“數據革命”全面爆發！人工智慧AI賦能智慧製造 (下)

文：陳芊卉 2020-8-11

人工智慧 工業互聯網 大數據 人機協同

為解決應用軟體是由多個功能模組聚合而成複雜度高且難以拓這些問題，越來越多的工業軟體將在新的工業互聯網平台上，以微服務的方式實現，小而精，易於敏捷開發，獨立更新和管理。

工業互聯網支撐 深挖大數據「AI+製造」場景價值

隨著物聯網向製造領域的加速滲透，工業OT層數據採集範圍不斷擴大，製造數據的規模、類型和速度正呈指數級增長，企業對於資訊化軟體的依賴程度也越來越高，如PLM/PDM、ERP、MES、APS、CRM、SCM、SPC等等。上述各式軟體不僅需要協調管理好企業內部資源，還需要良好支撐不同企業間資源與業務的交互實現不同主體、不同系統間的高效集成。

為解決應用軟體是由多個功能模組聚合而成複雜度高且難以拓這些問題，越來越多的工業軟體將在新的工業互聯網平台上，以微服務的方式實現，小而精，易於敏捷開發，獨立更新和管理。

在製造業這個龐大的產業，數據的連通與交互更為複雜，要讓「人工智慧+製造」的夢幻般應用場景儘快成為現實，工業互聯網成為關鍵的基礎平台。借助工業互聯網，打破傳統企業架構，實現工業4.0所強調的橫向整合、縱向整合和端到端整合，進入「人工智慧+製造」關鍵應用場景。

沒有數據無法學習 企業需要AI Thinking

「人工智慧發展一定是從數據最大、最快能產生價值的領域開始，決定AI商業化的關鍵在於應用行業本身收集數據的情況。」《人工智慧》作者李開復曾不止一次在公開場合這樣喊話。誠然，沒有大數據就無法深度學習，因為在單一領域，經過大量的數據，能夠達到比人更精確的判斷。可以說，有了大數據就有了AI的機會。

AI時代，深度學習與大數據密不可分。深度學習可以從大數據中挖掘出有價值的數據、知識或規律，然後再將這些概念或知識應用到新數據上。任何擁有大數據的領域，都可以找到深度學習的空間，從而尋找AI應用場景實現的可能性。

但是，在導入AI技術前，我們必需理解到：AI要靠數據才能發揮作用，唯有透過海量數據的學習後，才能讓AI達到自行調適與優化的效果，因此數據可說是AI的必要前提。

面對AI的應用，企業常常面臨數據不足的情況。對很多企業來說，實際的情況可能是連結構化的資料收集都沒做到，或者有資料散落在各系統無法整合。針對這類情況，很多專家都建議應該回頭來先做好基本的軟體系統的導入和好好先做好數據的累積。因為AI的實現需要實現的過程，沒有對數據的重視，AI離企業還很遠。

對此強調數據蒐集的重要性，東海大學軟體工程與技術中心主任周忠信教授表示，目前市面上的AI訓練，大多數是由下往上學習AI技術，例如深度學習等開發，但對於企業管理階層而言，鑽入AI技術小宇宙不僅在時間、成本不符效益，更可能迷失企業運用AI的初衷。因此，周忠信教授提出「AI Thinking (人工智慧思維)」認為技術和數據都很重要，但企業若要萬事具備才能使用AI，也絕對不是個法子，關鍵是要從model-based轉換到learning- based上，儘早讓既有數據展開學習，才能讓數據轉變成決策訊息。

▲東海大學軟體工程與技術中心主任周忠信教授：不要被AI技術綁架，要建立具備將AI運用於企業的能力，才能讓企業順利踏上智慧轉型之路

所謂AI思維不在強調AI技術，而是強調具備對AI抽象概念的理解。AI技術的範圍頗廣，從電腦視覺、自然語言理解、機器學習、深度學習到強化學習等，若要先懂得這些技術才能將之運用在企業上，那麼企業將很難順利轉型成功。因此如何跨越AI技術議題，仍能具備AI的運用能力。

周教授定義AI思維的四個「自」構面，分別為自動、自學、自主與自覺。若將AI思維運用在企業上來舉例，自動掌變化，例如運用AI的視覺辨識，自動檢視產品，掌握產品的瑕疵變化；自學擬預測，AI的觸手可以深入企業數據當中，擬定預測模型，協助企業預見趨勢；自主佐決策，運用AI擷取職能的關鍵知識與經驗，主動輔佐管理者做好決策；自覺重體驗，代表AI不是取代人，而是以人為中心，來滿足使用者的應用與互動體驗。

AI+ERP深度學習融合大數據應用典範-小慧

除製造業的應用外，AI於軟體開發也不例外。ERP智慧化便是AI領域深度學習與大數據結合的典型應用方向。作為製造業最為核心智慧運營平台，如何實現人機交互的企業級ERP智慧化用戶體驗，成為被熱烈討論的議題。以鼎新電腦所推出之智慧語音助理小慧為例，可以聽得懂用戶講的話，在龐大的企業資料庫中，快速獲取所需的資訊。從此讓ERP系統可以透過自然的對話與系統溝通，讓用戶可以擺脫面對各種不同系統的複雜和困擾，讓工作變得簡單、高效。

結合大數據、移動互聯網，圍繞「自我學習」這一AI重要特性，智慧的ERP將能以語音對話的形式與用戶隨時隨地快捷交互，完成自我需求、自我分析、自我決策、自我執行迴圈，既可簡單高效完成日常工作任務和精準數據查詢，更能提供智能化的決策建議與異常警示，給出更合理的行動建議。這也能將用戶從日常操作的重複性工作中徹底解放出來，投入到更具價值的業務和決策層面。

逐夢人工智慧 掘金數據紅利

如果說，農耕社會和工業社會，人類基於物質和能量的動力工具得到極大的發展；今天，勞動工具則轉向了基於數據、資訊、知識、價值和智慧的智力工具，數據紅利時代來臨。於此AI、大數據、互聯網將對產業發生愈重要的影響之際，AI已展現出前所未有的數據紅利，這些如金礦般的數據紅利，也正在為各產業帶來不可預測的爆發點。

相關資訊