AI應用爆炸成長,帶來哪些影響?

 

ai blog post

 

 

(一)AI 應用類別:在各行各業可以怎麼使用

《人工智慧在台灣:產業轉型的契機與挑戰》裡提到,目前 AI 的應用層面可以分為兩類,一類為跨產業的基礎需求,另一則為特定產業的共通需求。

在跨產業的基礎需求主要包括,人臉識別、 情緒偵測、語音辨識、語言理解 、物件識別、行為識別與場景辨識。 在特定產業的共通需求方面則有,製造業的瑕疵檢測、金融業的風險預估、零售業的銷售預測、物流業的路線規劃和農業的日照與灑水控制。

 

臉部識別技術目前已經被廣泛應用,此技術通過分析臉部不同的點去紀錄臉的特徵,並透過偵測結果快速與人臉資料庫進行特徵與身份的比對,進而完成人臉支付等功能。

此外,當人臉有情緒反應時,臉部的特徵點也會有相對位置的改變,亦可以追蹤這些點之間的關係來進行情緒監測。除了臉部識別技術外,目前物件識別與場景辨識則常使用於道路上,偵測車輛距離、車牌或物件像是行人或標示牌等。

 

(二)AI 在台灣的產業應用:傳產(台灣大車隊、紡織)

在台灣傳統產業的 AI 的應用則有計程車業與紡織業。台灣大車隊與宏碁合作,透過AI相關技術連結大數據,提供顧客的熱點分析、需求量預測與智慧推薦等,讓司機更能有效掌握乘客需求,進而有效利用與分配時間。

 

「熱點分析」中的熱點指的是乘客乘車的歷史數據資料中,叫車需求量最多的區域,透過分析當天的時空情境(星期、時段和區域等)和外部事件(天氣、節慶、活動等),對司機提供特定區域的熱點位置。

「需求量預測」是依據當下的情境(包含時空和外部事件)用統計方法和機器學習的演算法,對不同區域的各個時段乘客叫車的需求,建立需求量預測模型進行預測。

 

「智慧推薦」是結合熱點分析和需求量預測,以及計程車當下位置點,推薦司機優先去哪個區域的哪個熱點載客。使需求與供給能夠即時滿足,也使整個叫車流程更加順暢、便捷。

 

智慧型手機結合 AI 應用,不只可以辨識臉孔、物件,現在也能夠用來辨識布料的不同樣式。來自台南的「和明紡織」成立至今已經有超過40 年歷史,不僅技法存熟也有數以萬件的布料樣品。

以往傳統紡織業的作業模式,像是設計、紡紗、織布等過程都會花費許多時間與精力,其中以人工方式辨識布材就可能要費時一至兩個月,整個過程十分繁瑣耗時。

 

因此他們從2017年開始導入 Google 機器學習技術與雲端平台服務,將生產過的布料樣式數位化歸檔,並使用機器學習技術訓練布料樣式的辨識模型,同時幫助設計師快速從樣式資料庫中,快速搜尋到特定的布料樣式。

這款讓設計師可以直接使用手機掃描布料、即時辨識的行動應用程式,讓原本要耗時的設計時間從1.5個月到3個月縮減到2至3天。

 

(三)AI 在生活科技的運用

FaceHeart 為交大吳炳飛教授所領軍的團隊,使用 AI 影像判讀,經由一般攝影機或手機鏡頭拍攝人臉,並觀測臉部微血管變化以分析心跳與血壓等生理數據。

 

意即透過非接觸性的臉部辨識,偵測出心跳率等數值,且其精準度在靜止狀態下可以達到醫療等級。不僅高度提升了使用方便性,同時也讓使用者能夠快速了解自己的身體狀況。

 

(四)AI 作為行銷工具

AI 的應用在各行各業越來越廣泛,在行銷產業的應用大家最熟悉的大概就是聊天機器人,它能夠自動地幫助行銷業者推動內容。除此之外,其實 AI 也常被運用在做對消費者的消費預測,或根據消費者的消費歷史紀錄做個人化推薦,期待能為品牌做出更精準的行銷。

 

Rosette.ai 是一家為電商打造精準推薦服務的廠商。只要提供既有的數據資料,像是會員名單與商品清單等,Rosette.ai 就能以 AI 技術進行交叉分析,幫助品牌達到個性化推播。

Rosette.ai 的創辦人提到,其實回訪的消費者才是平台最重要的穩定客源,但是多數的電商介面的設計不佳、以及高成本的外聘工程師也使電商無力負擔,最後導致網站的轉單率不佳。

為此他成立了 Rosette.ai 替網站打造推薦系統,Rosette.ai 提供了30多個統一 API 的即用性免費模組,並根據消費者的購物流程,設計對應不同介面、不同階段的 KPI 推薦系統,讓用戶根據自身網站的需求選擇最適宜的幫助工具。也使客戶在使用後平均增加了15%的點擊率與25%的購物車提袋率。

 

將消費者數據運作並做個人化推薦很重要,多元的行銷素材也能使行銷無往不利。除了文字內容的推播,影片也是行銷中重要的一環,影片的製作往往耗時耗神佔用許多時間,現在GliaStudio有一款 AI 的應用是將「文章自動化轉成影片」,讓文字能夠透過影像被推播,大大地節省了製作時間。

GliaStudio 是一個 AI 影音自動產製平台,只要提供要製成影片的內容或網址給平台,GliaStudio便會利用自然語言處理演算法去分析內容的主題與重點,並且自動分幕以及在素材庫裡找到相關的影像接著進行合成。

 

最後,對行銷人員來說最重要的行銷成效,如何數據化自己所投入的行銷成本以及成效,也是一塊AI的應用領域。adGeek 開發的平台 Smart Engage platform借助 AI 將來自不同渠道,即時和非即時的數據收集、整合、分析與應用,讓行銷人員可以優化行銷策略,針對消費者的偏好作精準行銷。

 延伸閱讀:《運用AI,打造行銷新企機》、《利用人工智慧提升數位行銷的四種方法

 

 

(五)AI 的隱憂與人才需求

AI 產業的發展,雖然讓產業減少了某些人力需求,但也有不少新興的職缺出現。

舉例而言,Gartner 大中華區資深合夥人龔培元(Michael Kung)便指出,預期在2023年會有75%的大型組織會雇用「人工智慧檢察官」,監督非法行為、客戶隱私資料等面向,為企業降低風險。他同時也提到因為網絡地串接更加緊密,受到惡意攻擊的機率也會更高,為數據的保存與正確性帶來風險。

且未來網路駭客可能攻擊的層次將升高,目前共有三種攻擊手法,包括訓練數據病毒、竊取 AI 模型,甚至從數據源頭就放毒,藉此掌握對手企業的AI模型,誤導對手 AI 演算結果來競爭。

 

由此可知,當企業導入 AI 專案就會有數據偏差的可能,因為對 AI 來說一切都是數據的導出與導入的結果,它並沒有常識以及倫理觀念,因此數據的準確性很大程度地影響 AI 的產出結果。

這也是為什麼 Google 母公司 Alphabet 在財報中警告投資者, AI 技術可能引發或強化與法律、道德間的矛盾,進而對公司獲利能力造成影響。事實上 Google  的雲端運算也曾經出現問題,在 2015 Google 照片應用程式就被發現將非裔美國人錯誤標記為「大猩猩」而引發軒然大波。由此可知在資訊監督這一塊,將會是個被高度重視的職位。

 

除了新興職位需求,根據〈經濟部工業局 2019-2021 產業專業人才需求推估調查〉報告,彙整出人工智慧產業12種主要的關鍵職缺,主要有機器學習工程師、演算法工程師、軟體設計工程師、雲端系統工程師、測試/驗證人員、UI/UX設計師、資料科學家、資料工程師、資料分析師、資料標記員、AI 專案經理與 FAE/產品經理。

 

科技的快速發展,雖然會使得一些職位消失與某些新興職缺衍生,但不變的是,人與科技始終相生相繫。在期待兩者交映產生的激盪與成果的同時,人與AI之間的距離與掌控,也是我們該思考與謹慎對待的議題。

延伸閱讀:《AI人工智慧時代,企業的2020該何去何從?

 

歡迎訂閱我們的電子報,讓您隨時能夠掌握新知的最新動態!