你正在「調教」未來對手嗎?工程師們小心了……

產業脈動

人工智慧時代來臨,不少製造業開始導入AI技術,進入「人機合作」階段,不過,工程師們可能不知道,當自己每一次糾正機器人的判斷,腦中的專業知識也成了AI自動學習的養分,隨著修正次數的累積,未來眼前的「它」很可能足以取代現在的自己;AI來襲,部分工程師的存在價值將進一步受到考驗,大家準備好了嗎?

工研院14日舉辦「AI大未來:技術與應用交流會」,對外發表該院所研發的AI大腦,其中,一大亮點便是具備自動學習功能的幾項技術,比方說,過去每當導入一項新製程,工廠的機器手臂得透過工程師事先設定參數,進行微調、測試,才能正確夾取一種新的模具,往往得費時數天,不過,「AI機器人夾取技術」就可透過自主學習,在短短12小時學會夾取不同形狀與位置物體的方法。

「事實上,如果今天購置了一台機器人,卻得靠工程師早中晚重新調配,對企業來說其實並不符合成本,所以,如果機器人可以自動學習,遇到不同產線,只需要讓它自動學習一個晚上,隔天就可以上線,並且結果精準,這對台灣很多小型製造業幫助很大。」工研院巨資中心主任馮文生說。

又好比「人工智慧瑕疵影像分類技術」透過深度學習網路架構,加上決策彈性與運算效能,可將瑕疵分類的正確率拉升至97.55%以上,藉此降低目檢員57%左右的檢測篩檢量,目的就是要解決現行生產線上,仍須仰賴大量人力複檢,造成檢測效率低落的問題。

「所有製造業都會面臨到的,就是產品檢測的問題,……」馮文生指出,當下雖然有許多設備都可以用來檢測,但各家業者為了提升良率,往往將參數調得極為敏感,卻也因此產生過多的假錯誤,導致最終檢驗人員的成本大幅增加,「但如果靠著AI的辨識能力,其實可以大幅減低,根據我們和廠商合作的經驗,大概可以減少一半的錯誤率,有助降低成本、產量增加。」

AI應用,辨識、語音辨識技術先突破

事實上,根據IDC預估,2019年的AI市場產值將來到500億美元,複合成長率23%,已成為全球科技發展不可忽視的趨勢,在台灣,人人對AI自然也充滿無限想像。

對此,馮文生表示,由於近年AI兩個字「太紅了」,導致許多業者誤以為自己的問題必定可以靠著AI解決,「這是它的美麗哀愁,事實上不一定是這樣,所以,現階段應該是能做的先做,……比方說,這一波突破的是影像辨識、語音辨識技術,做起來相對容易,一定是先從這兩個應用去著手。」

「過去,我們看產業發展AI,會面臨幾個比較大的問題,首先就是資料夠不夠支撐起一個AI的應用,因為AI效果要好,資料必須夠多,而且夠乾淨。當我們好不容易蒐集到好的、大量的資料了,想應用在產線上的時候,又會發現應用在不同的產品、產線時,正確率會有下降問題,所以,光靠AI單一技術是不能解決很多產業的問題,一定要配合瑕疵偵測、不斷學習、轉換學習等技術,才能真正落實到產業。」他補充。

工業4.0講求少量多樣,AI動作比人快一倍

馮文生進一步指出,AI要能夠真正應用在產業上,必須具備三個元素:領域知識、資料、AI技術,「像在製造方面,因為前方的配方生成很重要,尤其未來進入工業4.0時代,凡事講求少量多樣化,產品都在快速改變,常常得重新設計配方,……過去,要靠很有經驗的工程師,少則一兩個月,多則半年才能生出一個好的配方,所以,AI技術就是要把過去產業界一些既有的配方資料,加上工程師經驗,設法讓配方生成時間縮短一半以上。」

「比如記憶體、LED的配方,因為它們規格變化很快,以往只要客戶需求一變,工廠就要把機台、工程師都空下來,重新去調配方,過去都靠工程師經驗,有時候一試,試了兩三個月才能量產,成本常常都是以億元來計,可是,他們一年又有五六次的規格變動,但依照目前發展的狀況,AI大約可以加速一倍時間,很快就把配方生成出來。」他舉例。

台灣發展AI不盲從,專家:避開國際大廠強項

整體而言,馮文生認為,當下全球爭相發展AI,台灣要占有一席之地,就不該盲從,「全世界有太多人做的,我們台灣就不應該做,像微軟、谷歌都在發展機器學習的平台,這部份我們就可以不用太著墨,因為那是國際的強項,……我們剛剛有講到,AI一定要配合領域知識、資料,從這邊去找出台灣的強項,從產業生根。」

未來,人類職場的競爭者除了同儕,恐怕還有自己每天所使用的「工具」,因為它們都在默默學習,慢慢成為該領域的最強大腦,想要不被淘汰,勢必只能不斷精進──人與電腦的賽跑,哨音正在響起。