將此篇文章跟 Facebook 上的朋友分享將此篇文章跟 Plurk 上的朋友分享將此篇文章跟 Twitter 上的朋友分享列印轉寄
2019/4/25

將AI部署至最前線

于伯琨
若要讓人工智慧(AI)在企業組織中徹底發揮,就不能將它孤立於IT部門的象牙塔內,或只讓特定資料科學家檢測。成功運用AI的法門是協助最前線的員工充分發揮此技術,藉由AI所提供的建議與洞察,來充實員工對自身領域的專業知識。


要成為前瞻性企業,就必須探索AI的秘密,讓前線的員工了解AI建議的模式與邏輯,並且將其打造成直覺式工具,順暢地融入日常工作流程中。而運用適當的軟體能協助企業充分發揮AI技術,並且將這些軟體整合在硬體系統上。

舉例來說,用來建置AI應用程式分析影音檔案的軟體,可在觀測到異常時發出警報。透過預設在硬體系統上的AI模型,讓企業組織內的資料科學家輕鬆部署,非IT部門的使用者也能輕易用來加強自我能力。另一個是利用AI視覺檢測,協助辨識瑕疵、降低成本及提升生產力。藉由運用電腦視覺檢查零件、元件及產品,並對照之前歸類出的缺陷來辨識瑕疵。這兩種工具都可適用於許多案例中,各企業組織都可藉以訓練AI處理特有的問題。

想像一下,我們正身處於製造廠房之中。基於公共安全,員工需要配戴護目鏡、安全帽等保護措施。但是工廠的規模通常都很大,主管很難一一確認所有人都有妥善配戴安全裝備。這時候AI就可以充分發揮作用,企業可以訓練AI監控監視影像,標記可能違反安全規定的情形,並對主管提出警訊,以確認工人是否都有配帶好安全裝備。

確保公共安全之後,產品品質更是至關重要,若要生產完全符合特定規格的產品時,即便有一點點瑕疵都會造成產品故障。用肉眼檢查時難免漏掉這樣的小瑕疵,但是運用AI訓練偵測瑕疵的模型,員工的效能也就大大提升。AI的關鍵在於最需要使用AI技術的不是那些資料科學家,而是最前線的員工,第一線員工是最大的受惠者。

在企業中不論是誰使用AI相關應用程式,都需要信任AI提供的建議及成果。沒有任何一個品管人員會因為AI認為該設備有瑕疵,而捨棄價值上百萬美元的設備,除非AI能夠提出有利的證據支持。目前的機器學習框架可以做到使用GPU加速的線性模型,可擴展至多個GPU及伺服器。這些模型包含邏輯迴歸、線性迴歸及支援向量機,都很容易解讀,並為影響決定的每項因素提供清楚的加權值。這些模型就像樹幹分支,各個分支都可上下追蹤,找出影響該模型做出最後決定的反曲點。

要輕鬆啟用AI,可選擇硬體基礎架構搭配開放原始碼的AI軟體,及管理軟體工具,便能夠協助開發人員、資料科學家及企業領袖,來開發適合企業的AI應用程式,以快速執行訓練工作。

<本文作者:于伯琨現為IBM硬體系統事業部總經理>

這篇文章讓你覺得滿意不滿意
送出
相關文章
世代同堂衍生數位落差 流程整合為協作效率關鍵
AI語音辨識浮現資安隱憂 需求著眼兼顧便利隱私
NVIDIA 與工業局聯合舉辦「AI 策略高峰會」
專家知識演算分析 主動追蹤微服務運行
洛克威爾全新 AI 模組 全力助攻製造業
留言
顯示暱稱:
留言內容:
送出