但是放到實際場域測試後，經常發現 AI 模型成效不佳，無法適用於實際場景，最終還是需要回過頭再進行第二次模型訓練（Model Training）。

因此 在 AI 專案開始前，建議企業首先需要在內部建立資料資料流（Data Pipeline），而在收集資料時，不只使用開放資料集（Open Dataset），也須確保有使用符合實際應用場景的資料來訓練 AI 模型，全盤考量資料類型、角度等多元性，避免機器學習偏誤 。

2. AI 資料標註原則定義不夠客觀

與企業工程師對接 AI 資料處理需求時，當我們詢問這批人臉辨識（Face Recognition）的 AI 資料標註的原則是什麼，常常會接到諸如此類的回答：「頭太小的話，就不要標註數據」。

一般人的邏輯覺得很合理的事情，對於機器學習（Machine Learning）來說卻是一大挑戰。 機器學習需要知道的是趨近「絕對客觀」的原則 ，例如，所謂的頭太大、太小，換算成具體數值會是幾乘幾大小的 pixel？如果圖片背景融色或模糊，也需要標註起來嗎？

一旦 AI 資料標註原則不夠客觀，AI 模型很容易隨著人的「主觀認定」來學習，當專案換了一位工程師，機器學習出來的效果可能也會跟著變 。在我們的經驗，原則的訂定最好透過「對話」，藉由反覆詰問，才能加快釐清目標。有了歸納、定義出客觀的 AI 資料標註原則。就會加快模型學習（Model Learning）成效。

為了清楚定義圖片融色或模糊的問題，我們採用國際照明委員會（International Commission on Illumination）訂定的 Delta E 標準，和影像（圖像）品質評估標準 BRISQUE，和客戶確認彼此認知是否一致。

根據國際標準，人的肉眼能分辨得出來的色差，至少會在 Delta E 值 2 以上。所以，當一張影像測出來 Delta E 值小於 2，就表示這張圖的融色程度太高，無法標註。

假如客戶希望「太模糊的圖片不要標註」，團隊也會根據 BRISQUE（影像品質評估標準）的標準，輸出不同模糊指數的圖片，請客戶確認所謂的模糊，具體來說是 70% 還是 80%。

3. AI 模型訓練（Model Training）沒有循序漸進

以肢體行為辨識（Posture Estimation）為例，Coco Dataset 從一開始只辨識人體 7 大主要關鍵點（Key Point），後來逐步發展成 25 點，甚至快 40 點，有些客戶會希望若水 AI 團隊可以一次就標註 40 個關鍵點，直接拿去機器學習（Machine Learning）。

說起來，機器學習和教小孩很像，一下子給太多的特徵點（Feature Points）反而會「揠苗助長」，導致 AI 模型學到最後分不清楚自己到底在學習什麼。我們也遇過有些客戶，一開始想用難度較高的 Segmentation 方式讓模型學習人的行為，但是人的行為百百種、語意切割（Segmentation）的變異度也高，就比較難學得好。

當這些客戶再回頭來找若水，通常會比較循序漸進，從小地方開始逐步改進 AI 模型。

4. 缺乏管理層的理解與支持

AI 熱潮讓許多企業趨之若鶩，然而 AI 要能夠順利落地，除了上述三項實務建議，企業管理層對於 AI 的認知和支持更是一大關鍵。
許多臺灣企業的 AI 數位轉型主導者，可能是傳統公司裡面有豐富資歷的 CTO 技術長或管理階層，對於 AI 人工智慧這個全新領域的概念，比較缺乏深度的理解，也沒有類似 AI 模型訓練和測試的相關經驗，從上述 4 個原因去追尋難以落地的根源，或許能有所助益。

資料來源：https://buzzorange.com/techorange/2021/02/04/ai-project-difficulties/?fbclid=IwAR04ZC1-1MquyCObEI5HIfTKtV-OkcfxL_R8vRin4YgQMl8cnhS_6aM59vU

我是JC老師
電腦相關課程授課超過6000小時的一位 Revit 課程講師
由於實在太多同學向JC老師反映，希望可以有線上課程學習，所以就決定錄製一系列的 Revit 線上影片教學
而且不加密、不設限、不販售，就是純分享，希望可以幫助到有需要的朋友們
如果這部 3ds Max 教學影片對你有幫助的話，請幫我按個讚，給我點鼓勵，也多分享給需要的朋友們喔~

---------------------------------------------------------------------------------------------------------
彩現
● 彩現步驟
　◆ 開啟「彩現」對話方塊。
　◆ 定義要彩現的視圖區域。
　◆ 於「彩現」對話方塊中，「引擎」之下，選取要使用的彩現技術 (這兩個選項會產生高品質、相片擬真的影像)：
　　★ NVIDIA mental ray：離線 3D 彩現技術
　　★ Autodesk Raytracer：即時 3D 彩現技術
　◆ 在「彩現」對話方塊中的「品質」下，指定彩現品質。
　◆ 在「輸出」下，指定下列項目: 「寬度」、「高度」和「未壓縮的影像大小」欄位將更新，以反映設定。
　　★ 解析度: 若要產生用於螢幕顯示的彩現影像，請選取「螢幕」。若要產生用於列印的彩現影像，請選取「印表機」。
　　★ DPI: 當「解析度」為「印表機」時，請指定列印影像時所要使用的 DPI (每英吋點數)。(如果專案採用公制單位，Revit 在顯示 DPI 或像素大小之前，會將公制數值轉換為英吋。)選取預先定義的值，或輸入自訂值。
　◆ 在「照明」下，指定彩現影像的照明設定。
　◆ 在「背景」下，指定彩現影像的背景。
　◆ 調整彩現影像的曝光設定。
　　★ NVIDIA mental ray：如果知道要使用的曝光設定，可現在進行設定。否則，請先看看目前彩現設定的效果，在彩現影像之後，如有必要，再調整曝光設定。這些彩現設定會儲存成視圖性質的一部分。若要將這些設定套用至其他 3D 視圖，請使用視圖樣板。
　　★ Autodesk Raytracer：定義彩現影像之前的曝光設定。如果您想要修改彩現後的曝光設定，您必須再次彩現影像以查看結果。這些彩現設定不會儲存成視圖性質的一部分。
　◆ 彩現影像。
● 當您使用彩現工具時，彩現引擎會使用複雜的演算法，從建築模型的 3D 視圖中產生相片擬真影像
● 最佳實務特指 NVIDIA mental ray 彩現引擎。
● 切換到要彩現的3D視圖
● 視圖 /圖形 /彩現
　◆ 品質
　◆ 照明
　◆ 背景
　◆ 曝光
　◆ 儲存到專案
　◆ 匯出

---------------------------------------------------------------------------------------------------------

Revit 2016 線上教學影片目錄：http://bit.ly/2vR6fgW
Revit 2016 線上教學影片範例下載：http://bit.ly/2vR0b7X
3ds Max 2015 線上教學影片目錄：http://bitly.com/2dUGqn3
AutoCAD 2015 2D 線上教學影片目錄：http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄：http://bitly.com/2dUGQtB
JC-Design網站：http://jc-d.net/
JC-Design粉絲團：https://www.facebook.com/jcdesigntw/
JC-Design LINE ID：@umd7274k
JC電子信箱：[email protected]

我是JC老師
電腦相關課程授課超過6000小時的一位 Revit 課程講師
由於實在太多同學向JC老師反映，希望可以有線上課程學習，所以就決定錄製一系列的 Revit 線上影片教學
而且不加密、不設限、不販售，就是純分享，希望可以幫助到有需要的朋友們
如果這部 3ds Max 教學影片對你有幫助的話，請幫我按個讚，給我點鼓勵，也多分享給需要的朋友們喔~

---------------------------------------------------------------------------------------------------------
彩現
● 彩現步驟
　◆ 開啟「彩現」對話方塊。
　◆ 定義要彩現的視圖區域。
　◆ 於「彩現」對話方塊中，「引擎」之下，選取要使用的彩現技術 (這兩個選項會產生高品質、相片擬真的影像)：
　　★ NVIDIA mental ray：離線 3D 彩現技術
　　★ Autodesk Raytracer：即時 3D 彩現技術
　◆ 在「彩現」對話方塊中的「品質」下，指定彩現品質。
　◆ 在「輸出」下，指定下列項目: 「寬度」、「高度」和「未壓縮的影像大小」欄位將更新，以反映設定。
　　★ 解析度: 若要產生用於螢幕顯示的彩現影像，請選取「螢幕」。若要產生用於列印的彩現影像，請選取「印表機」。
　　★ DPI: 當「解析度」為「印表機」時，請指定列印影像時所要使用的 DPI (每英吋點數)。(如果專案採用公制單位，Revit 在顯示 DPI 或像素大小之前，會將公制數值轉換為英吋。)選取預先定義的值，或輸入自訂值。
　◆ 在「照明」下，指定彩現影像的照明設定。
　◆ 在「背景」下，指定彩現影像的背景。
　◆ 調整彩現影像的曝光設定。
　　★ NVIDIA mental ray：如果知道要使用的曝光設定，可現在進行設定。否則，請先看看目前彩現設定的效果，在彩現影像之後，如有必要，再調整曝光設定。這些彩現設定會儲存成視圖性質的一部分。若要將這些設定套用至其他 3D 視圖，請使用視圖樣板。
　　★ Autodesk Raytracer：定義彩現影像之前的曝光設定。如果您想要修改彩現後的曝光設定，您必須再次彩現影像以查看結果。這些彩現設定不會儲存成視圖性質的一部分。
　◆ 彩現影像。
● 當您使用彩現工具時，彩現引擎會使用複雜的演算法，從建築模型的 3D 視圖中產生相片擬真影像
● 最佳實務特指 NVIDIA mental ray 彩現引擎。
● 切換到要彩現的3D視圖
● 視圖 /圖形 /彩現
　◆ 品質
　◆ 照明
　◆ 背景
　◆ 曝光
　◆ 儲存到專案
　◆ 匯出

---------------------------------------------------------------------------------------------------------

Revit 2016 線上教學影片目錄：http://bit.ly/2vR6fgW
Revit 2016 線上教學影片範例下載：http://bit.ly/2vR0b7X
3ds Max 2015 線上教學影片目錄：http://bitly.com/2dUGqn3
AutoCAD 2015 2D 線上教學影片目錄：http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄：http://bitly.com/2dUGQtB
JC-Design網站：http://jc-d.net/
JC-Design粉絲團：https://www.facebook.com/jcdesigntw/
JC-Design LINE ID：@umd7274k
JC電子信箱：[email protected]

我是JC老師
電腦相關課程授課超過6000小時的一位 Revit 課程講師
由於實在太多同學向JC老師反映，希望可以有線上課程學習，所以就決定錄製一系列的 Revit 線上影片教學
而且不加密、不設限、不販售，就是純分享，希望可以幫助到有需要的朋友們
如果這部 3ds Max 教學影片對你有幫助的話，請幫我按個讚，給我點鼓勵，也多分享給需要的朋友們喔~

---------------------------------------------------------------------------------------------------------
彩現
● 彩現步驟
　◆ 開啟「彩現」對話方塊。
　◆ 定義要彩現的視圖區域。
　◆ 於「彩現」對話方塊中，「引擎」之下，選取要使用的彩現技術 (這兩個選項會產生高品質、相片擬真的影像)：
　　★ NVIDIA mental ray：離線 3D 彩現技術
　　★ Autodesk Raytracer：即時 3D 彩現技術
　◆ 在「彩現」對話方塊中的「品質」下，指定彩現品質。
　◆ 在「輸出」下，指定下列項目: 「寬度」、「高度」和「未壓縮的影像大小」欄位將更新，以反映設定。
　　★ 解析度: 若要產生用於螢幕顯示的彩現影像，請選取「螢幕」。若要產生用於列印的彩現影像，請選取「印表機」。
　　★ DPI: 當「解析度」為「印表機」時，請指定列印影像時所要使用的 DPI (每英吋點數)。(如果專案採用公制單位，Revit 在顯示 DPI 或像素大小之前，會將公制數值轉換為英吋。)選取預先定義的值，或輸入自訂值。
　◆ 在「照明」下，指定彩現影像的照明設定。
　◆ 在「背景」下，指定彩現影像的背景。
　◆ 調整彩現影像的曝光設定。
　　★ NVIDIA mental ray：如果知道要使用的曝光設定，可現在進行設定。否則，請先看看目前彩現設定的效果，在彩現影像之後，如有必要，再調整曝光設定。這些彩現設定會儲存成視圖性質的一部分。若要將這些設定套用至其他 3D 視圖，請使用視圖樣板。
　　★ Autodesk Raytracer：定義彩現影像之前的曝光設定。如果您想要修改彩現後的曝光設定，您必須再次彩現影像以查看結果。這些彩現設定不會儲存成視圖性質的一部分。
　◆ 彩現影像。
● 當您使用彩現工具時，彩現引擎會使用複雜的演算法，從建築模型的 3D 視圖中產生相片擬真影像
● 最佳實務特指 NVIDIA mental ray 彩現引擎。
● 切換到要彩現的3D視圖
● 視圖 /圖形 /彩現
　◆ 品質
　◆ 照明
　◆ 背景
　◆ 曝光
　◆ 儲存到專案
　◆ 匯出

---------------------------------------------------------------------------------------------------------

Revit 2016 線上教學影片目錄：http://bit.ly/2vR6fgW
Revit 2016 線上教學影片範例下載：http://bit.ly/2vR0b7X
3ds Max 2015 線上教學影片目錄：http://bitly.com/2dUGqn3
AutoCAD 2015 2D 線上教學影片目錄：http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄：http://bitly.com/2dUGQtB
JC-Design網站：http://jc-d.net/
JC-Design粉絲團：https://www.facebook.com/jcdesigntw/
JC-Design LINE ID：@umd7274k
JC電子信箱：[email protected]