:::

【109年 解決方案】 翻轉你對Chatbot 的印象:進行一場真正有意義的對話

人工智慧(AI)對人類生活的影響力與日俱增,不論是企業、工廠甚至是個人,都開始嚮往能透過機器擁有更加便利的生活方式。不管是電影中出現的虛擬角色,或是自我幻想,都反映了人類對於未來世界的渴望;可以即時回應你的所有需求,更期待能幫你也把一切打理得無微不至。於是,蘋果帶來了「Siri」、亞馬遜出現了「Alexa」,各家大廠紛紛帶著自己的智能助理如約而至。

Talk to anything you want

根據Gartner調查,交談式AI的自然語言處理(Natural Language Processing, NLP)技術已成為所有AI應用技術的前三名,如何應用NLP做到滿足消費者體驗,這是所有交談式AI供應商都在積極鑽研、進步的領域。 儘管人類使用的語言對機器而言是模糊的、非結構化的,但有了NLP的出現,我們可以解析這些大型的非結構化數據中的模式,從而更好地理解其中包含的訊息。亦可透過NLP協助解決商業中的難題,尤其像是會被頻繁問到高度可預測的問題時、或是持續工作性的例常工作等,都隨著機器學習、運算效能的進步,開始導入以AI技術為基底的Chatbot 來完成。 但是對 Chatbot 開發者來說,找出對的應用只是第一步,設計出好的體驗才是讓使用者留下的關鍵因素。一般對Chatbot的印象總是停在刻板的客服印象,更是常常出現一問三不知的現象,甚至只會回答幾種制式的答案,覺得 Chatbot 一點都不聰明,很笨也很不合期待。 雖然關於聊天機器人的使用體驗設計,有許多影響的要素可以鑽研,但是想要提升消費者體驗並從而改觀,就需要更進階的自然語言理解(Natural Language Understanding, NLU)技術,進行語意分析、情緒分析、對話聊天機器人等進階應用,讓Chatbot能成為更聰明、更貼近人心的智能機器人。 亞太智能機器就是台灣少數在做機器智能的公司,他們致力於創造人類更便利的生活,自行研發自然語言理解(Natural Language Understanding,NLU技術),專注於Chatbot機器人的研發應用,創立Opentalk平台;至今成立還不到三年,已是目前全球前五大工業智慧公司「科大迅飛」的台灣唯一技術合作夥伴。

亞太智能打造「多輪對話詢答能力」,賦予Chatbot 理解能力

亞太智能機器透過自行研發的自然語意理解技術,開發出的對話機器人快速建置平台,已具備多輪對話詢答能力,其結合領域知識圖譜,可以讓客服機器人在第一線解決70%-80%的問題,比較複雜及多元的部分,則仍須仰賴人工客服回答。不過,這80%的準確率,已經足以讓客服人員有時間處理更複雜的客戶需求。 此外,多輪對話機器人現階段也可以運用於廠區。客戶在工廠端操作機器設備時出現問題,可以對機器人描述需求與機器的情況,經過多輪對話,機器人可從有限範圍判斷正確問題,結合知識圖譜,有效的判定問題之所在,並且通知技術人員到廠維修,透過機器初步的判斷及回報,情況最快可以在一天之內排除障礙。 對於多輪對話Chatbot 的底層數據架構,必須仰賴介接企業網站或企業資料庫,針對使用者偏好資料、使用者問答資料及使用者 Persona 等進行分類,但除了需要大量的數據資料外,最重要的是透過不斷「餵養」領域知識,才能讓機器人越來越聰明。 另外,亞太智能機器創辦人吳柏翰也認為:「AI學習要以數據為導向,因此,無法用小數據資料就處理大量的對話內容,雖然各種推理的技術正在快速發展,最終靠理解做決策者還是人類。」

「說」出未來無限可能

演著滲透民眾生活相當關鍵的角色。 像是google assistant在2018宣布推出繁體中文版,並積極拓展在台的語音市場,現在開發者已經可以將自己的語音技能上架於Action on Google上供其他使用者使用。 亞太智能機器(APMIC)更是結合了自身的語意理解技術,上架一款名為「公車小幫手」的語音技能,只要跟自己手機或是音箱上的Google助理說「我要跟公車小幫手說話」就可以進入該情境,在分秒必爭的早晨可以省掉打開app輸入文字的麻煩,只要以嘴代手的方式,就可以查詢自己需要的公車動態。 因此在現今眾多語音技術應用可以看出,語音技能的發展需要有高度的NLU技術才能準確判斷使用者的意圖為何。對於NLU技術的研究,Google、Amazon和Microsoft等大廠亦都積極加入研發,可想在未來語音技能的應用發展將會有更多吸睛的新功能,提供更貼心、更聰明的使用感受,讓用戶的生活更加便利。

推薦案例

【解決方案】瑕疵辨識率達百分百 耐銳利科技獲面板大廠青睞
瑕疵辨識率達百分百 耐銳利科技獲面板大廠青睞

工具機生產線上,組裝的第一步有些微差池,累積公差將造成組裝工作要重來,耗時又費力,導致出貨延遲的情況將衝擊企業聲譽。耐銳利科技公司聚焦智慧製造領域,提供各式AI解決方案,運用機器學習模型傳承老師傅的經驗,在CNC加工機組裝及鑄造過程,利用AI分析產線數據,精準調校各式數據,提升生產精準度 25。 這套AI產線數據分析系統,被耐銳利科技董事長黃常定稱為「師傅40」,就是師傅加上人工智慧的最進化版,用在工具機加工廠,成效斐然。此外,耐銳利科技運用AI瑕疵檢測技術,參加經濟部工業局2021年AI新銳選拔賽活動,協助友達進行面板進階影像瑕疵檢測,正確率達百分之百,引此也榮獲大獎。 協助面板大廠友達解題 瑕疵檢測正確率達百分百 黃常定進一步說明,一般面板在生產時,邊邊角角可能會有缺陷,雖然缺陷肉眼可見,但AOI卻往往難以辨識,導致檢測錯誤率常常超過30,因此,一定要搭配人力進行複檢,才能提高正確率。然而,因應少量多樣的產品需求,在人力不足的情況下,運用AI檢測確實是一個好方法。 成立於2018年的耐銳利科技,在短短三年期間,AI技術就能獲得面板大廠的青睞,實則在CNC工具機領域磨練已久。耐銳利科技總經理唐國維指出,台灣前三大CNC工具機廠希望將AI導入組裝及鑄造兩條產線,其中,在組裝產線上,為保持組裝的準確性,設計組件的每一個零件均會設計公差,在組裝時,每個元件都在公差內,但累績公差最後品檢仍無法通過,必須拆掉重新組裝,不僅耗時耗力,也造成浪費。 「進入產線之後,才知道有些師傅累積很多經驗,很會調校,經過他調校之後,正確率提高不少,速度又快。」反之,新來的工程師沒有經驗,調校時間比較久,也未必能通過品質檢測。 師傅40系統 良率從70大幅提升至95 唐國維接著表示,原本師傅在組裝時所設定的尺寸資料都記錄在紙本上,資料寫完之後就存入倉庫封存,沒有人去研究尺寸之間的關係。耐銳利協助客戶設計師傅40系統,透過人機面板,讓師傅在組裝時直接輸入所測量的尺寸及相關數據。蒐集不同師傅的數據之後,再運用AI演算法分析數據間的關係,做出AI模型,AI模型自動通知作業員要調整到甚麼樣的尺寸,品質檢測就一定會過,如此一來,良率從70大幅提升至95以上。 耐銳利科技公司聚焦於智慧製造領域,提供各式AI解決方案 唐國維補充,組裝一台CNC加工機的主軸要耗費四小時,第一步驟機器量測錯誤,包括震動、溫度,速度等超過範圍,都要拆掉重裝,又花了四小時。拆掉要如何調整,是憑藉師傅的經驗,可能一開始師傅憑經驗做了最好的組法,但錯檢率也達30,組裝又耗了好幾天。透過AI師傅協助,組裝時間只需半天,良率達95以上,省下許多時間及人力。 「運用機器學習的AI模型,綜合所有師傅的經驗蒐集在一起,提供給AI學習。第一步要數位化、第二步則是知識化,這是企業邁入轉型的重要關鍵」,黃常定認為,耐銳利科技是傳統製造業從自動化生產走向邁向數位轉型的重要夥伴。 此外,耐銳利科技另一個聚焦的產業是電梯廠領導品牌的智慧派車系統。所謂派車指的是電梯車廂,即兩部電梯以上就需要群管理。過往派車依據固定法則,如哪一台距離叫車比較近,就自動派那台電梯,一方面沒有考慮到電梯被叫太多次的派車,可能會讓其他人等待更久;另一方面過往的派車模式並無考慮大樓使用特性,造成許多浪費。例如辦公大樓,早上上班、中午休息及下午下班時段各有尖峰時間,透過AI智慧派車可以依據離峰及尖峰時段進行彈性調整,讓派車效率增加、降低等待時間,同時減少電力虛耗。 導入電梯智慧派車 提升運輸效率兼具環保功能 黃常定補充說明,就好比之前的路口紅綠燈號誌,系統已將主幹道、副幹道及小街道的停留及通過秒數寫死,現在則運用智慧紅綠燈,彈性調整等待時間,讓容易壅塞的路段更加順暢。透過AI學習使用情境,在電梯中導入智慧派車系統,會讓輸送效率提升,也更加環保。 除了導入電梯智慧派車外,耐銳利也將AI導入電梯廠的生產出貨智慧排程系統 。電梯廠常常無法準確預估客戶的電梯交期,例如,辦公大樓或賣場等必須完工到一定程度,電梯才能進工地安裝。若受到客戶工期延遲等非預期因素影響,往往造成電梯廠產閒置或是排程不易安排的窘境。 唐國維指出,一般了解客戶端工程進展者可能是業務或工務,但整體而言,出貨正確率大概只有六成左右,也就是說有四成不會如期出貨。因此,若能準確預估出貨時程,就能將產線空出來以因應急單或是其他產品生產需求。AI智慧排程系統將分析過去出貨的資料,氣候、工廠及施工端兩地距離位置、客戶信用等約20-30個參數,放入AI演算法中,可以精準預估到底能不能如期出貨。 黃常定也特別說明,耐銳利科技的機器學習非一般的機器學習,更加入傳統影像處理技術、統計學等各種運算方式,要對領域知識十分熟稔,才能作出好的AI模型,這也是公司競爭力之所在。他強調,一般SaaS平台能處理的資料十分有限,正確率頂多從7成提升至7成5,耐銳利的強項在於AI演算法及機器學習,必須再加上深厚的產業領域知識才能產出好的AI模型。 耐銳利科技從AI專案開始,逐漸深化技術,選擇從困難度高的做起,並累積經驗法則,預計在今2022年開發出SaaS服務,以客戶的需求為出發點,逐步站穩腳跟、成為智慧製造的重要夥伴。 圖左為耐銳利科技總經理唐國維及董事長黃常定右

這是一張圖片。 This is a picture.
AI缺陷智能化檢測-降低製程耗能智慧監控解決方案

AI缺陷智能化檢測-降低製程耗能智慧監控解決方案 當一片貼片陶瓷基板上有超過2萬顆貼片電阻,應該要如何快速檢測答案是用AI來檢測。 在當前科技迅速發展的時代,雷科自豪地宣布其雷射加工技術的顯著進步,這一突破得益於人工智慧AI領域的創新應用,雷科致力於將先進的AI技術整合至雷射加工機中,於2019年與合作廠商共同開發出全球第一台結合AI技術的雷射加工機,並以此為基礎上進一步在2023年打造了首台結合AOIAILASER的陶瓷載板檢測機。 智慧陶瓷載板檢測機 藉由AI與機器學習的導入,加上樣本大數據的累積,在系統愈變愈聰明的狀況下,使產品良率在一年內提升5、將檢測速度由原本2分鐘片大幅降低至20秒片、大幅降低了檢測成本、在前段有效率檢出與雷射標示後,可降低後段製程上的浪費,減少整體場域碳排、並可自動產出詳細檢驗報告,以進行數據分析與優化,有助於提升設備產能、降低人為疏漏,使雷科的設備產品更具價值、強化我國電機電子產業之國際競爭優勢。 雷科股份有限公司Laser Tek成立於1988年,並於2002年正式掛牌成為上櫃公司,成立迄今已成為具指標性之SMD電子包裝材料、SMT檢測設備、雷射設備等全球性銷售通路服務及設計製造商之一。 雷科總經理擁有20多年雷射整合經驗,他觀察到被動元件客戶每個月產能可超過10億顆SMD元件,但伴隨著SMD元件尺寸持續微型化發展,其生產製造時之瑕疵檢測作業變得更加困難,一片陶瓷基板上動輒上千上萬顆元件,元件尺寸越小,印刷雷射加工位置更加微小,檢測難度就越大,而更容易出現偏差,因此生產檢查成為相當重要的一環。 R-SMD生產檢查流程 AOI良率過殺問題,靠AI來把關 而AOI檢查機是普遍且成熟的機種,但市面上的高精度AOI運作方式是以單次拍攝小圖移動拼接成大圖,精度雖高但檢查時間較久,小尺寸SMD元件更易受環境干擾,如:光照和振動等容易造成誤判;因此AOI僅能以抽檢方式估算良率,且抽檢良率差的元件也並非單獨去除,而是連同良品整個剔除;人力複檢不但成本提高,每個人的檢查標準又無法統一,最終導致的結果,是平均會發生約2-5的產品未被檢出不良品而流入後段製程,即約每月至少2,000萬顆不良品之SMD元件,因未能在初期被檢測出,而造成後續各段製程中,不良品上依然會有印刷、加工檢查等流程,無論是油墨耗材及能源的浪費,增添了成本負擔,更因此加速設備磨損、使設備運作壽命簡短,而每一階段的浪費,皆會增加場域製程的碳排放量,不利於企業的碳足跡盤查。 0402修阻後樣品照片範例 傳統AOI 自動光學檢查的高誤判率也是業者面臨的一大生產痛點,在被動元件產業對於良率「寧可錯殺一百,不可放過一人」的高標準要求,往往會把 AOI 參數設定極高規格,導致設備異常敏感。當數據參數設定過於嚴苛時,易造成高誤判率。例如:當被動元件的汙染髒汙與印刷層顏色相近時,AOI 過篩誤判率可能高達 7 成。 汙染髒汙與印刷層顏色相近AOI易誤判 雷科有別於其他AOI供應商,捨棄了小圖拼接或線掃描方式,有效避免圖像處理時硬體或環境造成的資料遺失與斷差,採用超大面陣感光相機搭配訂製高解析度鏡頭,透過特殊影像進行合成處理。合成的過程中,感光元件的每個像素位置上都包含了從多個不同位置捕捉到的光線資訊。通過將這些資訊結合起來,影像的解析度和細節得以提高,達到億萬級別的分辨率,配合多重自動調整光源,單次拍攝可處理涵蓋7070mm,影像解析度可高達5um,取得清晰影像,再透過Smart-AI技術進行分析篩選。 三大妙法打造快速檢測Smart -AI 雷科總經理分享,快速將AI技術導入並減少檢查運算時間,並開發Smart-AI有三大方法: 方法一、先以AOI方式快速將良品與含爭議的缺陷品進行二分法區隔,將檢測重心放在少數不良的辨識上。 方法二、自動標註平台簡化訓練問題:運用攝影機蒐集機台的資料,用自動標註取代人工標註,逐步訓練以拉高精度,問題越簡單,訓練所需資料越少。 方法三、AOI與AI雙軌並進:在智慧製造流程中,僅僅單靠AOI或AI無法畢其功於一役,必須由AOI先行,將特徵值標出,同時區分是良品或是瑕疵部分,再以AI方式進行標註與訓練。接著利用可重複串聯的加疊效應,其檢測效益更大,隨著訓練資料累積越多,AOI比例降低,AI比例逐漸提高。 修阻後物件偵測與訓練 透過三大方法逐步構建系統信賴度,並將資料進行缺陷整理分類,最終將AI判斷結果回傳到主機,以雷射加工方式在製程前端控管將真正的不良品剔除,減少不良品流入其他站別,造成重複檢測或重複加工的損耗。 智慧雷射設備第一,選擇LASERTEK就對了 由臺灣品牌雷科持續打造結合AI智慧檢測與雷射加工設備,以逐步建構由原材料、產品、檢測、雷射設備等相互相加疊而成的智慧化監控解決方案,以降低生產製程之耗能為目標,落實發展半導體 載板及元件加工等領域,產出能在低碳條件下仍可滿足終端使用者需求之設備產品,以快速且優質的產品與服務來拓展國內、外需求市場,增加本土Made in TaiwanMIT設備之全球競爭力。

【解決方案】AI電眼取代人眼 慧演智能運用AI幫製造業做品管
AI電眼取代人眼 慧演智能運用AI幫製造業做品管

因應製造業少量多樣的客戶需求,亟待可以找到從雲端到終端的AI解決方案。慧演智能提供軟硬整合解決方案-BailAI影像檢測解決方案,來協助傳統製造業提升製程效率及產品品質,達到轉型的初步目標。 政府宣示2017年為台灣「AI元年」之後,台灣AI新創公司如春筍般林立,成立於2018年的慧演智能即鎖定智慧製造,提供AI影像分析與流程優化的平台,以深度學習的方式檢測產品的瑕疵和組裝的步驟異常,協助企業建置從終端到雲端的基礎設施,讓工廠生產端可以自動化監控,以提升製程的效率和品質。 熟悉產線品管流程 以AI影像檢測作為創業主軸 慧演智能創辦人暨執行長劉雅雯年紀輕輕,在大學畢業之後即進入製造業,在硬碟零件的塑膠射出製程擔任品管職務,「當時已經在產線上,對於生產機台的產線流程相當熟悉」,她之後轉換跑道擔任行銷企劃、接著又擔任過AI產品經理,在時機成熟之後,劉雅雯決定創業,以製造業的AI影像辨識作為創業主軸。 「企業的困難在於缺乏AI開發團隊,即使有了AI團隊,開發專案要花很多時間,至少6-12個月」深諳市場痛點的劉雅雯表示,平台要解決的問題是提供傳統製造業不需要程式開發背景的員工,也可以自行打造AI模型的平台,從遠端協助產線的故障排除及後續的系統維護作業,來幫助企業節省開發時間及人力成本。 BailAI影像檢測平台使用場景 面對市場上提供AI影像辨識的競爭對手非常多,慧演智能的技術優勢何在劉雅雯表示,現階段許多企業備有AOI光學檢測設備,但AOI光學檢測在應用上的瓶頸是,只能用於產線速度快、數量多的瑕疵檢測,而每回檢測或生產都要重新調整參數。而根據她對產業的了解,受限於AOI設備動輒上百萬元台幣起跳,大部分中小型傳統製造業,並不具備雄厚的財力,但他們又想要做自動化檢測,這就是慧演智能的機會。 劉雅雯接著表示,傳統製造業不可能養一個包括AI工程師、資料工程師、雲端架構師、終端架構工程師等專業人才的技術團隊,而慧演智能擅長於軟硬體整合,企業透過BailAI影像檢測平台,就能輕鬆解決產線上的檢測問題。換言之,客戶只需提供影像或樣品,交由慧演智能訓練模型、部署模型及系統整合,即可輕鬆使用AI技術進行產線流程優化及監測。 參加AI新銳選拔賽 組裝行為影像辨識辨識率達9成以上 舉例而言,某家連接器廠商,技術團隊只有1-2位AI工程師。主要解決的問題是,大部分作業員都在產線上,而品管及高階主管在遠端,公司欲透過遠端監控方式掌握產線實際情況。慧演智能透過工業相機拍攝產線畫面,並將AI影像分析傳送到遠端,主管及品管人員可以透過螢幕來觀察產線組裝有無錯誤,如連接器頭跟線路有沒有接好等問題。 慧演智能的AI影像檢測架在微軟的Azure雲端平台上進行作業,也會透過終端設備,如NVIDIA的邊緣運算設備放置於檢測站周邊,透過雲端到終端的整合解決方案,協助傳統製造業提升產線效能與及早發現問題。現階段慧演智能的客群包括航空、電子周邊、連接器及金屬等相關產業。 組裝產線人體行為辨識組裝流程解決方案,準確率達9成以上 為了實證技術深度,慧演智能參加經濟部工業局2021年AI新銳選拔賽活動,為光寶科技提供「組裝產線人體行為辨識組裝流程」解決方案,透過相機及AI影像辨識的方式辨識產線作業員的有效工時及無效工時,也就是透過影像辨識手的姿勢及位置,來判斷作業員的組裝行為,其精準率可達9成以上。 劉雅雯補充說明,由於電子零組件組裝工序較複雜,多以人力為主,無法以機械手臂取代,因此慧演智能在光寶的組裝站裡,用鏡頭拍下作業員組裝的流程,再針對影片進行演算法的訓練、校正,最終訓練出的模型能直接判斷組裝過程是否出現任何錯誤,以改善整體流程。 導入BailAI影像檢測平台 專案開發時間可望縮短至1個月 成立三年多以來,慧演智能累積不少專案經驗,希望能將專案經驗產品化,劉雅雯指出,將於今2022年完成BailAI影像檢測試用版,客戶可依檢測物件的精細度選擇工業相機、視訊相機,甚至於X光來擷取影像,再透過平台做影像自動標記,慧演智能會提供符合場域的AI應用模型,供客戶使用,也可以在雲端終端做推論,便於製造業上線使用。包括金屬產業、工業電腦的金屬機殼、連接器、電子周邊,機械零件,皆可利用平台進行瑕疵檢測及物件辨識。 現階段慧演智能將持續提升技術能力,累積客戶的經驗完成產品化,同時加速AI檢測落地應用,中期將建置終端雲端基礎設施,將企業AI專案開發時間從6-12個月縮短至1個月,降低企業使用時間及使用門檻。長期目標將鎖定台商聚集較多的東南亞市場,將軟硬整合AI解決方案拓展到海外市場,擴大營運規模。