NEC推出Rapid機器學習技術，已有現成產品讓企業應用

近年，機器學習已經是相當熱門的話題，不論是Google、微軟與Apple等大廠均相中這樣的技術發展，NEC今年也展示自家的最新的RAPID機械學習技術，也就是為快速的機器學習，並提供應用的案例與產品的介紹，其中RAPID機械學習（machine learning）技術相當吸睛，它是使用深度學習（Deep Learning）技術，最大特色是不需要龐大的運算資源，就能快速應用，並且已經對應適用情境推出商品化的套裝組合。

NEC舉了一個相當簡單的例子，來比較傳統與現在的機器學習差異。

以機器學習從照片辨識動物的概念為例，過去的機器學習技術，能做到的有限。需要由專家來列舉特徵數量，像是耳朵或眼睛的位置，大小、形狀、顏色等特徵，再由機器學習判斷基準，並產生學習樣本，才能判別出不同動物。

現在，系統將能夠自動檢測並列舉出特徵，並產生學習樣本，好比如說，讓電腦看過一萬隻貓的圖片資訊後，自己找出特徵來識別這是貓，這樣的過程顯然更為自動化。NEC同時也展示一例，即使一般系統難以識別的手繪動物，這套機器學習技術也能給出正確的判別。

也因此，當提供的資料量越多時，越能提高分析精準度，除了影像之外，這個技術也能運用在文字與聲音等不同類型資料的應用。

從這裡我們可以看出，現在的機器學習優勢在於，系統能夠從範例資料自動去調整分析的參數，也就是在沒有分析人員的介入下自動修正，而不像過去的大資料分析，需透過人們設定好的預定條件去比對，如此一來，簡化了規則設定的複雜度，同時也能自動找出不易顯現的規則。NEC並表示，系統也能夠利用手動設定方式，提供專家的範例資料樣本，讓系統自行修正分析，以提升判別能力的精確度，就像是教導小朋友認識動物一樣，在回答錯誤的時候，告訴他什麼才是正確的。

（圖片來源／NEC）

機器學習讓系統能在無人工輔助下，就具備自主學習的能力

（上圖）NEC用一個簡單的例子來描述現在的深度學習技術，讓系統辨識過上萬隻貓的影像，並自行找出貓的特徵並識別，當資料量越多也就會越精準。不需要專家預先將特徵列舉輸入，用比對的方式去識別。

（下圖）現場並展示，即使一般系統難以識別的手繪動物，系統也能給出正確的判別。

NEC實際展示RAPID機械學習的應用情境

NEC提出的機器學習技術，已經有套裝商品，而且有實際應用例子。NEC以屬性評估的示範情境，將Steve Jobs的一段講稿輸入到系統後，經過數秒的運算，很快就會自動產生一個報告結果，分析該用戶的性別、年齡層，以及工作職業等特性。

時空交叉分析是快速分析的另一種應用

除了機器學習之外，NEC也提出的『時空數據交叉分析』，可以透過獨有的視訊影像搜索技術，來快速發現頻繁出現在所有監控畫面的人。

機器學習可用於交通監視系統的影像解析，以及人力仲介的媒合

顯然，隨著電腦性能與軟體技術的進步，大數據分析將朝向更進一步的理解、辨識等AI智慧發展。NEC並針對應用情境，展示了兩個基於RAPID機械學習的商品化版本，分別是「影像解析版」與「人才配對版」。

在影像解析的應用下，可適用於交通監視系統之中，幫助解決公共安全課題，並減少人力資源的負擔與成本。舉例來說，NEC與阿根廷首都布宜諾斯愛麗斯北邊的Tigre區域合作，透過該區的監視器取得的影像，加上以往的犯罪紀錄資料，如毒品交易，機器學習技術，識別移動的物體，便能夠即時找出潛在的風險所在，像是即時辨識出兩人乘坐的摩托車，就是可能具有較高犯罪行為的注意目標。

這種應用方式帶來的好處在於，可以減少監視人員的工作負荷量，或是降低人力資源的需求，並提升監控的品質。

而人才配對版的應用也很特別，是針對文字解析的應用，能讓人力資源媒合有更好的服務應用。基本上，這樣的方案能夠依據文字式的履歷資訊，來辨別個人所適合的工作。

NEC也以屬性評估的例子，簡單示範了這種技術的應用方式。像是將蘋果電腦創辦人Steve Jobs的一段講稿輸入後，便能分析出該人有8成機率是男性，有超過8成機率是50歲年齡層，有9成5以上的機率具有經營者的屬性。若是將該段文字刪除大半，僅保留前後句子時，得到的答案則變成，有百分百機率是20歲的年齡層的男性，適合的工作領域則是有85％是經營者、15％的機率是政治家。

除了給出該人的性別、年齡與適合職業的判讀，NEC展示人員也指出，企業將能夠依據更多資訊，來設定更多顯示屬性或項目，並且不限語言都可應用，可惜的是，現場並未能展示如何進行設定操作。NEC表示，這樣的方案對於人力資源媒合的服務有幫助，讓求職者可以介紹給適合的企業，或是讓企業找到合適的應徵者。

（圖片來源／NEC）

機器學習應用情境1：都市交通監控系統

透過NEC機器學習技術對於影像的分析，從大量影像自動學習、判斷找出潛在規則，再加上專家分析為基礎的範例資料進行學習，應用在交通監視的情境例子中，便能即時辨別與檢測出可能犯罪行為的潛在目標，。

（圖片來源／NEC）

機器學習應用情境2：人力資源的匹配

以人才配對的解決方案為例，從過去的應徵履歷，像是申請書、錄取與否的記錄來進行學習，對於人力仲介服務商來說，能將求職者與徵才企業能快速配對，企業人事單位也能更快將人才推薦給上層負責人。

（圖片來源／NEC）

3大階段、13種技術，NEC實現豐富的巨量資料活用場景

對於巨量資料的活用與進一步的AI人工智慧應用上，NEC在應用層面上，畫分成可視化數據、預測分析與控制和誘導這3種階段。

耗用運算資源相當少，應用門檻明顯降低

這套RAPID機械學習還有一個很重要的特性，就是以高速、輕量性為訴求，也就是說，不像過去需要耗用龐大的運算資源，並能夠應用在企業內部自建的系統之上。

我們從這款產品的規格來看，它對於系統平臺的硬體需求並不高，只要是Windows Server 2012 R2與Windows 7 SP1的作業系統，處理器在Core i3、4核心以上，並具有4GB記憶體與1GB的硬碟容量，就可以適用。

同時，NEC亦提供自建（On-Premises）的一年期授權產品方案，對於不便攜出企業外部的資料，像是敏感性的個人資料，或是檔案過大、難以上傳的圖片與影片內容，方便地去應用。

對於各個領域的企業來說，利用這樣的機器學習技術，來提升自家的服務或作業效率，將是未來的趨勢之一，雖然這樣的技術應用才剛起步，但以這樣商品化、運算需求低的特點來看，可以讓企業本身不需擁有大型資料中心或利用雲端服務就能使用。顯然，未來的機器學習技術能夠更快地被企業應用。

綜合來看，當這種機器學習變成套裝產品被應用時，好處在於，不用依靠人工去檢視大量資料，也不用組織內部的資訊部門自行開發演算，企業能夠快速利用現成的產品，並實際應用在企業環境的巨量資料分析的用途上。尤其對於使用情境相符合的應用需求，相當方便。NEC也表示，這套機器學習技術也將能用在商品配對、顧客行動分析，以及交通管制等各種層面的預測。

     NEC RAPID機械學習系統需求不高，建置門檻低     

資料來源：NEC，iThome整理，2015年11月

以各式巨量資料的活用技術，做到比完美的人工智慧更容易達到的分析、誘導與機器學習力

巨量資料的活用，人工智慧的應用，是現在科技相關廠商都在關心的議題，也是備受期待的技術應用。

我們從NEC對於巨量資料的活用面向來看，應用階段畫分成可視化數據、預測分析，以及控制和誘導這3大階段。

也就是將所有事件即時地轉化、分析成可視化的數據，再透過分析、預測的能力，甚至自動適時地誘導人、控制物，讓機器本身做到更自動化的表現。

除了前述的RAPID機械學習技術，NEC本身也還有不少解決社會問題的技術與方案。

像是在可視化數據的階段中，NEC提供了像是臉部辨識、群眾行動解析、物體指紋辨識、光學震動分析與語音識別等解決方案，取得更多特徵資訊並轉化成資料，才能夠更容易地被運用。

而分析技術也是人工智慧的關鍵之一，RAPID機械學習的解決方案就是屬於這一環節的應用類型，而NEC也提出多樣具價值的技術應用，像是不變量分析技術，可從目前觀測資料和模型中比較預估值，提早偵測到異常的狀況；異種混合學習技術，可從多樣化的資料中，自動找出複數規則；含意認識技術，可從大量文字範本數據，自動識別相同含義的發言；以及時空數據交叉分析技術，可快速、即時分析大量監視影像，是否有相同人物頻繁出現，這樣分析技術比過去快很多，以現場9個監視器畫面的即時分析為例，傳統技術需要26.74秒才能比對完成，這項技術只要0.41秒就能完成。

而最後的控制與誘導階段，是更進一步的決策應用發展，目前NEC已經提出2個相關方案，分別是自主自適應控制的技術，以及今年新提出的預測型決策優化技術。後者是最新推出的功能，可依據該公司的異種混合學習技術做出分析後，並讓軟體同時能做出決策工作。

對於AI人工智慧的進化之路，NEC也以價值層次來說明，從數據與資料的分析活用，進而提升到現在所朝向的知識階段發展，目的是能基於知識與趨勢需要提供有價值的決策判斷。