2019年，由若水 AI 發動的「台灣最強 AI 落地商戰營」，難得邀請兩岸三地最強一線 AI 領域創業家，從 5G、AIOT、醫療、工業、資安，全部到齊！
會上講者們分享了哪些精采內容，請看以下精華整理：
5G 碰上 AI，會為世界帶來什麼改變？
有「雲先生」之稱，寬帶資本董事長、亞信科技董事長田溯寧應趨勢科技創辦人張明正之邀，首度來台演講，暢談當「5G 碰上 AI，會為世界帶來什麼改變？」
用一句話來說，「過去 20 年在 3G、4G 的架構下，改變了你我的消費生活；未來 20 年在 5G 的架構下，將改變企業的運作。」
5G 讓萬物得以相聯，這將是繼蒸汽機、電力發明後，對人類的重大技術革新。一個製造冰箱的公司可以透過感應器，即時知道使用者今天開了幾次冰箱？開了多久？大數據讓製造商可以發展出優化內、外部管理的認知平台，進而擁有預知市場變化的能力，直接經營消費者。
在場的觀眾最關心，已有產業可以如何與 AI 科技結合？
田溯寧舉例，養豬場常會碰到豬隻太多，母豬壓死小豬的問題，中國大陸的「溫氏集團」正在進行實驗，與一間新創科技公司合作，透過收集小豬的聲音，一但有尖叫等聲音變化，就會即刻連線母豬身上感知器，發送輕微電流，母豬得以移動身體，降低小豬被壓死的損失。
這麼做能否成功，還是未知數，但他鼓勵企業家，「這是一個數據大發現的時代！面對波濤洶湧的大數據海洋，心中雖有對未知的恐懼，但要有信心，這片AI 數據大海將會帶領你我征服新大陸。」
張明正也表示，企業和人一樣有它的個性價值觀，價值觀影響行為，行為影響結果，這就是企業的大腦。未來經理人要做對決策的關鍵，就是有數據，發展出認知、感知和預知的能力，才有機會離未來更接近一步。
AI落地，整合是日常維運的最大挑戰
那麼在AI落地的現場呢？
一句話來說，在您的產業目前 AI 化的最大挑戰又是什麼？
1, 「缺少 AI 相關技術、專家及整合流程。」
2, 「數據不足，也沒有能力妥善處理。」
3, 「不知如何評估成效，對持續投入遲疑。」
4, 「已上軌道，希望全力加速起飛。」
5, 「傾向保守，還是不太願意改變。」
透過線上投票機制，在場聽眾有3成表示，「缺少 AI 相關技術、專家及整合流程。」這是目前讓大家最痛的地方。
對於這點，台灣人工智慧學校執行長陳昇瑋和 Appier 首席數據科學家林軒田都深表認同。
陳昇瑋訪談過許多台灣企業，他觀察在「整合」的議題上，主要會有兩層問題，首先，老闆和工程師在講的「問題」不同，前者在意企業資源分配，後者在意大數據和演算法之間怎麼磨合；其次，AI 人才荒，但這是全世界都在面對的挑戰，要靠快速培育解決。
對 AI 數據而言，整合能才能發揮價值。「搜集數據很重要，更重要的是整合，這很困難，」林軒田觀察。(同場加映：【落地經驗談】林軒田：打通以數據為核心的任督二脈，用 AI 為企業創新。)
決定數據策略，就是決定AI成功的第一步
所以，對企業來說，迎接 5G＊AI 的時代，企業要長出一個智慧大腦前，得先決定好「數據策略」。
若水國際 AI 數據服務事業部策略顧問簡季婕，親身接觸過國內外許多不同產業 AI 化的案例，她歸結，數據是活的，不同問題、不同產業要面對挑戰相去甚遠。所以針對 AI 數據應用，要能「認其本質、辨其情境，成事在人。」(同場加映 – 數據策略顧問簡季婕：「數據教我的三件事，這麼做讓 AI 落地更精準！」)
步驟有三：
第一步，要了解企業目前擁有的數據「形態」是什麼，比方，還在初期，或已經過初步清除整理，又或者已是能餵給機器學習的精準數據。
第二步，配合機器學習的階段，掌握 AI 數據的「層次」。比方，在機器已經學了一陣子後，有時要刻意放入一些相似但非目標物的影像，讓機器更能精準學習。
第三步，如何配置企業內部資源，包括人力、時間以及預算，這往往是讓主事者最頭痛的。「委外數據」的概念，為這項棘手的核心問題提供解答。這個作法有兩大好處：第一、取得精準且被正確標籤的 AI 數據；第二、取得即時大量的數據，並且得以讓工程師有效地訓練一個可預測的模型，最終讓 AI 應更聰明。
【AI落地個案分享：當軟體加上 AI－趨勢科技】
下午的第一場演講，全球知名防毒軟體公司趨勢科技資料科學家周秉誼和資深技術經理張佳彥，聯手跟大家分享如何運用 AI 技術在產業上，引領團隊航向翻倍契機。
周秉誼提醒，「企業導入人工智慧不是砍掉重練！不要讓人工智慧單打獨鬥，要將其和現有系統整合，發揮一加一大於二的效果。」張佳彥則以在趨勢科技的豐富經驗歸納出AI轉型的三大關鍵：
1. 找到對的問題，用在對的地方。
是否有足夠的資料?這個問題的Margin是否夠大?
運用 AI 協助做決策 (Decision)，或只是 Assistant？
2. 數據工作流
一套讓你的工作數據化、流程化、自動化的系統方法很重要。會變動的問題要不斷蒐集資料、建立標註。
3. 團隊文化
領域專家和數據科學家須相互分享知識，以開放的心協作，大數據科學家和經理人彼此要能以數據語言和商業語言相互溝通理解。
綜上三點，以優質團隊、科技、找到好問題，打造AI產業的金字塔，就更有機會成功。
【AI 落地個案分享：當醫療加上 AI – 長佳智能】
「工業革命是專家的力量，但AI革命的重點在於數據的力量，有大量的數據才有力量。」
潛入智慧醫療的商轉藍海，「讓名醫更名醫」的AI跨界人才－長佳智能股份有限公司研發執行長黃宗祺認為，AI的三大要素是大數據、技術、運算。
每個公司的土壤不一樣，孕育出來的模式完全不同。例如，當擁有的資料品質很好的時候，技術就不是最重要的。但較不乾淨的資料，就需要強大的技術支持。
運算力則需要經歷 try and error 的過程，做了才能知道有沒有可能成功。
黃宗祺提醒，不能只考慮 AI 的正確率，要觀察AI到底 focus 在哪些地方。例如，之前有遇到一個案例是 AI 跑出來正確率很高到 99%，後來發現是因為每張照片左上角就有答案(笑)。
黃宗祺相信，只要有規則的、能抓到特徵，肯定能發展出 AI 勝於人類判斷。
至於，人工智慧會不會取代人類呢？
黃宗祺強調，「完全依靠醫師做判斷，難免會有誤差，人力長時間的工作不僅花成本，還有過勞的議題。人工智慧不會取代醫師，人工智慧帶來的是新的思考，幫助企業發展出新的流程，新的分配。」(同場加映：台灣 AI 界的隱型冠軍 每月整合 25 萬筆數據 讓名醫更名醫 )
【AI落地個案分享：當工業加上 AI－英業達】
工業 4.0 是近期熱門的關鍵字，製造業都在談轉型，但落地實踐卻往往要嘗試很多次失敗很多回，究竟AI在製造業中扮演甚麼樣的角色？
在身兼英業達首席 AI 顧問，及智能居家視訊監控 Skywatch 創辦人陳維超，指出智慧製造主要方向，包括流程自動化與資源的控管，並特別強調資料的重要性。「data就像是火藥、大砲」，陳維超說，以製造業而言，財務資料、庫存資料、生產排程資料的數位化，及資料 model 的建立是關鍵。
陳維超以女兒小學數學題組考卷為例，他建議在定義問題時，「要將一個大問題拆解步驟，成為一個個小問題，讓每個小問題的解決都有其單獨價值。而且，要確保考卷上的這些小問題可以被解決。」
最後他歸結，一個好的 AI 專案要做到兩點：第一，估算 Bang for the buck，一塊錢可以拿到多少？效益是高的才有價值；第二，要設計可達到的 MVP，創造小勝利。(同場加映：【落地經驗談】陳維超：追根究底，才能找到 AI 的應用場景 )
【AI落地個案分享：當服務加上 AI － TOMOFUN】
以「狗保母機器人 Furbo」蟬聯 Amazon 銷售 No 1排行榜、Tomofun創辦人暨執行長張友辰，指出AI就像是一個數位腦，AI 走入市場最重要的是透過反覆驗證釐清問題－「要解決什麼問題？」、「目標族群是誰？」，然後找到精準的市場定位。
Furbo 怎麼來的？這個發想就是來自於愛狗的張友辰夫婦的切身之痛－每當出門上班時總是放不下心獨自在家的狗狗，引發他靈機一動發出上千份問卷調查狗爸媽最困擾的問題，發現這竟也是高達 85% 的狗爸媽最憂心的問題。
經過反覆的驗證和蒐集回饋意見，張友辰開始設計以 AI 導入「智慧狗保母」功能的人氣寵物攝影機，短短三年間產品已創造在 133 國熱賣，營收達 15 億的佳績。
除了智慧狗保母透過互動不斷成長的功能，張友辰並將 AI 導入「訂閱經濟」，自服務推出以來，達到每週 10% 以上的成長佳績。
AI 成功 B2C 的秘訣為何？張友辰在講座最後不藏私分享：
1. User validation，創造簡易迅速的產品蒐集使用者即時體驗和回饋。
2. AI learning a role，明確 AI 角色。
3. Subscription model，將 AI 導入訂閱制度。
【延伸閱讀】
1, 任何領域的新科技，都要在變成大眾化市場前推出幾個版本以進行優化，但今天要說的是：一個要和擁有 150 年歷史、幾兆美元產值汽車產業競爭的故事。請看：矽谷鋼鐵人 Tesla 的逆襲：Autopilot 對上兆元汽車產業
2, 速食業巨頭們搶用 AI，預測消費者喜好、提升客服滿意度、降低人力成本已非舊聞。當麥當勞用 AI在得來速，從車牌辨識預測人們喜好、主動推薦選項時，你怎麼看？全文在此。
