從每年工研院產業經濟與趨勢研究中心（IEK）固定舉辦的「眺望2018產業發展趨勢研討會」中，可見2017年於首日論壇就以「AIoT！席捲產業新革命」為主題，展望2018年人工智慧（Artificial Intelligence, AI）將與物聯網（IoT）快速匯流，進化成為AIoT，並驅動智慧應用大鳴大放。

慎選AI應用領域　IEK建議由智慧製造著手

然而，在AI關鍵技術不斷突破之際，產業也面臨選擇技術及尋找潛力應用的關鍵議題。首先上台的工研院副院長張培仁便表示，隨著政府致力發展「數位經濟」，工研院則致力扮演創新引擎的角色，作為產業合作夥伴。

在工研院年度院士會議上，也有院士主張：「人工智慧應從台灣的核心強項，如硬體、優勢應用來發展，將人工智慧科技與合適的產業專業領域結合創新；並優先聚焦在智慧健康與醫療、智慧製造兩方面，以台灣市場為試驗場域、進軍國際市場為目標。」

接著登場的工研院IEK主任蘇孟宗進一步指出，面對「AIoT」時代來臨，台灣AI優勢在於製造業的終端資料、各類型資料庫（先進製造、健康醫療等）及半導體核心運算技術等，應扮演垂直整合或生態系領導者的關鍵夥伴；同時透過智慧系統與服務來提升製造業附加價值創造，強化供應鏈管理與帶動新需求；也能提高服務業勞動生產力，創造新型態科技服務模式。例如，從生產過程中擷取的各種資料，分析問題所在或可改善的地方，達到提升良率、優化製程、縮短生產週期等效果。

圖1 : 台灣IBM公司全球企業諮詢服務事業群總經理賈景光強調，IBM提出AI是擴增智慧，將工作的一部分自動化，是協助人們而不是取代，讓人們可將其餘的工作做得更好。（攝影╱陳念舜）

台灣IBM公司全球企業諮詢服務事業群總經理賈景光以「人工智慧對台灣產業的機會與挑戰-Watson應用?進行專題演講，並以手機實際展示了IBM在高科技行業的人工智慧應用情境。賈景光強調，IBM提出AI是擴增智慧，將工作的一部分自動化，是協助人們而不是取代，讓人們可將其餘的工作做得更好。

工研院IEK政府業務服務辦公室計畫副組長楊瑞臨也認為：「現今談到AI將會取代許多人的工作，雖是言過其實。惟若將AI結合IoT（AIoT）在未來能資源管理，以及支援並協助許多企業提升整體工作成效、生產力等競爭力，確實是各產業可預見的重要發展方向。」目前人工智慧的關鍵技術及演算法「深度學習（Deep Learning）」已打破了匈牙利哲學家Michael Polanyi所提出的「悖論（Polanyi's Paradox）」。

亦即深度神經網路（Deep Neural Network）的進展似乎成功地打破了人類「只能意會，不能言傳」的生活寫照，也顛覆了過去我們對電腦發展極限的假設。惟此突破又伴隨著全新的挑戰與待突破的課題，如何能了解人工智慧的運作，並「知其然，又知其所以然」？已引發全球重量級大廠與知名學府紛紛投入研究。

導入智慧機械與機器人　看好AI商機無窮

在智慧機械的專題場次，IEK機械組也預測2018年台灣智慧機械產業發展關鍵趨勢，包括：

1.工業及感測器、智慧機器人與應用方案、工業物聯網（IIoT）與巨量資料（Big Data）應用，以及製造領域人工智慧應用等創新技術發展與應用方案整合。

2.產業將加速導入基於機器人與相關周邊感知設備為主的自動化應用方案。

尤其是製造業導入AI最大的目的，就是為了降低因應外界變化所需的成本，特別是用在生產製造的機器人若比喻是老虎，那AI就是如虎添翼。IEK預估，未來機器人產業地圖，將會因AI而有顯著改變：「全球涵蓋AI技術的機器人市場規模將以等比級數的速度成長，在2020年超過至800億美元；機器人應用也會陸續浮現更多具體的案例與創新商業模式，而新創公司亦是主導未來局勢變化的重要角色。」

立足現有大資料基礎　掌握AI創新商業模式

但工研院IEK分析師黃仲宏仍強調：「AI不是一種境界，而是一個過程和手段，用來克服日益難以掌握的成本。」AI價值鏈和生態系成功的關鍵要素，就是從大量且有用的Raw Data（原始資料）中擷取、儲存與運算處理；再利用資料探勘，從中學習規律、識別資料，找出隱藏的有用訊息。當人們還不了解事物的真實面貌時，可據此推估或預測未來，而不應為了AI而AI。

因此，即便目前以AI為名的運動，可以說是一場全面的產業文藝復興，大家都絞盡腦汁思考該如何更自動化。但是看到有些企業生產線雜亂無章、物件任意排放，甚至也不夠整潔，就急於購買機器人要邁向「工業4.0」、導入軟體發展AI，他還是建議業者先做好「精實生產（Lean Manufacturing）」作業，再一步步遵循導入自動化生產的發展程序。首先是合理化改善生產線，再加以標準化、系統化維持生產運作；接著以硬體自動化-機器人、軟體自動化-資訊流，逐步導入AI，走向所謂的「智慧製造」。

集氣催生產業茁壯　引導人們轉向成長策略　

若以萌芽、茁壯、成熟、衰退來形容AI產業的興衰，可說正處於萌芽階段，成功的應用實例不斷出現。加上電腦、雲端、類神經網路運算能力強化，使全球晶片和記憶體製造商紛紛競逐勝出，機器視覺技術大廠也都逐漸導入「D.L.（Deep Learning，深度學習）」技術，帶來即時辨識與分析的技術突破；配合物聯網、行動裝置與網路連結，可即時、大量蒐集資訊成為大數據，使得AI生態系統不斷擴大，也讓人們看見了先進自動化普及的曙光。

圖2 : 人工智慧（AI）要搭配智慧機器人為載具，才能夠賦予機器人更多能力來充實智慧製造情境，彰顯AI價值，真正成為製造流程中像人類不可或缺的「A.I.R」。（圖片來源：www.accountingweb.com）

目前全球主要IT公司的產品幾乎都已經與AI脫離不了關係，包括Google、Microsoft、FB、Apple、IBM等大廠陸續推出如智慧音箱等產品，積極爭搶人工智慧的主導地位。接著就是要搭配智慧機器人（Intelligent Robot）為載具，賦予機器人更多能力來充實智慧製造情境，才能彰顯AI價值，真正成為製造流程中像人類不可或缺的「A.I.R」。

尤其他認為，工業機器人製造廠有強者恆強、大者恆大的趨勢，但未來包含AI、RT的各領域藩籬終會被突破，台灣廠商不應只專注於製造銷售「高CP值的機器人」，直接與目前高市占率的領導者Kuka、Fanuc等大廠硬碰硬。而應該聚焦以擁有的機器人製造發展經驗與資通訊系統整合；進而運用AI技術，讓機器人發展能及時迎上這波全球浪潮或後發先至，成為未來的優勢產品之一。

值得一提的是，台灣不僅向來有ICT產業厚實的產業基礎，當中更有許多業者跨足機器人製造，並配合自身工廠製程需求改良求新。未來產業的努力方向，或許應著重於在製造整機過程中累積更多經驗能量，及針對製程需求持續開發機器人整體解決方案。

包括目前工研院正與牧德、由田新技、致茂等大廠合作，提高國內外AOI設備檢測LCD面板、半導體晶圓、PCB的智慧化程度。即係利用AI的CNN（Convolutional Neuron Networks,卷積神經網路）技術，使之對於工業圖像的辨識率更快、穩、準。

進而利用深度學習技術，分類大量影像資料，將為影像處理函式庫帶來新的競爭力；再經過適當調整、取捨在leakage（漏檢）、overkill（過檢）間的精度參數，讓AOI設備功能最佳化，可用來分析、預測缺陷的大小。目前已有機器視覺大廠的主力產品逐漸導入深度學習技術，藉由不斷累積檢測資料，讓系統得以自主學習、最佳化。

黃仲宏最後強調：「面對新科技，最大的贏家不是加倍複製成功的過去，而是能引導人們轉向成長產業的社會和企業，機器人產業就是其中之一。」重點是誰能將人工智慧所需的巨量資料運算分析，穩定不失真地應用在機器人與資料中心之間，並找出不可或缺的針對性應用，誰便很有機會能掌握機器人的市場，可望成為下一個科技主導的霸主。

刊頭圖來源 appian.com