避免非必要的侵入式切片檢查，全靠放射科醫生的專業判斷 醫學影像辨識是放射科醫生的重要工作，醫生必須根據病患的檢查資料，提供專業的判斷。當發現某個腫瘤時，必須判斷是否為癌症；可行的方式包括「非侵入式的醫學影像」以及「侵入式的切片檢查」二種。 切片檢查的優點為可以提供非常準確的診斷，但由於是侵入性作法，因此，如果病情轉趨嚴重的可能性很低，醫師與病人將避免這個做法。而放射科醫生的職責之一就是提供相關的專業判斷，盡量做到最合乎理想的狀況。 放射科醫生不堪負荷，判斷腫瘤良惡性標準浮動，醫療品質曝危機 隨著醫學影像檢查的普及化，加上預防醫療的觀念逐漸興盛，放射科醫生的負擔日益加重。一位醫師需同時負責多位病患，在長工時、多病患的情況下，導致放射科醫生在依據影像判斷腫瘤良惡性時標準會有所浮動，致使患者無法獲得最佳的醫療品質。 大世科台大研發「AI醫療影像識別系統」，導入醫療院所，有效提升腫瘤判讀效率與正確性 大同世界科技股份有限公司與臺灣大學生醫電子與資訊學研究所研究團隊共同開發「AI醫療影像識別系統」，訓練出的模型可針對乳房X光攝影做良、惡性之判讀，正確率達85，且此系統已導入中部某一家醫療院所影像醫學部進行POC驗證，有助降低放射科醫師的工作量與病患等待檢查報告的時間。 乳房腫瘤AI判讀系統示意圖 未來也將進一步定義乳房影像報告、資料系統BI-RADS分級與AI良惡性判讀間之關聯性，將影像判讀從原本二分法轉變為機率表現之BI-RADS分級，協助院方建立共同標準，增進不同科別醫生協同合作之效率。 導入AI識別系統之效益 複製成功模式，為AI醫療影像大數據時代奠基 此AI醫療影像識別系統的發展模式，將可套用在不同種類之醫學影像，包括：電腦斷層掃描、超音波攝影等；並可整合自然語言處理功能與結合病理分析報告，為AI醫療影像大數據時代奠定基礎。

如何有效率地分析海量增長的專利資訊，挖掘潛在價值 專利是技術、市場和競爭資訊的寶貴來源。然而，公開的專利文獻總數已高達12億件，僅去年一年就新增630萬件。如何才能讓這些海量專利文獻為己所用 專利分析為充分挖掘專利資訊的價值，提供了一條不可或缺且切實可行的途徑。通過專利分析，可以瞭解自身與競爭對手各自專利組合的優勢、不足和機會，以及全球專利申請趨勢、技術全景及可能存在的空白領域等。 然而專利分析要求透徹理解底層資料，包含：資料的用法和用途，以及能夠解決的問題等，如何才能有效運用及分析海量資訊，正是最讓人頭痛的問題helliphellip 非結構化的資料型態，只能透過人工閱讀整理，十足惱人 「專利說明書」是融合法律與科技用語且具有法律效力的文件，屬於非結構化的資料，過去各項檢索分析都是以人工閱讀內文與整理，實乃曠日廢時，且經常發生追趕不上訴訟時程的情況。在協助企業進行專利佈局時，常面臨無法量化競爭對手與客戶之訴訟風險程度，也難以量化專利之品質與價值，造成國內某企業智權管理公司之業務範圍無法進一步地擴大，也無法促進外界對專利加值應用的瞭解程度。 近年來，企業智權管理公司也開始協助企業中的研發人員，提前掌握影響產業未來發展的重要科技及其專利競爭情報，能使相關人員更從容地進行專利佈局，並提高專利品質與價值。然而，大部份業務範圍在代理專利軟體，如：知識產權運營管理資訊系統 IPServ，主要是協助企業或個人進行智慧財產權管理，但目前並無為企業或個人提供「專利監控」類數據分析的服務。 知識產權運營管理資訊系統IPServ 這些專利軟體包含專利檢索、管理與維護等，而專利大數據是否能夠成功輔助企業掌握市場現況、專利價值、訴訟威脅及監控競爭對手的不法侵權行為，全是仰賴專利數據之取得。但專利數據之清理非常費時，所以一直是個讓人頭痛不已的問題，直到台灣資料科學股份有限公司研發出「企業專利監控之AI數據分析平台」，才終於出現曙光helliphellip 傳統專利分析曠日廢時，改用「企業專利監控之AI數據分析平台」， 一鍵搞定 「企業專利監控之AI數據分析平台」的發想，是使用專利申請的案件中之「專利編碼」與「公司產業別」等具鑑別力的影響因子，透過大數據分析，並增加相關新聞資料，再以機器學習方式透過AI輔助專家，分析市場現況、避免訴訟威脅以及監控競爭對手的不法侵權行為。 這些最後萃取出來的因子也將影響個股的表現，對此可以根據不同的企業屬性和發展方向，朝向「客製化大數據分析」提升企業的戰略位置。希望透過平台的搜尋可以快速讓企業於新增產品線時，了解競爭對手的專利佈局，避免侵權的情況發生；或廠商要找合作夥伴時，也可以從有高度研發的公司來篩選，將此平台作為競合關係的好工具。 系統操作流程圖 傳統上專利分析曠日廢時，需透過人工檢索專利、閱讀專利資料，才能產出一份專利分析報告，現在只要藉由「企業專利監控之數據分析平台」，使用者可輸入某年度或自己與競爭對手的公司名稱，經過系統分析後，即可快速得知該年度及公司間的技術布局、變化趨勢監控等結果，節省作業時間及人力。 例如，若要知道市場上對於物理、化學、電學的相關技術發展現況，可分析IPC專利號碼，檢視哪些公司的持有專利有群聚現象，藉此研判該群聚專利為相關技術或相互依賴的技術，了解公司之間在專利布局上的相似度、產業趨勢，縮短決策時間，搶先布局或做專利迴避設計。 透過人工智慧改善傳統的人工專利檢索的作業以提高工作效能，「專利監控平台」幫助專利分析人員更方便了解特定技術領域的專利發展現況，以預測未來技術研發方向。而「專利布局」是企業針對專利組合，透過整合市場、產業、法律等因素，構建嚴密的保護網，形成有利的研發方向、降低侵權風險。 嚴謹的專利布局可幫助公司在戰略規劃時避開地雷區，避免不必要的訴訟戰；或可透過搶先申請專利及購買專利，擴大自身技術的保護範圍，而要達成此目的，關鍵是經由分析大量的專利資料，領先同業找出趨勢。以本公司開發之產品線人流資訊流天線為例，專利監控平台可針對產品之專利組合，達到上述目標。 人流資訊流天線產品圖 未來，將針對專利文件內容之標題與摘要進行文字探勘（Text Mining）。前期人工輔助，後期採機器學習方式，建立「專利詞庫自動斷詞系統」。應用此斷詞系統將標題與摘要進行斷詞，計算字詞頻率（TF）與反轉文件頻率（IDF）。透過統計方法（如相關相數），擷取專利文件特徵，找出專利之間強關聯性之相關字詞。提升探勘專利之相似度，更進一步了解專利訴訟之風險。 協同專利業者，打造更便利的「企業專利監控AI數據分析平台」 經由「企業專利監控之AI數據分析平台」的「平台網絡圖」查詢，可讓公司或事務所快速看到其相關的產業公司佈局在哪些專利上。對於「專利」而言，各公司可以思索應全由自家研發申請，或直接從產業龍頭單獨購買專利授權。對於「公司產品」而言，要商品化時可因應時代變遷採取不同的策略，前幾年也許是敵對的，隨著產品發展的差異而是今日的盟友。 專利監控平台顯示2009年度大立光電與其相關產業之網絡圖 而在「公司交叉比對」功能查詢中，可一次選擇多年，對於和主要公司相似度較高的對比公司，從年度變化可了解雙方是否發展太過相似的專利，而使二者處於高風險侵權的風暴範圍之中。當數據庫資料更多時，還可以進一步計算「專利風險率」，讓習慣讀數字或圖表的使用者能從另一角度快速知彼知己。甚至未來增添更多參數後，可以估計「侵權金額」，但取得參數內容，還需與專利業者協同合作，一同打造更便利的專利風險監控平台。 台積電與華亞科技、力晶科技之間相似度指標的走趨圖

IBM的超級電腦 Watson，能夠預測員工何時打算離職，且準確度高達 95，也為 IBM 每年節省了高達 3 億美元用於留住員工。另外透過雲端運算服務和現代化，IBM精簡了30的人事成本，讓留下來的員工獲得更高的薪水，做著價值更高的工作。 而在台灣，要如何讓「讓留下來的員工獲得更高的薪水，做著價值更高的工作」呢重點就在於每一個職位的「職能設定」，根據勞動部勞動力發展署所建立的「iCAP職能發展應用平台」所示，每一個職位都有其應具備的主要職責、工作任務、行為指標、工作產出、知識、技能及態度，唯有確立每一個職位的「職能」，企業才能夠根據職能有效應用在員工招募、教育訓練及績效管理上，否則不知道員工應該做什麼宛如瞎子摸象，將讓企業運作潛藏風險。 職能基準範例圖 目前在「iCAP職能發展應用平台」中，建立的職能基準共有872種，其中由各部會完成的有553項，當中包括勞動部的253項及教育部的66項，如果企業想要建立屬於自己的「職能基準」，都需要到「iCAP職能發展應用平台」上來搜尋參考資料。假設企業想要招募有關「業務」的人員，但不知道「業務人員」應該做什麼事情，可以先到「iCAP職能發展應用平台」搜尋「業務人員」，如下圖所示。 於「iCAP職能發展應用平台」搜尋「業務」 可以看到共有18類業務人員，這時候企業就要根據本身需求，逐一點進去查詢、閱讀並整理成自己想要的「職能基準」；但如果我們改搜尋應該是每一間企業都會有的「總務」，其呈現結果如下圖所示，竟為0項。 於「iCAP職能發展應用平台」搜尋「總務」 由上可知，雖由勞動部勞動力發展署所建立的「iCAP職能發展應用平台」可解決部分職務的「職能基準」，但企業內部的分工方式各有不同，可能這個職務在「iCAP職能發展應用平台」上是搜尋不到的；其次，在中小企業中，幾乎存在的都是「多能工」，也就是許多職務的職責是在同一個員工身上，如：在30人以下的小型企業中，通常會計、總務、人事都是同一個人，這時如果要針對這個人建立職能基準，就要分開搜尋「會計」、「總務」及「人事」，然後再將這三種職務的職能基準予以整合，如此往往曠日廢時且成效不彰。 此「中小企業AI職能評鑑系統」希望讓「人能盡其才」，藉由導入AI更精準建立員工的職能基礎標準，並可隨時追蹤其職能表現。 職能模型皆由人工產生及修正曠日費時 國內某螺絲、螺帽、扣件等產品出口商所有的職能模型皆由人工產生及修正，在執行過程中曠日廢時，難以滿足企業因人員變動所需，如：先前喬邁企業有專職的「生管人員」，但在該人員離職後，此項工作需要由其他員工執行，因此其他員工的職能模型需要立即調整；又或者企業為了因應未來發展，須成立開發部門，但先前完全沒有人有相關經驗，不但不知道如何從內部選材，亦不了解在徵才網站上，要如何說明才能找自己真正想要尋找的人才。 除此之外，該公司執行長一直以來深為公司內部的績效管理而苦惱，由於欠缺可精準衡量員工表現的標準及制度，導致每一次的績效考核結果都無法正確反映員工的真實表現，形成考核盲點，也無法把真正需要被獎勵的員工找出來，因此，期望透過AI職能評鑑系統，馬上釐清開發部門所須具備之職能，以及如何進行招募跟績效考核，如此方能有效改善企業內部權責不清、考核不精準之痛，因此其助益實為顯著 AI職能系統建立 X 深度學習 而此為期四個月的人資領域職能系統計畫，執行方向明確，但因導入解釋現象之模型如：Seq2Seq、Deep Keyphrase Generation、Tf-IDF關鍵字擷取演算法與PangRank的導入都是人資領域的新嘗試，過程中採用開源大數據架構進行自然語言處理，以完成 Word2Vector及index 並inverted index其目的爲關鍵字weight權重與關聯性建立。又因無法像影像資料以連續數字處理，必須由相關連的關鍵字如：技能、知識、職業別等進行特徵值簡化，大略說明基本步驟如下： 1 建立Propagation 模型乃是採用Google 採用已久 LTR 混合 Pointwise 推薦引擎（2個月） 2 建立Back Propagation 模型（2個月），調校 loss function之超參數 3 調校 CF model之超參數 4 建立人機協同機制取得更多資料餵養Model 5 反覆以上步驟 而在開發職能模型的過程中，聯和趨動股份有限公司與微光國際資訊有限公司多次討論，認為職能間互有關連，在建立完成知識圖譜後，進一步將職能量表上傳至Neo4j圖形資料庫，在處理複雜的關係資料結構具有極好的效能。而目前已完成500件職能量表上傳至之Neo4j關係分析平台。 使用python進行wor2vector的自然語言分析 除了將一個職位用word2vector之後的tensor描述，找出此職位的知識圖譜樣貌，根據此知識圖譜，可以了解在不同職位之間的相關性，以及彼此之間維度的相似度表現。最後，就是用此知識圖譜來建立該公司的「職能模型」，並依照此職能模型進行深度學習的訓練。 AI職能評鑑系統介面 未來，除了為公司建立自己的職能模型，也可開放給終端使用者，個人可藉由分析自己的職能表現，來了解自己轉職的可能性、市場的價值，也能知道應該補強的技能。公司若對應此知識圖譜，將來可開發跨產業產品。 1 短期：依照政府公布職能量表iCAP, iPAS，以自然語言與關鍵字模型拆解，配合非監督式學習建立「原生職能基礎單元模型」。 2 中期：為企業量身訂做專屬的職能模型。依照既有「原生職能基礎單元模型」由專家以監督式學習，訓練個別企業之「分散式衍生職能模型」。 3 長期：建立「強化學習」模型，導入員工職涯認知與規劃。 職能模型建議，媲美專業人力資源顧問 透過職能知識圖譜的非監督式動態學習，快速建立個別企業的職能模型，企業內部的人力資源人員或外部的專業人資顧問，便可以依據所產生之職能模型，進行人才招募、職能盤點、績效管理及教育訓練等面向的評估跟應用，並會依據公司現有職稱架構下，自動建議其需加強的職能，包括相關的知識、技能及態度等。透過持續性資料的導入跟訓練，系統會學習雇主對於該職業應有之模型的實際看法，並回饋至雲端職能量表中，以遷移學習完成知識圖譜的動態學習，未來其將可媲美專業人資顧問，藉此快速幫助許多跨領域或具多元化技術的企業進行員工職能培訓。

因應時代趨勢，數位學習與移動教材受到廣泛重視 隨著科技迅速演進，如何有效率地培育出能「因應發展變動」的專業人才，是許多企業不斷思考的重要課題。近年來許多企業為刺激外部的成長動能以及內部組織的驅動力，逐步將「數位學習」應用在員工培訓之中，以提升教育訓練效果，「數位學習」與「移動教材」因而受到廣泛重視。 委外配音成本高，且無法負荷大量需求 導入AI配音系統之數位教材製作流程前後差異 台灣戰略突破股份有限公司曾協助企業，將歷年公部門辦理的諸多研討會、實體課程及教育訓練活動，轉製作為數位教材；然而，在轉製作的過程中，除了需邀請老師、尋找並租借拍攝場地、錄音及影片後製外，在錄製過程中，可能因講師緊張、不習慣鏡頭、吃螺絲等因素，造成錄音品質不佳或不斷NG重錄的情況。 雖然有提供客戶教材配音的選擇，但委外配音成本高，且無法負荷大量需求。因此，希望導入AI語音合成技術，研發「智能配音模組」，即時將簡報上的文字，轉換為自然流暢、近似真人發音之語音檔，以節省人員配音的成本。 擬真人之智能配音模組，提供更多元之配音選擇 AI配音模組示意圖 台灣戰略公司與AI技術團隊魔方數位有限公司合作，採用Tacotron2結合WaveNet及Tacotron的特性，將字元嵌入到梅爾刻度Mel-scale譜系圖中，然後由修正過的WaveNet模型作為vocoder，從這些聲譜圖中合成時域的波形，最終開發出MOS語音質量評測指標之評測分數近似真人之智能配音模組。 此AI智能配音模組經過測試者測試，以MOS語音質量評測指標為標準，得到評測分數為43，已達到計畫初始設定的目標值421，且高於Wavenet 408之評測分數，顯見成效卓越 AI智能配音模組，成本降、利潤升，將有效提升台灣數位學習產業環境 AI配音系統導入後之成本大幅降低，利潤相對提升 此AI智能配音模組，不僅可減少製作數位教材的成本，亦可解決我國產、官、學界在數位教材普及的困難，且能有效提升客戶製作數位教材之效率、大量減少人力缺口及成本結構風險，並提升獲利狀況。 台灣戰略公司後續也將持續研發「智能聽打模組」，並將導入自動化流程機器人RPA，將數位教材製作過程中的上字幕、配音、轉檔等工作項目以自動化取代現有人工作業，協助國內數位學習產業轉型提升。

臺灣地處亞熱帶，又有多樣化的地理環境，相當適合種植水果；舉凡香蕉、鳳梨都曾是紅極一時，讓我們引以為傲的熱門出口商品。然而，因為消費國農民逐漸掌握到了臺灣水果優良的種子，可以自行種出同等品質但是更加平價的相同水果，致使我們的水果出口面臨重大危機目前，臺灣的水果如芒果、芭樂雖然仍有一定競爭優勢，但若是未能比其他國家更進一步，假以時日仍然會落入同樣的問題當中，不容我們輕忽水果品質與品牌價值是臺灣水果產業於國際間保持競爭力的不二法門。 篩果工作是水果產銷當中決定品質的主要環節，目前業界卻囿於高度倚賴逐漸老化的農村人力，致使缺工下篩果成本上揚，良率也極難一以貫之保持穩定；因此，篩果工作的自動化，就成為相當重要且急迫的課題。國立清華大學電機工程學系李祈均教授帶領團隊透過攝影機、輸送帶、以及 AI 結合出的自動篩果系統，目前具有高達 93 的準確度。一個產季就能為芒果單一商品提昇 17 億的產值。隨著 AI 系統的逐步發展，未來準確度可望提昇外，也可以將同樣的系統應用在其他水果之上，進一步推動水果全程產銷履歷，帶動臺灣水果產業科技化升級。 篩果工作非常仰賴稀缺的人力，農村人口老化更是雪上加霜 李祈均教授（後稱李教授）在一次聊天中，從曾一起在美國讀書的同學余（化名）處認識到水果產業面臨的困境。余是一家臺灣數一數二的大型水果國際進出口廠商的年輕第二代。根據余投身產業多年的觀察，臺灣水果初期生產出口往往可以得到相當不錯的利潤，但消費國的果農往往在取得種子之後，就會嘗試摸索在地育種，以降低成本獲取更大利潤。臺灣水果若是在品質或品牌價值上無法超出消費國果農的產品，就會因為競爭者的成本確實較低，而被淘汰。 篩果是將水果按照品質分級，如果連最低規格皆無法通過，則會打消為廢品。實務上，篩果這個工作會由農民集貨場以及經銷商的包裝場分別執行，但如果集貨場處理得不好，而包裝場又在前期抽樣沒做好，就會造成經銷商的損失，最多甚至白白打消 30 的 A A 等級的水果。 這個工作極度仰賴有經驗的篩果人員，比較有經驗的篩果人員，不只可以控制好品質，降低篩果過程中傷損水果的機率，甚至有能力額外揀出約莫 10 的 A 等級水果，大大增加許多價值。令產業憂心的是，有經驗的篩果人員因為農村高齡化而逐漸凋零，成為非常稀有的資源。這樣稀有的人力資源每每在農忙時期炙手可熱，大家爭相搶奪，搶不到的農家或是經銷商，只能遷就於比較次級的人力，蒙受承擔額外損失的風險，付出更大的成本；最不幸的狀況，便是遭受前述 30 的打消損失。 篩果是水果生產後期包裝銷售時的重要流程，若是品質控管沒做好，將會造成巨大損失。 AI非常適合協助篩果工作，只不過數據集的取得困難 李教授在了解余的困難之後，發現這是一個可以利用 AI 來解決的問題mdash篩果雖然高度仰賴具有經驗的篩果人員，卻是一個重複性很高的工作；而處理重複、資料量大的工作一直都是 AI 的強項。 不過，在研發工作還沒有開始，就面臨第一個令人頭痛的問題：要從哪一種水果開始 首先，合適的水果需要有一定的出口量，而且必須是仍具有相當成長空間的果物；如果是部分較缺乏國際競爭力者如香蕉、鳳梨等，廠商已經沒有餘力投下更多資金購買設備，更遑論在研發時期贊助經費或是協助研發團隊實驗了。 既然有了想法，當然就要加緊腳步盡快開始實行於是，目前仍保有一定規模優勢的愛文芒果，雀屏中選成為自動篩果系統的第一個實驗對象。 芒果採收後的第一關，就是在集貨場進行第一次的篩果，待篩果完成之後，即送至包裝場進行熏蒸消毒、準備銷售或是裝櫃外銷。然而，對於目標市場有較深入了解的外銷廠商，對於品質會更加嚴格要求，往往在包裝場熏蒸之前，還會再行篩果一次以把握水果品質。由於集貨場的員工是以篩檢的芒果數量而非芒果品質計算工資，以量取勝往往是他們工作的傾向；如此一來，後一手包裝廠為了選果品質，便不得不重工篩果而徒增勞務。解決方案看來簡單明瞭mdash只需要透過攝影機、分級分流的機器輸送帶，以及搭配上可以從外觀分辨芒果品質的 AI 就能夠自動篩果。但是，難點就在於 AI 要如何分辨芒果的好壞呢對，就是必須從建立一套訓練數據集開始為了建立數據集，李教授團隊建立網站，讓所有人都可以上傳芒果照片並且為它們分級；在完善數據集後，就能利用它們來訓練 AI。 李教授團隊研發出的篩果機透過AI圖像辨識篩選品相上佳的芒果。 經過訓練的 AI 準確度高達 93，一個產季就可以提高 17 億產值 108 年，透過工業局（現經濟部產業發展署）與 AI HUB 的協助，成功加速技術進場實證。 李教授團隊在 2 個月實證期間累積 10 萬筆數據，經過訓練的 AI 準確度高達 93 比起正確率 70 的人工作業高出許多，在品質上有了很明顯的差異。以出口價值計算，一個芒果產季預估可望提高 17 億的產值更可以節省人力成本達 1866 萬，並免於前文所提的季節缺工問題。 除此之外，因為不再需要集貨場和包裝場各篩果一次，也減少篩果過程當中人為疏失所造成的損耗。待技術更臻成熟後，未來也能將同樣的系統應用在其他的臺灣出口水果如蓮霧、芭樂上，讓臺灣的水果產業更上一層樓。 既然是 AI，就能經由不斷訓練來提高準確度，透過演算法的持續調整，以及與設備廠商的合作，可以大幅提昇產能。另外，李教授也在廠商及政府的贊助之下舉辦 AI Cup 競賽，讓更多團隊使用同樣的數據集來繼以推動演算法的發展，期待能帶動更多有興趣投入的業者進一步合作。 AI HUB 上的愛文芒果等級辨識系統 李教授團隊期許透過 AI 的力量，能夠建立水果從生產到包裝運輸的完整履歷，藉以提昇臺灣水果的品牌價值除了期望讓臺灣水果在國外競爭激烈的市場搶占一席之地，也能隨著質量兼備的供貨，讓臺灣水果在國際上大放異彩，成為臺灣之光。 臺灣水果在國際市場上仍有一定競爭優勢，但隨著外銷出口，也面臨消費國果農的競爭壓力。 每年芒果季輕鬆省下 1866 萬，而且大幅提高品質。 nbsp

活動百百種，你愛參加哪一種 國內每天皆有各式活動，包括論壇、展覽、講座、免費體驗等，活動主辦方需利用自有媒體（活動官方網站、FB、IG）、活動網站及付費進行媒體行銷，但往往不知道目標客群在哪裡，而無法準確預估參加人數。 透過此「展覽活動自動配對系統」，利用民眾曾經參與各項活動的紀錄，經由數據分析預測使用者喜好哪種類型的活動，並自動配對給使用者，提供快速、輕鬆又精準的行銷推廣方式。 活動主題種類多，行銷廣告費用高且成效不彰 國內某策展公司與鄉鎮公所及觀光服務業者合作，致力農村行銷，每年主承辦農產品策展、農村體驗、親子主題體驗日、農特產品行銷等活動，在舉辦活動時，因參與民眾特性太過廣泛，且活動主題不盡相同，在活動推廣時無法有效精準行銷，容易造成行銷費用大增且媒合度低。 目前策展方在舉辦主題展覽會，以場內200個攤位為例，整體行銷費約80萬至120萬，其中官網建置、活動網站廣告行銷、簡訊通知等，約占40萬至60萬，但活動媒合成功率卻不到2成，無法針對目標客群精準行銷。 改採本「展覽活動自動配對系統」後，可以自動選擇合適客群進行活動推播，根據場次規模及展期，系統租用費約僅20至30萬，即可大幅降低活動宣傳費用 精準智慧行銷，鎖定目標族群發放優惠券 「展覽活動自動配對系統」目前準確率82，可有效篩選目標消費者，未來在模組準確率方面，會再蒐集大量資料與去除雜訊資料來提升準確率，並瞄準目標族群發放優惠券，使收到優惠券的族群能實際參加活動。 系統透過AI加值後，可取代人工無目標的隨機發放優惠券，透過AI模組自動調整權重，可更精準鎖定目標族群。目前加權公式利用策展公司CRM系統查詢過往會員行為分析產出，第二階段將會進行AI加權公式，透過自動修正方式，將不同活動類別找尋最佳計算公式。 展覽活動自動配對系統服務架構 在執行期間遭遇「AI分類器模組訓練學習沒找到最佳解」的問題，令豐醇科技有限公司感到困擾，經與AI工程師互相討論，發現「倒傳遞類神經網路」的缺點是在學習時僅會落在「局部」的最佳解，而非「總體」的最好結果，此部分可再經由加強訓練次數與調整參數的方式，達到加強準確率的目標。 擴大系統功能，串聯會員資料庫，進行行為分析 此「展覽活動配對系統」主要提供活動主辦單位、獨立策展人及民眾進行活動媒合，接下來將會擴大平台功能以符合活動方使用，並加強AI分類器準確率，未來將會結合海洋產業進行海洋文化策展，利用本系統找尋海洋文化宣傳員，透過串連擴大會員資料庫，進行行為分析。

轉化AI人臉辨識技術的奇思妙想 隨著人工智慧發展，越來越多行業開始擁抱AI技術，甚至悄悄走入人們生活之中。由於烘焙店多數販售的是新鮮現做的麵包與西點，而現烤麵包通常不會有條碼，必須依賴結帳人員肉眼辨識，並逐一輸入麵包種類與價格，於是從AI人臉辨識技術得到靈感，想像若是能把這樣的人工智慧技術轉換對上百款的麵包作辨識，或許能提升門市結帳效率helliphellip。 手作麵包多樣化，樂了顧客，苦了店員 國內某烘焙屋的麵包品項多達100種以上，且會定期更換或新增商品，讓顧客有多樣化的選擇；但這也讓結帳人員視為一種挑戰。 店家訓練一位結帳人員所需時間為2個月，但正式上線服務後，每個月還是會發生5至10不等因麵包辨識錯誤而結錯帳的問題，且結帳高峰期通常是下班時期，所以時常造成結帳塞車，結帳人員又會因為緊張而更容易算錯金額。而結帳人員訓練困難且結帳流程不精準的問題，讓業者困擾已久helliphellip。 當烘焙遇見人工智慧，迸出智慧零售妙體驗 在一般的麵包店都是新鮮出爐後先「裸裝販售」，待麵包溫度降為常溫狀態後再進行「包裝販售」，這兩種結帳方式都需結帳人員辨識及記憶價錢才能進行，且櫃台人員需要2個月的教育訓練才能上線結帳，上線後每月還是會有5至10的錯誤機率。而邁迪烘焙屋麵包品項多達100種以上，對結帳人員著實是一大挑戰 因雲逵科技有限公司擅長開發iPad POS，且設計的理念就是簡單、方便、好用，讓店家能輕鬆、快速且正確的結帳，所以結合現有的POS系統，再加上AI影像辨識的功能，讓店家能更有效率且精準地完成每一筆交易。 AI麵包辨識模型運作示意圖 圖片來源-雲逵科技提供 而執行方式可以簡化為八個步驟，包含： 1收集數據：至烘焙業者拍攝麵包影像數據。 2影像標註：影像數據交予木刻思股份有限公司進行人工標註。 3AI建模及訓練：由木刻思負責AI建模及訓練的調整。 4iPad POS調整：在建模的同時，POS端將進行前端UI介面的調整，以及後台端與AI model的串接。 5開始測試：當木刻思以現有數據，達到辨識率95以上，即正式開始串接測試。 6實際場景測試：實際移至麵包店拍攝採集數據，實際驗證其影像辨識正確率。 7規劃實際場景應用附件：當辨識正確率達98以上，將設計應用於現場結帳之附件，如：遠端拍攝鏡頭及投射光源。 8正式應用：結合電子發票正式上線。 POS機AI麵包辨識結帳流程：開始辨識-辨識完成-結帳-確定結帳，只需3秒 圖片來源-雲逵科技提供 AI麵包辨識系統，一兼三顧好輕鬆 加值AI能量後，不但可節省烘焙坊結帳人員事前訓練時間及成本，並減少人員辨識錯誤的成本，亦可加速結帳流程與效率，增加客戶滿意度，後續可推廣至各大零售業，擴增智慧零售的新版圖。 AI加值前後的麵包結帳流程比較圖 圖片來源-雲逵科技提供

AIIoT的落地應用的最佳實踐 隨著我國今年邁入5G商轉元年，透過物聯網結合人工智慧以零延遲傳遞數據，將使所有人有效掌握所有數據，而廁所的「異味監測」就成為最好的平台。國內某連鎖超市全台共有47家門市，近年來超市產業競爭激烈，部分門市為了使服務內容更加多元，規劃座位區及廁所供顧客使用。 目前連鎖超市某門市的客戶對於廁所整潔的反應次數，平均一個月約為10次，顯然高於各店，因此期望透過人工智慧，解決客訴率過高問題。 顧客常常反應廁所髒亂 連鎖超市某門市廁所固定於每日12時及18時進行巡檢，並於大夜班時進行清掃，客服人員時常收到顧客反應廁所環境髒亂及異味令人不適，導致須隨時調派人力進行廁所環境維護工作，若要達到廁所百分之百無異味，需聘僱專員於廁所內，隨時隨地進行清潔，然而這麼做此成本過高，且會浪費人力。 透過國興資訊股份有限公司與連鎖超市攜手合作，委請國立台中科技大學AI團隊，透過物聯網與AI技術解決這個令人頭痛的問題。 物聯網監測 X AI人力派遣 國興資訊將物聯網感測裝置於廁所間之外門鎖，並於所間外「安裝異味感測裝置」與「空氣溫室度感測器」，以使用者開關門的行為、次數與時間，預測所間清潔的程度，如有人打開廁門且迅速關上，若連續有三人以上皆是相同行為，則可預測所間的髒亂程度到達必須清掃的程度。 在人力派遣部分則根據使用人次、假日、節慶活動進行預測，並動態調整人力備援，並計算能提供廁所舒適度的最低人力派遣。 智能廁所品質監控平台之服務架構 此「智能廁所品質監控平台」係於營業場所之開放式廁所建置Sensor，蒐集使用人次、使用時間、異味濃度偵測與空氣溫、溼度等數據，回傳至平台進行AI數據分析供管理單位使用，了解廁所即時使用時間、人次與環境髒亂程度，提供警示提醒派遣人力清潔、檢視廁所情況與做出因應措施，並能協助管理人員進行環境品質監控與髒污預警派工，透由歷史數據分析各時段使用人次進行廁所動態人力預測性的調配建議，有效規劃人力資源管理與運用。 智慧廁所偵測，降低清潔人力成本 加值AI智能廁所監測平台，經過實地場域測試後，店家對於即時監控與警示功能感到相當實用與且願意持續使用，對於「降低客訴次數」，以一個月的資料驗證，確實有顯著的效果，而對於「動態人力派遣」，則尚在評估與驗證中。 經過一個月的數據資料評估，發現在「掌握廁所使用情況」與「降低客訴」有顯著的成效，經過與店家場域試用後，也願意持續使用，之後將透過「使用時間」進行通知，避免顧客於所間內發生意外。未來亦將再在訂價上採低階、中階與高階價位的佈署與推廣。

抗疫如救火，隨著返國人潮增加，武漢病毒檢疫的壓力越來越大，所耗費的時間也越多，若能將檢疫時間縮短，對於防疫效果將有正面助益。位於南臺灣的成大醫院，其所建置的「智慧醫療臨床決策輔助系統」，原本高風險病人從踏入檢疫站到醫師做出臨床決策的時間從原本需2個半小時，現在不到30分鐘即可完成，將檢疫效率一舉提高5至6倍，還可有效降低醫護人員和病人交叉感染的風險以及檢疫所需人力。 隨著一波波海外留學生密集回台，不僅中央疫情指揮中心緊繃神經，各醫療院所也上緊發條，緊盯每一位接受檢疫的國人，另方面，又要擔心同仁可能遭受到的感染風險，心力交瘁。此時，若能運用AI技術，提升檢疫效率，對於醫療單位及國人健康，實為一大福音。 AI輔助醫學相加相乘 成了抗疫功臣 為了對抗新型冠狀病毒肺炎嚴峻的疫情，成大醫院整合多項智慧醫療，建置「智慧醫療臨床決策輔助系統」，將檢疫效率一舉提高5至6倍。原本高風險病人從踏入檢疫站到醫師做出臨床決策的時間從原本需2個半小時，現在不到30分鐘即可完成，有效降低醫護人員和病人交叉感染的風險。 成大醫院所建置的「智慧醫療臨床決策輔助系統」分為三部分，包括前端的病歷自動化，胸部X光片人工智慧輔助判讀肺炎，最後再根據疾管署所提供的每日最新疫情發展，隨時更新臨床決策，大大提升成大醫院在檢疫、防疫的應變與決策。在AI輔助醫學的相加相乘效果下，對臺灣的抗疫工作助益良多。 成功大學聯手成大醫院，運用智慧醫療提升檢疫效率（照片來自官網） 其中，在病歷自動化方面，現行醫療院所多以傳統紙筆填寫或口頭詢問病史，近距離接觸恐增加醫護人員與病患接觸感染風險，成大醫院的醫療病歷自動化系統，可以讓病患使用平板電腦自行填寫包括旅遊、職業、接觸及群聚等病歷資料，上傳到電子病歷系統，醫護人員就能立即收到相關資料做臨床決策，每次平板電腦使用過後，會以酒精消毒，降低交叉感染風險也提升檢疫站效率。 成大醫院武漢肺炎篩檢 敏感度與準確性可達80及90 而「胸部X光人工智慧判讀肺炎系統模型」為成大醫院影像醫學部開發，電資學院孫永年教授團隊也積極參與，利用先前AI生技醫療創新研究中心計畫發展的肺結核X光片AI自動判讀模型，導入成大醫院的肺炎影像資料，雙方平行合作，以最快速度完成。目前用於輔助超過152例疑似武漢肺炎篩檢，敏感度與準確性分別可達80及90。 此外，針對住在學校宿舍當中執行居家檢疫的學生，成大也採取智慧化監測，由跨領域團隊所開發而成的「溫心智慧手環」，能夠連續監測隔離者的體溫與心跳，來作為預測症狀指標。當配戴者體溫上升時，可以藉由手機APP主動確認異常症狀並提醒主動就醫。現階段採取每個禮拜定期回收手環，再交由管理人員統一上傳數據資料至雲端平台做後續追蹤，從內外部全面全面提升抗疫等級。 成大跨域團隊以「溫心智慧手環」協助落實居家檢疫的政策（照片來自官網）