AI趨勢周報第201期：台塑4年AI化完成777件專案，打造下單到出貨全自動電子商務平臺

重點新聞(1118～1124)

台塑     電子商務     產銷優化  

台塑4年AI化完成777件專案，打造下單到出貨全自動電子商務平臺

台塑自2018年推動AI，確立5大AI目標，包括產銷優化、降低成本、智慧保養、工安環保和品質確保。到今年10月底，全企業完成了777件專案，年效益達數十億元。

台塑電子部組長蘇育寬指出，2018年台塑開始擁抱AI，要快速導入、培育人才，希望所有員工都具備AI觀念，並建立「自己的問題，自己解決」文化，要讓每位員工都能運用AI。於是，他們先是培育人才，在仁武成立AI研發中心、每年舉辦AI競賽，也針對基層員工推廣AI基礎知識、每半年開設基礎課程，每一季也開設實務課程，從各廠處挑選工程師，來培訓寫演算法和程式開發。接著，他們也會從實務課程中挑選優秀人才，送至臺灣人工智慧學校（AIA）進一步培訓，來強化AI技術深度。甚至，台塑也會安排不定期的高階課程，來對各廠處的AI開發者進行專業訓練和考核。

在應用成果方面，以產銷優化電子商務平臺來說，台塑以AI改良該平臺，從客戶下單到出貨，都能全自動管理、即時追蹤並如期交貨。進一步來說，當客戶線上下單時，系統會先計算最佳出貨時間，告知客戶。接著是AI自動排程階段，系統根據下單內容、庫存和品別，自動算出最佳生產排程，並安排工廠生產，來降低生產轉換品別的成本。生產後進入AI包裝排程階段，系統不只會自動媒合訂單和包裝機，也會即時給出包裝機調整方式。

下一階段則是AOI裝櫃出貨。這部分包含2個應用，即以AOI來辨識貨櫃、降低交貨出錯率，還利用RFID晶片，來識別出貨品項，並整合雲端資料，自動產生成品交運單、品質檢驗證明和影像記錄歸檔。完成後，就進入物流追蹤，台塑也整合航班資訊來告知客戶貨物動態。台塑其他AI應用成果，還有在精餾塔純化系統中，打造品質預測AI模型，來動態預測品質、作為控制器動態調整的依據，此外，台塑也開發異常預警系統，來預測設備剩餘壽命，主動通知保養單位來介入。（詳全文）

  臺灣AI行動計畫     行政院     AI民主化  

賴清德：全力發展AI，也要兼顧倫理和民主化

副總統賴清德18日在2022臺灣人工智慧年會中，盤點臺灣人工智慧學校（AIA）與政府AI發展策略。他指出，AIA自2018年成立以來，培育近1萬名校友，學校成立之初，就與經濟部聯手推動經濟部AI技術人才專班，今年也與行政院人事行政總處公務人力發展學院合辦課程，來對各層級公務人員進行AI訓練。不只對政府部門，AIA也為產業界開設金融、醫療等產業專班，甚至是AI碳中和專班。AIA校長孔祥重也在北、中、南開設AI加速器課程，來協助臺灣發展高性能AI晶片。

賴清德回顧他在行政院長任內核定的臺灣AI行動計畫成果，該計畫培育了4,000多名研究人才，在法令方面也通過《無人載具科技創新實驗條例》，核准了13案上路實驗。經濟部等部會也與臺灣37家產業公協會，組成AI化專家服務團，將AI導入全臺灣1,200多家企業。

但賴清德認為，全力發展AI的同時，也要注意倫理規範、避免AI發展侵犯隱私權或傷害個人，再來也要符合民主原則，不論個人、團體、企業或組織，都有權利取得AI。最後則要有包容精神，要透過政府和民間力量，來讓弱勢民眾也能受益於AI。（詳全文）

  台積電     晶圓製程     自監督學習  

為優化超複雜晶圓製程，台積電徵8種尖端AI人才

台積電智慧應用整合處機器學習分析部部經理局荊玲近日分享，台積電規畫明年成立臺北辦公室。雖沒透露更多細節，台積電同時也積極招募AI人才，來推動更智慧化的半導體製造流程。

台積電指出，派工決策是半導體製造業中非常仰賴AI的一個環節。由於半導體製程極度複雜，1座20個足球場大的超大晶圓廠中，AI排程系統每天模擬超過10的200次方種排列組合，每分鐘會發出超過600至800萬個派工命令，且生產變數大，需要有高速應變能力。

不只派工，從智慧製造、良率分析、生產力提升、研發到公司營運，都能使用AI來優化。因此，台積電特別重視有尖端AI科技應用經驗的人才，比如自監督學習、聯邦學習、注意力機制模型、零樣本學習、強化學習、對比學習、圖神經網路及生成對抗網路等技術的人才，就非常歡迎。（詳全文）

  臺灣人工智慧學校    開源平臺       AI加速器  

臺灣人工智慧學校下一步要結合開源平臺、導入國際尖端技術

臺灣人工智慧學校校務長蔡明順日前在AI年會上表示，臺灣人工智慧學校（AIA）成立5年來，已開設97次專班、培育來自1,917家企業共9,000多名學員，橫跨15大產業，更有50家企業將內部30名以上員工送/參訓，如台積電、友達、富邦金、新光醫院等，涵蓋製造、醫療、金融、電信、學校與國營企業等領域。

他點出，AIA成立初衷是「為產業點火」，自2018年成立以來，陸續開設產業專班如智慧醫療、智慧製造、智慧金融等專班，以及物件偵測、自然語言處理（NLP）和Edge AI等技術專班。他分析，AIA的階段性目標可分為3個，首先是2018年至2019年的建立AI大軍，利用業界出題、學界解題模式快速散布AI火種，再來是2020年至2021年的深入產業，利用案例教學來建立產業個案。今年開始則進入新階段，要推動本土產業個案、結合開源平臺計畫（即AI加速器課程），來連結國際發展。在這個階段，AIA還有3大目標要實現，包括導入國際AI尖端技術、定期提供AI最新資訊和AI社群發展，作為AIA轉型發展重點。（詳全文）

  助聽器     語音增強     口語表達  

中研院用AI增強語音和降噪，已於仁寶合作要將AI落地輔具

中研院資創中心副主任暨研究員曹昱團隊以深度學習技術，優化口語溝通輔助工具，讓口語溝通障礙者及聽力障礙人士，可以更流暢表達、聽懂對方說的話。目前，曹昱團隊已與仁寶電腦等4家廠商聯手，要將AI落地於輔具中。

進一步來說，團隊設計的演算法有2種，一是針對聽覺，來消除環境雜音、輔助使用者聽語音聽得更清楚，另一種則針對口語表達，讓使用者說話更清晰。就前者來說，中研院團隊開發一套深度類神經網路，來處理失真語音，產出降噪的增強語音，再透過STOI +MSE目標函數優化，來強化語音理解。這項研究成果，還獲得2021 IEEE信號處理協會殊榮。這項技術，可用於聽力輔具，如輔聽器、助聽器、人工電子耳。

就口語表達來說，團隊針對口腔癌術後、電子喉、吶語症等構音異常患者，打造AI語音增強系統，可透過手持裝置如手機，先偵測患者異常語音，再用Seq2seq演算法來進行異常語音增強，轉換為正確語音並播出語音，提高語音品質和理解度。這些技術不僅獲國內外重視，也有硬體廠商要整合落地。（詳全文）

  美光     數位分身     智慧工廠  

美光用AI、數位分身技術打造智慧工廠

美光科技技術部門資深總監曾耀瑩分享多年數位轉型成果，為發展智慧製造，美光很早就在晶圓廠安裝大量IoT感測器，迄今一共部署57萬個IoT感測器在全球工廠中，累積了34 PB資料，成為發展大數據分析與AI應用的關鍵數據。

為此，美光建立IIoT平臺和Hadoop大數據分析平臺，從多種感測器的大數據中，用來建立預防性設備維護和製程異常檢測機制，更用這些數據訓練不同AI模型。比如打造YMS良率管理系統，結合ML演算法來即時分類與辨識有瑕疵的晶圓，系統還能給出造成晶圓製程問題的建議，讓設備工程師能基於這些建議來檢測機臺的狀況。

不只AI，美光也打造一套數位分身系統，用來模擬廠內運作狀況，包括晶圓製程流程、機臺使用情況，讓生產人員能更快根據生產排程變化，靈活調度產線機臺，來縮短周期支援更大產能。不光如此，這套系統也能透過模擬方式提供跨廠區不同產品組合的建議。（詳全文）

  聯邦學習     貼圖推薦     Line日本  

Line日本用聯邦學習打造貼圖推薦系統

Line日本揭露自家貼圖推薦系統，Line日本產品經理Haruka Kikuchi指出，該系統以聯邦學習（Federated Learning）打造而成，透過集中式的主機，將一套公版機器學習模型，下放到各個使用者手機（或終端裝置），讓模型在使用者端學習、訓練，之後再將參數上傳至集中式主機，由主機優化參數，再將優化過的參數回傳到各個終端裝置，再進行下一輪訓練，直到模型收斂。

Haruka Kikuchi表示，Line貼圖自動推薦是根據使用者在搜尋欄輸入的字，來與事先建立的語義標籤比對，才推薦相關貼圖。他們先以已購買貼圖這個類別開始，Line將推薦系統分為3階段來訓練、優化，第一是將使用者已下載貼圖的Log和使用者特徵（如所在地），作為模型輸入值，接著輸出貼圖嵌入和使用者嵌入，最終產出候選貼圖。再來是重新排序階段，將使用者嵌入和貼圖嵌入作為輸入值，並輸出每個貼圖的分數；這時，系統會在使用者端App閒置時來訓練模型。就成果來說，Line日本成功透過這個方式，將貼圖推薦範圍從100萬個縮小為100個，也提升5.6%獨家貼圖下載率。未來，他們要將這個模式擴大到所有貼圖。（詳全文）

  假新聞     強化學習     認知  

中研院用RL開發實驗平臺打擊假新聞，最快今年上線

中研院資訊科學研究所研究員古倫維團隊打造一款試驗平臺，利用強化學習（Reinforcement learning）來規畫正確資訊的投放路徑，在最佳時機點推播給接觸過假新聞的讀者，改變讀者對事實的認知。

進一步來說，使用者在網路上的閱讀行為，會在網路平臺商留下足跡，因此，當中研院假新聞實驗平臺偵測到使用者點擊過假新聞網頁，演算法就會觸發來推播澄清新聞給讀者。為在最佳時機點推播，團隊先是建立由假新聞和經查核新聞組成的資料集，來訓練強化學習模型，讓模型找出最佳投放正確資訊的路徑，並給予模型最大獎勵。特別的是，該模型的零樣本（Zero-shot）學習能力比其他模型好上1.5至2倍，表示模型遇到沒見過的假新聞，依然有能力準確判斷。中研院這套假新聞實驗平臺，最快今年就會上線，不僅可用來提供正確資訊，還能產生報表，分析假新聞讀者群性質與行為等。（詳全文）

圖片來源／

  AI近期新聞 

1. 微軟與Nvidia擴大雲端AI超級電腦合作

2. Google釋出資料集透明度工具Data Cards Playbook

資料來源：iThome整理，2022年11月