从每年工研院产业经济与趋势研究中心（IEK）固定举办的「眺望2018产业发展趋势研讨会」中，可见2017年于首日论坛就以「AIoT！席卷产业新革命」为主题，展望2018年人工智慧（Artificial Intelligence, AI）将与物联网（IoT）快速汇流，进化成为AIoT，并驱动智慧应用大鸣大放。

慎选AI应用领域　IEK建议由智慧制造着手

然而，在AI关键技术不断突破之际，产业也面临选择技术及寻找潜力应用的关键议题。首先上台的工研院副院长张培仁便表示，随着政府致力发展「数位经济」，工研院则致力扮演创新引擎的角色，作为产业合作伙伴。

在工研院年度院士会议上，也有院士主张：「人工智慧应从台湾的核心强项，如硬体、优势应用来发展，将人工智慧科技与合适的产业专业领域结合创新；并优先聚焦在智慧健康与医疗、智慧制造两方面，以台湾市场为试验场域、进军国际市场为目标。」

接着登场的工研院IEK主任苏孟宗进一步指出，面对「AIoT」时代来临，台湾AI优势在于制造业的终端资料、各类型资料库（先进制造、健康医疗等）及半导体核心运算技术等，应扮演垂直整合或生态系领导者的关键伙伴；同时透过智慧系统与服务来提升制造业附加价值创造，强化供应链管理与带动新需求；也能提高服务业劳动生产力，创造新型态科技服务模式。例如，从生产过程中撷取的各种资料，分析问题所在或可改善的地方，达到提升良率、优化制程、缩短生产周期等效果。

图1 : 台湾IBM公司全球企业谘询服务事业群总经理贾景光强调，IBM提出AI是扩增智慧，将工作的一部分自动化，是协助人们而不是取代，让人们可将其馀的工作做得更好。（摄影／陈念舜）

台湾IBM公司全球企业咨询服务事业群总经理贾景光以「人工智慧对台湾产业的机会与挑战-Watson应用?进行专题演讲，并以手机实际展示了IBM在高科技行业的人工智慧应用情境。贾景光强调，IBM提出AI是扩增智慧，将工作的一部分自动化，是协助人们而不是取代，让人们可将其余的工作做得更好。

工研院IEK政府业务服务办公室计画副组长杨瑞临也认为：「现今谈到AI将会取代许多人的工作，虽是言过其实。惟若将AI结合IoT（AIoT）在未来能资源管理，以及支援并协助许多企业提升整体工作成效、生产力等竞争力，确实是各产业可预见的重要发展方向。」目前人工智慧的关键技术及演算法「深度学习（Deep Learning）」已打破了匈牙利哲学家Michael Polanyi所提出的「悖论（Polanyi's Paradox）」。

亦即深度神经网路（Deep Neural Network）的进展似乎成功地打破了人类「只能意会，不能言传」的生活写照，也颠覆了过去我们对电脑发展极限的假设。惟此突破又伴随着全新的挑战与待突破的课题，如何能了解人工智慧的运作，并「知其然，又知其所以然」？已引发全球重量级大厂与知名学府纷纷投入研究。

导入智慧机械与机器人　看好AI商机无穷

在智慧机械的专题场次，IEK机械组也预测2018年台湾智慧机械产业发展关键趋势，包括：

1.工业及感测器、智慧机器人与应用方案、工业物联网（IIoT）与巨量资料（Big Data）应用，以及制造领域人工智慧应用等创新技术发展与应用方案整合。

2.产业将加速导入基于机器人与相关周边感知设备为主的自动化应用方案。

尤其是制造业导入AI最大的目的，就是为了降低因应外界变化所需的成本，特别是用在生产制造的机器人若比喻是老虎，那AI就是如虎添翼。 IEK预估，未来机器人产业地图，将会因AI而有显著改变：「全球涵盖AI技术的机器人市场规模将以等比级数的速度成长，在2020年超过至800亿美元；机器人应用也会陆续浮现更多具体的案例与创新商业模式，而新创公司亦是主导未来局势变化的重要角色。」

立足现有大资料基础　掌握AI创新商业模式

但工研院IEK分析师黄仲宏仍强调：「AI不是一种境界，而是一个过程和手段，用来克服日益难以掌握的成本。」AI价值链和生态系成功的关键要素，就是从大量且有用的Raw Data（原始资料）中撷取、储存与运算处理；再利用资料探勘，从中学习规律、识别资料，找出隐藏的有用讯息。当人们还不了解事物的真实面貌时，可据此推估或预测未来，而不应为了AI而AI。

因此，即便目前以AI为名的运动，可以说是一场全面的产业文艺复兴，大家都绞尽脑汁思考该如何更自动化。但是看到有些企业生产线杂乱无章、物件任意排放，甚至也不够整洁，就急于购买机器人要迈向「工业4.0」、导入软体发展AI，他还是建议业者先做好「精实生产（Lean Manufacturing）」作业，再一步步遵循导入自动化生产的发展程序。首先是合理化改善生产线，再加以标准化、系统化维持生产运作；接着以硬体自动化-机器人、软体自动化-资讯流，逐步导入AI，走向所谓的「智慧制造」。

集气催生产业茁壮　引导人们转向成长策略

若以萌芽、茁壮、成熟、衰退来形容AI产业的兴衰，可说正处于萌芽阶段，成功的应用实例不断出现。加上电脑、云端、类神经网路运算能力强化，使全球晶片和记忆体制造商纷纷竞逐胜出，机器视觉技术大厂也都逐渐导入「D.L.（Deep Learning，深度学习）」技术，带来即时辨识与分析的技术突破；配合物联网、行动装置与网路连结，可即时、大量搜集资讯成为大数据，使得AI生态系统不断扩大，也让人们看见了先进自动化普及的曙光。

图2 : 人工智慧（AI）要搭配智慧机器人为载具，才能够赋予机器人更多能力来充实智慧制造情境，彰显AI价值，真正成为制造流程中像人类不可或缺的「A.I.R」。 （图片来源：www.accountingweb.com）

目前全球主要IT公司的产品几乎都已经与AI脱离不了关系，包括Google、Microsoft、FB、Apple、IBM等大厂陆续推出如智慧音箱等产品，积极争抢人工智慧的主导地位。接着就是要搭配智慧机器人（Intelligent Robot）为载具，赋予机器人更多能力来充实智慧制造情境，才能彰显AI价值，真正成为制造流程中像人类不可或缺的「A.I.R」。

尤其他认为，工业机器人制造厂有强者恒强、大者恒大的趋势，但未来包含AI、RT的各领域藩篱终会被突破，台湾厂商不应只专注于制造销售「高CP值的机器人」，直接与目前高市占率的领导者Kuka、Fanuc等大厂硬碰硬。而应该聚焦以拥有的机器人制造发展经验与资通讯系统整合；进而运用AI技术，让机器人发展能及时迎上这波全球浪潮或后发先至，成为未来的优势产品之一。

值得一提的是，台湾不仅向来有ICT产业厚实的产业基础，当中更有许多业者跨足机器人制造，并配合自身工厂制程需求改良求新。未来产业的努力方向，或许应着重于在制造整机过程中累积更多经验能量，及针对制程需求持续开发机器人整体解决方案。

包括目前工研院正与牧德、由田新技、致茂等大厂合作，提高国内外AOI设备检测LCD面板、半导体晶圆、PCB的智慧化程度。即系利用AI的CNN（Convolutional Neuron Networks,卷积神经网路）技术，使之对于工业图像的辨识率更快、稳、准。

进而利用深度学习技术，分类大量影像资料，将为影像处理函式库带来新的竞争力；再经过适当调整、取舍在leakage（漏检）、overkill（过检）间的精度参数，让AOI设备功能最佳化，可用来分析、预测缺陷的大小。目前已有机器视觉大厂的主力产品逐渐导入深度学习技术，藉由不断累积检测资料，让系统得以自主学习、最佳化。

黄仲宏最后强调：「面对新科技，最大的赢家不是加倍复制成功的过去，而是能引导人们转向成长产业的社会和企业，机器人产业就是其中之一。」重点是谁能将人工智慧所需的巨量资料运算分析，稳定不失真地应用在机器人与资料中心之间，并找出不可或缺的针对性应用，谁便很有机会能掌握机器人的市场，可望成为下一个科技主导的霸主。

刊头图来源 appian.com