新冠肺炎COVID-19疫情加快中小企業數位轉型的腳步，然而， 如何透過製作優美的商品設計，迅速將產品上架，是轉型的第一步。運用AI影像視覺技術，選優科技挑選出電商「爆品」款設計，為零售電商打造電商AI工作站，自動物件偵測，去背、美化背景，以一家產品約500-800個品項的小型電商而言，約可節省90的時間。為中小型零售商從線下實體通路轉線上虛擬通路銷售的絕佳利器。 「選優」兩個字的涵義就是：「為客戶選擇最好的科技體驗」，選優科技創辦人暨執行長劉憶涵希望憑藉著自身影像工程的專業，協助對科技有障礙的中小企業店家，能夠「一鍵直入」，不需要學習一大堆科技工具，就能完成將商品上架至電商平台的夢想。 運用AI影像視覺技術，可以將照片自動去背，節省美化照片時間。 電商AI工具站，從素材設計到電商上架，一「鍵」搞定，快速又方便。 機器學習自動產生50種商品推薦 一鍵直入上架電商平台 2018年5月成立以來，選優科技運用機器學習演算法，在社群網站IG、美國最大手作市集Etsy等網站上，蒐集幾百萬張的產品設計後，以機器自動學習產出50萬種商品設計推薦，客戶只要將商品拍照，並將素材上傳到電商AI工具站上，就自動進行去背、加入背景等圖片編輯，較以往店家必須找商業攝影師協助拍攝，再找美編進行編排設計，才能上架到電商平台的傳統做法，省時省錢又省力。 根據統計，一件商品從拍攝、版面編排、美編設計等，平均要花費2,000-3,000元不等的金額，若商品數量達1,000件，所耗費的金錢和時間，恐非中小型電商所能負擔。 選優科技自Amazon、Shopity等大型電商平台銷售排行榜上的產品類型，選定：時尚衣飾、餐飲食品、居家小物、蔬果生鮮、運動用品、營養保健時尚、等六類，作為AI自動學習重要的設計品項，其中，大型電商的時尚衣飾銷售比重高達56，是選優平台上設計推薦的最大宗。 此外，由於防疫期間，消費者大多採取外帶或叫UberEats、foodpanda外送平台，也使得餐飲食品類逆勢崛起，也成為平台上重要的設計推薦之一。而平台上運用超過50萬張照片訓練AI模型，則以居家與服飾類辨識力最強。 選優科技團隊，圖右二為選優科技創辦人暨執行長劉憶涵。 劉憶涵指出，在疫情之後，WFHWork From Home，居家上班帶動另一波外送食物及居家小物的銷售熱潮，未來，也將視電商平台的銷售排行榜動態調整數據庫中的產品圖像、美圖背景等情境圖。 力助中小企業電商轉型 提供第一個月免費快速上架服務 選優科技的營運方式採取SaaS B2B 的商業模式，即按照照片上傳張數計價，以月結方式，分為個人店家、中小型客戶及企業型客戶等三類。疫情以來，線下的零售商機積極要轉型做線上銷售，經濟部工業局提供中小企業數位轉型方案，透過補助的方式協助中小零售業者轉型，選優科技現階段提供第一個月免費提供中小型店家快速上架的服務，同時運用Google表單等線上工具團購訂單，最後串接到蝦皮Shopee、Shopity等電商平台，節省上架時間，讓店家只需專心做好商品，美化及行銷通路的工作就交給選優科技協助搞定。 至於客群的分布，劉憶涵分析指出，選優的客戶群分為兩類型，第一類為是電商使用經驗是「零」的實體零售業者，剛要入門的電商對於產品照片的需求就是快速去背，自動打光及去除陰影，多選擇純白、單純背景的照片；另外一種是中大型企業品牌電商，對於產品照片的要求較高，上架的照片不僅漂亮，還要依不同節日的情境進行個人化的設計，例如，粉紅色小物就適合七夕情人節的應景商品，在架上呈現出來的效果，非常真實，也的確有機會成為「爆品」。 「商品照片優化技術並不是問題，最難的是如何適合產品及轉換率高的情境照片。」劉憶涵表示，資料蒐集與訓練均採用自動化流程，在AI技術上已經十分成熟，困難之處在於，電商種類及產品百百種，如何有效率蒐集具備好看、高轉換率等不同情境的資料作為機器學習的數據，就必須不斷透過動態掘取各大電商平台銷售排行榜上的類型，餵取資料作為機器學習的基準。 對於選優未來的營運布局，劉憶涵表示，公司經營的短期目標，是協助實體店家做數位轉型，由於新冠肺炎疫情爆發之後，許多中小企業重創，實體店家生意受到影響，透過線上販售，可以讓中小企業降低疫情衝擊。 至於中長期目標，受到海外市場疫情嚴峻影響，選優先服務好台灣客戶，待疫情進一步趨緩之後，再進一步拓展到美國及東南亞市場。 劉憶涵參加2020MarTech行銷論壇進行與談。

AI協助工廠更加自動化乃無庸置疑，然而，一般AI專案時間多達3個月之久，有沒有一種解決方案，可以快速部署AI技術，以提升瑕疵準確率答案是：有的。 客戶包括友達、奇美、台積電、聯發科、旺宏等電子大廠，堪稱台灣「護國神山群」最佳幫手的奕瑞科技，其所推出的「AI 服務模組化」，將各種AI技術模組化，就像點菜機一樣，客戶需要哪幾樣就挑選哪幾樣，可以協助客戶快速部署AI，達到提升AI專案快速且兼顧準確度的目標。 2004年成立的奕瑞科技，從販售防毒軟體巴卡斯基起家，是專業的資安與安防公司，2015年切入AI領域，研發AI Vision智慧影像辨識系統，2018年之後，專注於工廠端的智慧影像辨識應用，包括車牌辨識、槽車辨識、人員裝備檢查、智慧物流、智慧化作業機台及智慧無人工廠等，均累積相當多的經驗，客戶遍及友達、奇美、台積電、聯發科技、旺宏、台塑、亞泥、遠東新世紀等龍頭企業。 奕瑞科技智慧工廠各種AI落地應用 奕瑞科技專業技術 擄獲國際大廠的青睞 「奕瑞的每一個案子都不輕鬆，也就是因為與大廠的合作經驗，讓我們的技術更強大」，奕瑞科技副總經理周詩涵信心滿滿地說，以奇美實業而言，瑕疵檢測的準確率要求高達995以上。 由於奕瑞科技自2018年成立AI 部門以來，已經陸續服務過數十家工廠，客戶中不乏希望能快速上線，並且能夠將AI技術部分轉回公司內部，讓內部員工能順利銜接。 針對此一趨勢，奕瑞科技推出兩項服務，一個是完整的AI產品CIC攝影機妥善率偵測系統，幫助客戶在攝影機發生異常（包含斷線、黑畫面、攝影機移位、遮蔽等等的畫面異常狀況），第一時間便能發出告警，另一項推出的就是AI 服務模組化。 CIC攝影機妥善率偵測系統能夠協助廠區一次監控數千台的攝影機，這些攝影機過去都是由廠內負責監視器相關事務的員工定期用手動肉眼檢查攝影機畫面，不僅曠日廢時，也常常因為負責人身兼數職，檢查監視器的工作就未徹底執行，AI 的最大價值就是取代人力去執行這樣簡單且重複的工作。只需要一台CIC 主機，放置於內網，即可設定週期，針對攝影機的各項健康妥善狀況來做檢查，並且自動產生報表，以提供相關人員查驗，大幅提高工作效率 而另一個服務AI服務模組化的概念是，將AI技術套裝軟體化，一個可落地應用AI方案的上線執行，通常會歸納出幾個階段： 一、 客戶需求確認；二、訓練資料收集；三、訓練資料前處理；四、資料送訓練；五、演算法撰寫；六、使用者介面撰寫；七、資料庫串接；八、後續資料補足。 以這八個階段為例，除了演算法的撰寫工程師需要長時間的培養之外，其餘可以由企業自己做或交由奕瑞執行。簡單的基本模組包括車牌辨識、工安裝備等，做成標準化的模組，至於槽車、工序、或是槽車上的化學品名稱等，都可以依客戶需求規劃一個個齊全的模組，由客戶自行採買「菜單」，若是客戶端希望自行上線，奕瑞科技在一個月內就能完成可上線的版本，加快客戶進行AI部署進程。 奕瑞科技AIVISION智慧影像分析系統深受國際大廠青睞 奕瑞科技現階段有32位員工，其中AI工程師就多達近20位。不同於市面上AI廠商僅能做出簡單的AI視覺辨識，奕瑞科技手握過去大量的訓練資料、豐富的專案導入經驗、以及多樣的辨識方法，百分百台灣製造，在地服務，比一般辨識率更高更準確。同時，隨著客戶的需求彈性調整，可用性更高。 傳統光學檢測錯殺率高 AIAOI大幅提升良率及產線效率 對奕瑞科技來說，AIAOI也是其中一個模組，奕瑞的工程師只要給一點點訓練資料，約莫一個月就有辦法達到80的準確率，幫助企業在AI上線的時程上變成非常短。 除了現有的製造廠外，奕瑞科技也切入到光學領域，與小馬光學合作共同研發具有先進物理光學量測方法及光學模組設計。目前大部分廠商會導入產線瑕疵檢查AOI的系統，但大多採用OCR光學字元辨識，是指對文字資料的圖像檔案進行分析辨識處理，取得文字及版面資訊的過程技術，需要達到百分之百的精確度，沒有任何容錯的空間，導致誤殺的情況時常發生。 此次奕瑞科技與小馬光學合作，將奕瑞的AI系統搭載在小馬光學研發的光學檢測儀器，在光學檢測瑕疵上加入AI演算法，根據客戶提供的資料與需求，訓練AI模型辨識對於瑕疵的判定，可大幅提升判別的準確度，提生良率，並增加產線效率。 奕瑞科技執行長張義淵 「就光學領域的AIAOI技術，對於奕瑞而言，光學檢測的環境複雜因素較低，只要客戶對於瑕疵的定義訂得明確，給的資料越精確、越詳盡，瑕疵檢測辨識率往往可達98以上，作業時間也能相對縮短」，周詩涵接著說，對於奕瑞比較困難的兩部分，第一部分是公司目前人力，無法一次接太多AI專案，主要是工程師自我要求比較高，每個案子都需要精雕細琢；第二部分則是大客戶採購時間通常考慮地比較久。這也是奕瑞科技將AI專案的商業模式改成AI服務模組及專案資訊顧問的原因。可以依據客戶的需求，販售模組或是半成品的方式，快速結案，以維持公司正常營運。 除了台灣的市場外，奕瑞科技也將觸角伸到國際，現階段有數個專案正在泰國展開中，其中一項是泰國皇家拉瑪醫院，奕瑞負責院內病人的人臉辨識與行為監測，以預防病患跌倒等。另一個有趣的案子是泰國河道垃圾船的打撈物品分類辨識，以及汽車零件大廠的AI 辨識專案等，奕瑞科技的AI影像識別技術已經漸漸被海外市場所肯定、接受。 展望未來，奕瑞科技希望將在AI視覺辨識技術上的經驗，從2D擴展到3D，甚至於延伸至影音辨識的技術服務，讓奕瑞科技成為全方位的AI專業服務公司。

一次家中電鍍廠汙水處理稽核事件，成為臥龍智慧環境公司總經理謝文彬決定投入環境工程領域，而一份想為台灣與下一代創造更好環境的初心，讓他毅然決然離開人人稱羨的台積電主任工程師職務，走入創業旅程。極端氣候造成時而乾旱、時而洪水，水的供給越來越不穩定，為了追求環境永續發展，謝文彬運用人工智慧AI技術，成為水資源保護的急先鋒。 根據過去半世紀台灣降雨的趨勢觀察，由於氣候變遷加劇，台灣的乾旱週期，已經從早期的17年、縮短為3年至5年。2021年4月，更遇上台灣半個多世紀以來最大水荒。之後，台灣中南部又遭遇到暴雨洪水成災，水資源的保護，已成為當今社會重要的議題。 謝文彬曾任職台積電廠務水處理的主任工程師，在2015年水利署及竹科辦理的節水活動中，台積電均獲得第一名的佳績。他在財團法人環境與發展基金會任職時，承接經濟部工業局產業用水效能提升計畫，共計輔導台灣300家以上廠商。 AI導入水資源應用 可達預警與預測目標 臥龍智慧環境公司成立迄今不到半年，即鎖定政府專案及中小企業汙水及廢水處理的IoT建置或是AI智能化的導入，希望汙水、廢水的處理能達到預警及決策的目標，提升水資源效能。 智慧AIoT應用有三大主題：包括預測與決策水處理系統、水處理操作程序管理最佳化及智慧水處理管理平台。這也是臥龍智慧的核心業務。 AIpoint水處理AI智慧系統的服務範疇與效益 謝文彬表示，經濟部工業局管轄的工業區共有66家污水處理廠，加上數萬家列管的廢水處理廠，其共通性的問題為化學混凝系統常因為人為控藥與後饋式加藥判斷不準確與不及時，造成水質不穩定，大量使用非合理藥劑量PAC與Polymer 同時產生大量污泥。現有的檢測判定具有誤差值，需建立更完善的AI檢測數據資料庫來佐證及輔助判定加藥標準。而透過大數據導入AI專利模型，有助於廢水污防系統處理效能提升與精準調控系統。 導入AIpoint精準加藥系統 可達到減排及系統延壽功能 導入臥龍智慧研發的AIpoint精準加藥智能系統，可以達到以下效益： bull 減少操作人力 bull 減少化學品加藥量 bull 減少污泥產生量 bull 減少碳排放節能 bull 延長系統壽命 bull 系統自動預防與維護 bull 降低導電度 AI導入水資源服務模式與流程 事實上，汙水及廢水廠的數位化程度不一，因此，謝文彬將客群進行分群，針對尚未數位化的廠家，進行IoT設備及軟硬體系統的建置；已經有IoT的廠家，則導入AI技術，針對痛點解決問題，提升整體汙廢水處理效能。「有些客戶的問題不一定要靠AI解決，絕不會為了AI而AI」，謝文彬會按照客戶的實際需求進行評估與導入。 謝文彬累積了水處理豐富的經驗，加上AI專家的加入，工廠只需要提供水質數據，即可做AI預測與決策。 在實際作法上，有些工廠資安的要求比較嚴謹，AIpoint智慧雲平台可將蒐集數據的硬體直接連接到廠端，資料傳回來不會放在雲端。而系統會自動分類，自動篩選演算模型，得到最適模型，再連接到系統端，產生預測與決策的結果。此外，雲平台有區塊鏈的加密，數據嫁接上來，廠端也是照一樣的步驟，快速介接。 另外，在後台監控系統上，可以幫助水處理或水回收系統做預警，包含sensor故障預防、自動防護、後台模型的再訓練等。專案進行時間大約3個月到半年，之後需要按系統的狀況做模型的調整，這部分是訂閱制的服務，與售後服務做整合。 臥龍智慧環境公司也訂定短中長期的目標，短期希望秉持誠信、正直原則，做好品牌定位；中期是與跟硬體等合作方建立生態鏈，集體打群架，共同拓展市場；終極目標則希望能將服務跨域輸出到國際市場。在財務規劃方面，謝文彬期望積極爭取天使輪募資，以新台幣2,000萬元為目標，希望達到公司永續經營之目的。nbsp 臥龍智慧環境公司創辦人兼總經理謝文彬

新冠肺炎病毒COVID-19疫情之後，加速各行各業運用數位工具進行數位轉型的腳步，然而，對於企業主而言，不免要問：到底值不值得導入AI導入之後對於企業本身產生多大的效益事實上，現階段有許多自動化機器學習AutoML的平台，均可以協助企業加速導入AI化、建立AI模型，讓企業導入AI變得簡單化。 企業導入AI面臨挑戰大，自動化機器學習平台提供解方 嘉衡科技總經理梁百鋒表示，企業導入AI，面臨了人才難找、資料處理、建模時效、生產結合、技術掌握及成本效率等種種問題，然而，不是每一個環節或流程都需要導入AI技術，企業需要的是滿足業務需求的人工智慧客製化解決方案，因此AutoML是企業應用人工智慧技術的核心工具。 以往要建立100個AI模型，需要100個建模專家，運用AutoML，建100個模型，只需要幾個資料科學家。AI模型建立之後，加入企業生產流程，使得複雜的應用場景，透過高度客製化建模，就能滿足客戶的需求。 在企業導入AI的過程中，以往都高度倚賴人工智慧專家，未來則由產業專家驅動，以解決企業實際業務場景應用為成功關鍵。梁百鋒認為，有四大關鍵階段： 一、 場景選擇：判斷機器學習對於解決問題是否為正確的方式。 二、 數據準備：資料只是材料，如何選擇「對」及「有效」的資料才是關鍵。 三、 模型建立：注意模型的設計效率，多模型組合才能解決問題。 四、 生產整合：模型滿足生產的限制條件，同時基於生產條件的調適彈性。 要解決傳統人工智慧模型設計所面臨到的業務場景多、落地門檻高、落地周期長、成本高等問題，就必須利用AutoML技術打造一個自動化平台，就能有效解決人工智慧發展與落地的問題。 DarwinML 四大核心技術，協助企業從「零」開始設計模型 嘉衡科技所開發的DarwinML 是以基因演化理論為基礎的人工智慧機器學習模型自動化設計AutoML平台 ，DarwinML以演化的方式進行機器學習與深度學習模型的自動設計和優化，具備極佳模型生成與模型超參數優化能力，可從「零」開始自動設計模型。 DarwinML 四大核心技術分述如下： 一、模型基因庫：收入大量的演算法和基礎模組，可應用於深度學習Deep Learning、機器學習 Machine Learning、及數據特徵提取 Feature Extraction。 二、自動演化算法：採用了遺傳學演算法Evolutionary Algorithm、模型解釋性統計法和強化學習技術，在不斷的模型演化過程中，提高模型的品質。 三、完整的模型生命周期管理：利用 DarwinML 及 Darwin Inference 建立完成封閉系統的模型產生、使用、再優化的過程。 四、多節點並行運算：可基於CPU或GPU運行多節點加速運算，並可部署在企業的私有雲，保障資料安全與模型的機敏性。 DarwinML大幅縮短建模時間，效率顯著提升 傳統模型設計流程中，原本從資料特徵提取、模型設計、模型訓練到參數調整，由AI工程師手工建模需要耗費3-6個月時間，但運用DarwinML自動建模，可以縮短至3-7天，時間大幅縮短，效率顯著提升。 DarwinML可以全自動目標導向生成模型與規則集，模組具備自我進化能力，其核心技術包括機器深度學習模型基因庫、模型演化設計演算法、大資料並行計算技術等，所產生的效益包括： 一、資料整理、資料標籤、數據清洗半自動化，標籤工作量和資料量依賴降低40。nbsp 二、機器學習建模縮短至分鐘級，建模能力高於傳統建模5-10。nbsp 三、深度學習建模縮短至小時級，建模水準與業界最優模型一致，但模型更簡單、更快速。 本文源自於「AI Engineering線上小聚」內容精選整理

甚麼是AutoML自動化機器學習，與ML傳統數據分析有何不同需要先來進一步釐清。 傳統的機器學習必須經過資料清理、資料前處理、特徵工程、特徵選擇、演算法選擇、模型建立、模型訓練、參數調整，再到評估結果，產出模型應用。過程中，一但參數有問題，必須從新選擇演算法、重新建立模型等，來來回回重複上百次。若萬一有了新的資料，所有的步驟都要重走一遍。 透過自動化機器學習，模型應用的產出過程只需要經過資料清理、特徵工程、數據建模及模型評估等四大步驟的自動化，即可達到模型應用，即使需要蒐集新資料，也能透過自動化機器學習達成，省時又省力。 ML與AutoML之比較 資料來源：行動貝果有限公司 AutoML是一種能夠讓機器學習模型開發中耗時的反覆工作自動化的程序，這讓相對缺乏AI人才的中小型企業，也能自己打造客製化的機器學習模型。近年來，國際大廠紛紛搶入這塊市場，包括Google於2018年發表的Cloud AutoML，以及雲端運算龍頭AWS在2019年推出AutoPilot，AutoML已然成為主流學習服務的標準配備，從網頁化介面、免程式開發及工作流程視覺化管理等，服務發展面向越來越多元。 行動貝果（MoBagel ）是一群由頂尖資料科學家、工程師、產品專案管理師組成的專業團隊，團員來自各地名校，包括美國史丹佛、柏克萊、牛津、台灣大學等，同時也曾獲選參與矽谷知名加速器500 Startup、獲選參加日本SoftBank Innovation Program、也在Nokia的Open Innovation Challenge中得名。 行動貝果Decanter AI平台，讓分析專案從兩個月縮短至兩天 行動貝果專攻資料科學和機器學習技術，在2016年研發自動化機器學習分析工具Decanter AI，迄今已幫助超過100家的企業將AI導入重要的決策中，分析專案從兩個月縮短到兩天。服務過的領域包含零售、電信、製造、金融等產業。 行動貝果有限公司副總經理林昱申表示，Decanter AI讓AI像Excel一樣簡單高效，可以提升企業數據分析生產力。使用者不需要先具備深厚的專業知識與經驗，透過簡單的超作介面，就能進行自動化機器學習來作資料分析與預測。 使用Decanter AI有簡單三步驟： 步驟一、將數據整理成csv格式 ；步驟二、上傳至DecanterAI設定預測目標 步驟；三、Decanter AI自動建模，獲得預測成果 。部署方式可以在公有雲，也可落地到企業端的私有雲，內部資料上傳之後，即可建模使用。nbsp DecanterAI使用三步驟，簡單又方便 AutoML的優點是能夠自動化訓練大量模型、調整參數、產出最佳模型，快速部署、快速導入，在新冠肺炎病毒COVID-19疫情之後，各行各業面臨新的市場變局，必須透過快速、便捷的數位工具進行數位轉型。 行動貝果近年來，持續推動DecanterAI平台的優化與建立產業資料建模分析能力，並產生實質效果。如中華電信運用平台針對攜碼客戶進行盲測，並進行數據分析，有效降低用戶的離網率並提高客戶留存率。國內龍頭食品大廠，由於飲品有效期，加上冷鏈的生產與銷量情況必須完全整握，才能降低庫存與損耗等問題，在導入DecanterAI平台之後，除了可精準預測市場需求量，根據效期數據分析生產及配銷數量，也有助於降低倉儲物流成本。 AutoML產業應用多元廣泛 未來發展潛力大 行動貝果認為，AutoML在產業應用十分廣泛多元，包括製造業所困擾的員工離職預測、生產需量預測及營收績效預測；智慧零售業的門市客流預測、商品補貨預測、會員促銷預測；電信業的客戶流失預測、潛客名單預測；金融業的理財精準行銷、信用卡盜刷偵測及保險申辦快審，甚至於房地實價預測、停電災損預測等，都有助於解決產業的經營困境，創造新的商業模式。 AutoML產業應用多元，涵蓋製造、零售、金融等產業 資料來源：行動貝果有限公司 AutoML導入期需要花費多少時間與準備林昱伸表示，在實際做法上，自動化機器學習企業導入進程包括四大期間： 一、 準備期：協同企業討論聚焦商業痛點，協助定義分析命題，並提供資料科學專業建議與最適解決方案，為期兩周左右時間。 二、 驗證期：以小範圍試點專案快速驗證分析成效，確保命題設定、數據品質、分析流程、預測技術等面向，作為後續實務應用與放大之基礎。需要花費三周時間。 三、 導入期：依企業需求支援雲端或本地端產品部署。提供操作與維運教學、Help Center、數據分析顧問諮詢、企業培訓課程等產品導入服務，需時一個月以上。 四、 應用期：分析數據團隊可透過產品通用介面執行各項AI專案，快速落地。並可透過API串接預測引擎，依實務場景開發應用模組，此一為應用最後階段，耗費時間較多，需時長達數月之久。 然而，行動貝果與SI夥伴進行系統整合專案流程，由SI夥伴進行商業命題討論，及提供資料集，隨後進行資料健檢與Baseline模型，據此，行動貝果提供資料診斷報告，確認試點專案命題之後產出需求規劃書，就進入專案執行階段，模型建立、優化及提供分析報告。與SI業者進行系統整合，一方面優化處理模組開發，另一方面使用API串接數據源與輸出預測結果，導入企業的場域，有效解決企業在面臨數位轉型中的命題。 展望未來，Decanter AI平台上將持續開發各項AI創新應用服務，與產業上中下游如企業資源規劃ERP、顧客關係管理CRM、商業分析BI與電子商務平台EC等夥伴，以共創、共享與利他的方式極大化生態圈效益。 本文源自於「AI Engineering線上小聚」內容精選整理

有鑑於人工智慧AI發展迅速，為了加速AI應用落地，InfuseAI打造一站式AI部署平臺軟體PrimeHub，希望能夠降低AI導入門檻，協助企業快速轉型成功。 成立於2018年的InfuseAI工合股份有限公司，由兩位臺灣開源社群資深開發者g0v共同發起人高嘉良和KKTIX創辦人薛良斌共同創立，主要產品是AI部署平臺軟體PrimeHub。 InfuseAI營運長薛良斌分享MLOps落地導入應用 InfuseAI營運長薛良斌表示，AI 專案開發是個迭代的過程，在AI產品生命週期從資料蒐集、開發、部署模型到監控等過程中，隱藏許多技術債，導致AI專案週期拉長、成本增加，效益大打折扣。更有甚者，根據統計，資料科學家有65的工時不是花在模型開發上，AI的實現除了開發外，還包括維運及跨團隊協作等議題。種種因素，均造成AI發展的速度跟不上公司發展需求。 薛良斌指出，AI發展速度跟不上企業需求所產生的問題，可從以下兩方面具體展現： bull AI模型的建置速度：過去需要 12 年的時間，才能完成項AI專案。但是隨著企業導入AI，專案數量與AI模型數量都會以倍數增加。 bull AI模型部署落地後的營運問題：AI 模型的命週期在部署落地後才開始。隨著資料累積，可以重新訓練 AI 模型以提升效能。但是也因為模型數量成長，臨到營運問題以及運算資源瓶頸。 因此，InfuseAI所研發的產品MLOps平台mdashmdashPrimeHub，就涵蓋了AI模型的開發、訓練管理，到營運面的部署、監控等流程，透過流暢的動化 AI 作流程，提供企業一站式讓AI能真正落地的平台服務。 PrimeHub 採開放式架構，並整合各種AI開發工具，包括Jupyter Notebook互動式開發環境以及主流深度學習框架，並以Docker Image方式打包，可以提供一鍵快速部署和執行。同時，PrimeHub Apps 彙整第三具，打造 MLOps 態系。 換言之，InfuseAI 團隊除持續添加更多 PrimeHub Apps 中的第三方應用服務，也正積極與更多廠商合作，將 AI 模型自動化平台無縫串接至 PrimeHub。同時 InfuseAI 更期待能與更多聚焦於 AI 技術領域的廠商以及 SI 夥伴合作，激發更多 MLOps 平台上的應用，進一步推動規模化的AI應用落地。 成軍三年多來，InfuseAI 的客戶包括台灣人工智慧學校、玉山金控、永豐金控、臺大醫院、奇美醫院等。其中，InfuseAI與台灣智慧學校密切合作，解決各種教學的需求。各分校的助教只需要在 PrimeHub 平台簡單地操作，所有管理作就動完成。學員在 PrimeHub 的助平台建立致的預裝環境，學員可以同時間執深度學習運算，透過容器化隔離，彼此不擾。而助教可根據課程進度，決定需要載入的課程資料。系統會在學員開啟環境時，動載入課程檔案與資料集。既快速便，可節省下載流量。 控於2018 年積極投入AI 開發，並採購 GPU 運算資源。發現多、多專案同時進，需要完善的基礎建設來加速。期望導入管理平台，以協助運算資源管理、資料授權等作。PrimeHub 協助集中控管運算資源，提升使效率。管理者只需要在 UI 介設定各專案資源配額、資料授權，就可以在助平台秒開研發環境。 薛良斌表示，PrimeHub平台希望協助企業AI開發規模化、更快部署模型從數個作天減少到數時內，同時也運用API及APPs來達到動化及最佳化作流程。PrimeHub的收費採年訂閱制，將持續優化平臺環境，也能彈性針對不同客戶提供客製化服務，現階段提供三種解決方案，包括PrimeHub Enterprise Edition 企業版、PrimeHub Deploy 輕量化的模型部署管理案及PrimeHub Community Edition等，提供使用者依據需求選用。 本文源自於「AI Engineering線上小聚」內容精選整理

易慧科技攜手資策會，打造異常檢測系統 在不易搜集異常資料的封閉產線，AI影像辨識最大的問題是訓練資料極少、不易重覆出現，導致落地非常困難。易慧科技攜手資策會服創所，研發非監督式學習技術，亦即電腦學習的過程中，不需要標註特定辨識物，是透過資料之特徵，由機器自行分類。以製造業最在意的瑕疵檢測應用為例，在無法大量且全面地搜集瑕疵資料的條件下，可以先教育機器學習產線上大多正常的產品，在發生少部分不良品混入時，讓機器透過分類法則，將不良品篩出；再如消費者刷卡通常有特定模式與消費習慣，若偶然出現完全不符合此一習慣之異常特徵，則讓機器自行將此一異常檢出，其特性使適用之領域具有獨特性。 以非監督式深度學習演算法研發AI異常檢測技術，可免除異常資料之搜集、標註，使導入期縮短至12個月，市場目標為不易搜集異常資料之傳統產業，如：化工、鋼鐵等。此技術畫質寬容度高，僅需產線一般監視影像，即可訓練模型，且能檢知多種類異常，導入流程簡單快速。本系統搭配影像取得、訓練機制、邊緣即時運算主機、雲端巡檢服務，為一完整異常檢測解決方案，可串接工廠巡檢、APP等通報機制。

原本認為台灣不是發展遠距醫療沃土的健康聯網資訊公司創辦人兼執行長徐克宇，為了公益，希望搭建偏鄉遠距醫療協作平台的善心，卻化成創業的動力。法規的鬆綁、新冠肺炎肆虐所造成的隔離，卻意外引爆遠距醫療的需求。「丞相，起風了」，徐克宇站在風口浪尖上，御風而行，開發「醫生馬上看APP」，開啟台灣遠距醫療新的里程碑。 徐克宇旅居美國20年，長時間投入創投工作，具有超過 30 年在大中華區及美國矽谷的高科技投資及管理經驗。因為美國幅員遼闊，就醫不易，因此，遠距醫療十分普遍，居家照護醫生透過電話問診，就能初步判斷民眾的病況，予以適當的診療建議。 從公益出發 台灣首創遠距醫療平台 退休回到台灣，徐克宇隨扶輪社參加偏鄉義診活動，有感於偏鄉醫療資源不足，全由義診醫生自費交通、藥品，而不同的醫生在不同的時間前往義診，資源無法分享，反造成重複問診困擾，因此，徐克宇希望透過協同平台的建置，以「公益」為出發點，推廣遠距醫療。 健康聯網資訊公司「醫生馬上看」平台，提供義診醫生免費使用系統，具備錄影、視訊、掛號及病歷等功能，現階段已有200多個醫生駐站。根據徐克宇觀察，遠距醫療有兩種模式，第一為智慧醫院，即醫療互聯網，主要以醫院為中心，目的以治療疾病為主，單線結合診所、藥局、合作的醫檢所，甚至是行動裝置業者等，由醫院整合後提供服務給病患。 第二種是以病人為中心的互聯網醫療，所有醫療相關機構圍繞病人，醫療數據及病歷所有權屬於病患個人，而非醫院，醫生要取得授權才能取用病患資料，病患也可以取消對醫生的授權，此一方式可以翻轉醫病關係，將支配權由醫生轉回到病患身上，也有助於迫使醫生汰弱留強，改善整體醫療品質。 據統計，目前全台偏鄉地區有58個衛生所，15個離島衛生所，僅有固定巡迴醫療家醫師駐診，透過系統平台，僅需要派出護理師操作眼底鏡及相關手持式健診設備，立即取得健康報告，一旦醫生在遠端發現異常情況，可以盡速安排轉診，可以提早發生問題，及早就醫以節省醫療成本及挽救健康。 從公益出發，提供醫療創新商業模式驗證的場域，而法令的鬆綁，則為遠距醫療帶來更多的可能性，讓原本被徐克宇視為「遠距醫療沙漠」的台灣，透露出發展的曙光。針對遠距醫療，衛福部在2018年5月11日正式發布「通訊診察治療辦法」，放寬遠距醫療之照護對象與模式，包括急性住院病患3個月內的追蹤、機構住宿式長照住民且領有醫療院所慢性處方簽、家庭醫師整合照護相關、遠距和居家照護收案對象、擬接受或已接受本國醫療機構治療的非本國籍且未參加全民健保的境外病患等，都可以利用遠距醫療的服務，接受醫師診斷。 使用遠距醫療診察或治療項目包括衛生教育、健康促進、疾病預防及癒後恢復。為維護全民健康，衛福部將於2020年第二季推動「健康存摺」，旨在將健康照護及病歷數據的自主權還給民眾，與徐克宇的理念契合。 「醫生馬上看APP」主要是B2B的市場，從企業員工照護為主要客群，根據104人力銀行研究報告顯示，每年有超過10萬名主管離職是為了照顧家中長輩，造成企業人士流動，若能善用此一平台，透過三方視訊、全程錄影的方式，人在辦公室也能像親臨現場陪同雙親看病一樣，減少主管離職的機率。 外派人員也能在企業引進遠距醫療的福利幫助下，不管是外派、出差，一旦身體出現狀況，均能及時得到諮詢照護，提升企業留才的競爭力。 此外，醫生或院所也可以透過系統平台建立VIP群組，提供一定資產以上的VIP客戶專屬的居家照護。或是重症病患，隨時提供適當的醫療資源，減少醫院所耗費的成本及病患可得到更妥適的照護。 科技是遠距醫療驅動力 AIIoT乃重中之重 徐克宇表示，科技是台灣遠距醫療的驅動力，AIIoT更是其中的關鍵因素。其中，5G協助解決基礎網路問題，IoT量測裝置，取得病患包括體溫、心律、脈搏、血壓等個人生理資訊，量測裝置配合AI將可能的問題標記出來，提出問題，幫助醫生在遠端進行疾病判斷，並對症狀給予精準建議。 醫生馬上看APP系統功能模組有四種，分別為：一、通訊功能模組；包括CTI功能，即接通電話時自動帶入客戶相關資料，如病歷、病史、個人資料及IP位址等；二、HIS功能模組；三、服務支援功能模組；四、線上支付功能模組。 此一系統自2019 年4月開始為偏鄉、旅居海外人士、留學生以及出國遠遊的會員提供遠距醫療服務，現在病患無論在偏鄉還是海外，白天或是凌晨，便可透過手機視訊功能，即時取得專業醫療諮詢。徐克宇一路走來，認為創業最大的挑戰是要整合包括醫生、裝置、數據等整體生態圈的各個利害關係人，必須有方法、有策略，說服大家願意加入平台，初期提供免費資源，供醫生使用，未來將採取收取上架費的創新商業模式，使得平台上的醫生、病患、企業、裝置業者等互利共榮，建構更健全的台灣遠距醫療環境。 醫生馬上看APP研發團隊 健康聯網資訊公司創辦人兼執行長徐克宇

平均每37分鐘就有一人罹患、蟬聯多年國內癌症種類人數排行第一的大腸癌，患病初期幾乎無明顯病徵，若有下消化道出血，也常因少量且與糞便混合而不易被肉眼辨識，患者若無定期至醫院篩檢的習慣，容易因此錯過黃金治療時間。而不同於現有免疫法糞便潛血檢測（iFOBT），瑞愛生醫開發出全球首創能居家使用的光電式「血紅素感測器」（以下簡稱「血感槍」），偵測如廁後馬桶中排泄物水溶液是否含有血液，為使用者判讀肉眼無法看出的患病風險，不僅實現居家健康管理的初衷，也盼能提升潛在患者的檢測意願及行動力。 專利王創業，居家用血感槍榮獲國家新創獎 目前國內醫院所採用的糞便潛血檢測，民眾須自行採集糞便檢體，並至醫院進行生化分析，便利性和即時性有待提升，令民眾主動檢測意願不高，而當患者排泄物水溶液中的血液已經能被肉眼辨識時，病情往往已是第二期或第三期。 有鑑於此，來自新竹的創新研發團隊瑞愛生醫成立於2017年，素有鴻海集團「專利王」之譽的創辦人兼執行長顏碩廷博士，看準現行潛血檢驗醫療需求的缺口，利用其半導體光學技術的專長及專利演算法，率領團隊開發出居家使用的「血紅素感測器」，不僅獲得美國投資人天使注資、申請多項專利，亦獲2019年第十六屆國家新創獎，於國內外獲獎無數。 光電法潛血感測技術，廁後檢驗只需10秒鐘 血紅素感測器使用方法簡易，透過光學感測技術，使用者如廁後只需施行簡易五步驟，即可達到及早發現及早治療的預警效果。 步驟一、如廁後讓排泄物靜置水中五分鐘後，將專用濾紙套於感測器前端探頭 步驟二、長按電源鍵三秒開機 步驟三、短按一下感測鍵進行量測，將前端探頭放入水中感測約10-15秒 步驟四、查看顯示於螢幕上的量測結果後，將濾紙推至水中（濾紙可生物分解）並安心沖除 步驟五、清水沖洗探頭3-5秒並用紙巾擦拭，放回充電架 血感槍使用方法（圖片來源：瑞愛生醫） 光學結合AI提升精準度，打造居家常備用品 排泄物潛血居家檢測的主要門檻在於去除雜訊、辨識血紅素的訊號並加以分析，目前居家應用尚有可檢驗血紅素的試紙產品，但礙於居家場域難以避開雜質進而影響精準度，且耗材相對高價，尚無法普及於市場上。這款光電式「血紅素感測器」突破現有的技術門檻，關鍵優勢在於內部光學元件，採用高敏感度的CMOS影像感測器（CIS），搭配光學元件整合為極小化的光學感測模組，再利用專利演算法的比對分析，能有效避開雜訊干擾並精準判別檢測結果為陰性（無潛血）或陽性（有潛血）。 血感槍光譜感測技術示意圖（圖片來源：瑞愛生醫） 手持式「血紅素感測器」於今年二月起在群眾募資平台嘖嘖zeczec上募資，並在三月底前達成募資新台幣一百萬元目標，現也可於PChome商店街（httpswwwpcstorecomtwredeye）購買。瑞愛生醫期望能讓血紅素感測器成為居家常備檢測用品，也致力於推動該專利技術的延伸應用，像是計畫整合該技術於智慧馬桶，目前已獲得國內外多家衛浴和健康檢測器材大廠關注，潛在商機和市場性相當可觀。 瑞愛生醫團隊，左4為執行長顏碩廷博士（圖片來源：瑞愛生醫臉書） 瑞愛生醫血感槍介紹（圖片來源：瑞愛生醫） （本文由瑞愛生醫授權AI HUB刊載）