圖片來源:Unsplash

【3分鐘看AI大事:學會No-Code,員工再創職場第二春/從數據角度看AI專案成功關鍵 】

AI 趨勢新聞精選
【2021/9/30〜2021/10/06】

➡️ ➡️ 我們將在電子報提供您更深入數據處理洞察,點擊連結訂閱:https://ai-blog.flow.tw/register

台積電的雙重壓力!董事長劉德音:供應鏈中肯定有人在囤貨

STPI重點摘錄:

全球晶圓代工龍頭台積電(TSMC)董事長劉德音,近日接受美國時代雜誌(TIME)訪問,當談及全球車用晶片缺貨問題,他直言供應鏈中肯定有人在囤積晶片。當汽車廠將矛頭指向台積電,但劉德音告訴車廠:你們是台積電的客戶的客戶的客戶,台積電怎麼可以在不優先考慮其他客戶的情況下,而將晶片先給車廠呢!

至於如何解決囤貨,劉德音要求他的團隊對不同的數據點進行三角測量,以確切掌握哪些客戶真正需要,哪些客戶在囤貨。這進而迫使他做出艱難的決定,推遲被認為不那麼迫切急需的重要客戶的訂單,雖然有時客戶可能不滿意,但這對需要晶片的行業做出最好的事。

台積電雖居全球主導地位,但其主要競爭對手不僅是公司,也來自政府。劉德音說,美國更有意義要做的是,確保自己站在下一個偉大進步的前沿,建議與其徒勞地追逐和半導體供應鏈本地化,不如將同樣的資金投入到下一個技術大躍進。台積電已宣布三年 1,000 億美元的投資計畫,雖然總投資金額聽來十分驚人,但可能還是不夠。


學會No-Code,友達非IT部門員工:「原來可以做的事情這麼多!」

數位時代重點摘錄:

友達科技全球員工數高達3.8萬人,要找到、也要能留住好人才,是人資部門最燒腦的難題之一。2020年,人資同仁透過No-Code(無程式碼)工具,分析招聘者人格、地域等關鍵因子,成功提高人力留用率。

以上這些例子,都是友達非IT部門員工,在學會運用AI(人工智慧)數位工具之後,自行開發的No-Code應用。現在不只專業製造與研發部門工程師會用AI,「各單位都有能量,自己決定做什麼適合的題目。」友達數位長謝忠賢說。

謝忠賢表示,雖然公司不會期望全員會AI,但畢竟工廠早已布建3萬多個感測器用於搜集數據,基礎建設完備了,「大數據就像石油,愈多人加入挖掘,效益愈好。」友達6年前投下AI種子,埋在組織各處,近3年的工廠直接人力減少超過2成,節電省水及省化學特用品效益更高,順利達成董事長彭双浪設定的30%效率改善目標。


圖片來源:Unsplash

英國氣象局的神AI,1 秒預測90分鐘內天氣

科技報橘重點摘錄:

Google 母公司 Alphabet 旗下英國人工智慧研究機構 DeepMind 和英國氣象局就合作開發 AI,最快 1 秒就能預測未来90 分鐘內的天氣,預測範圍還超過 200 萬平方公里。

現在的很多預報技術會使用大量電腦模擬大氣物理狀態,這種方法適用於長期的天氣預測。而 DeepMind 團隊開發的條件生成模型 DGMR,則更專注於未來 5 到 90 分鐘內的鄰近預報。

 DGMR 的模型,透過一張一張的「定格動畫」訓練的,只不過這些圖形來自各國氣象局發布的追踪雲層形成和移動的精確雷達測量數據快照。DGMR 在英國 2016-2018 年的雷達觀測數據上進行訓練,並在 2019 年的測試集上進行評估。將這些數據輸入 DGMR 網路中,就能預測並生成未來的動態雷達圖。


從數據的角度,看成功AI專案不可缺少的關鍵策略思維

企業發展AI專案,為什麼有些成功,有些失敗?背後的原因不只和模型或演算法有關,還有一項貫串AI專案全生命週期,卻經常被忽略的關鍵要素:「數據策略」。

比方,AI訓練是一個不斷重複的迴圈,這個過程中,需要思考的數據面向其實很多。數據該怎麼被整理,標註及下標籤,才是最有利於後續AI快速學習的方法?後續追加新數據的頻率,還有每批訓練數據之間的差異是什麼?

而當模型訓練成效不佳,可能是三大要素:演算法、特徵和數據,其中的環節出了問題。如果是演算法或特徵選擇錯誤,可以看是不是Feature Collision的問題,也就是兩種截然不同的目標物件,卻取出相同的數據特徵。


圖片來源:Amazon 官網

Amazon最新機器人Astro,最怕家裡有這個!

中央社重點摘錄:

電商龍頭亞馬遜(Amazon)推出新的家用機器人Astro,身高17吋(約43公分),可聽從指令和幫忙看家。但一份外流的內部文件指出,這款機器人是「尚未準備好的災難」,尤其無法面對有樓梯的環境。

售價1000美元(約新台幣2.8萬元),結合照相機、感應器和人工智慧科技的機器人Astro,在行動時不會撞牆或撞狗。Astro機器人隨著時間會變聰明,也能做一些簡單的家事,例如使用者可以把點心和瓶裝飲料放在它的背上,送給房子另一端的人。

消息人士說,亞馬遜訴求以Astro機器人幫忙進行老人照護「荒謬無理」,另外提到這款機器人無法面對樓梯,「可能會摔下樓梯」。缺點還有「Astro很脆弱、很容易被孩子踩到、或被粗心的成人踢到,以及被同處生活空間的寵物攻擊」。


3分鐘精華地圖:從數據的角度,看成功AI專案不可缺少的關鍵策略思維

【3分鐘看AI大事:AR,台灣下一個獨角獸的誕生地/用AI不能只會倒數據!】