深度學習正盛 AI逐步發展環境理解能力

作者: 吳心予
2021 年 05 月 21 日

人工智慧(AI)在產業內處於邁向落地成熟,且深度學習(DL)受到廣泛應用的階段。技術方面以機器視覺為大宗,自然語言處理(NLP)也是部分產業採用的熱門技術。資策會MIC認為,AI的發展可以分成四個階段,第一及第二階段分別是推理推論與統計學學習,目前處於第三階段的深度學習,並結合深度學習,讓AI具備感知能力並建立邏輯,走向第四階段,發展環境感知能力。

觀察AI的產業現況,資深產業分析師兼組長韓揚銘表示,MIC調查411家不同產業廠商導入AI的狀況。從自製或委外的比例分類,因為各產業的法規限制不同,有的產業會用自製應用。但如果該產業需要跟上下游整合,或者彈性應變客戶需求,像是製造跟零售業委外的情況比較多。

技術應用方面,如醫療保健多採用影像辨識,製造業則使用影像跟視覺辨識。金融則因應客戶溝通與聊天機器人的使用情境,採用RPA、NLP等技術。從中可歸納AI在產業中,主要用於優化營運跟客戶體驗,例如製造跟營建業用在品質檢測跟營運風險管理,而零售跟批發會用在行銷推薦跟銷售預測。AI技術隨著導入的領域與需求不同,出現技術融合的現象。例如視覺結合移動控制,應用在機器人與自駕車的場景中;視覺感知結合NLP則可以搭配超大型ML模型GPT3等形式。

製造業將AI應用在營運風險管理與品質檢測 (圖片來源:pixabay)

總結來說,AI的應用領域以感知為主,當技術逐步成熟且普及,便會進一步發展出環境理解能力,支援更廣泛、彈性的應用場景。在產業內的主要應用目的是優化工作效率跟顧客體驗,技術面則以機器視覺與NLP最為熱門,技術融合的現象也使得AI應用變得更多元。

標籤
相關文章

三向直搗技術/智慧應用難關 聊天機器人起腳射門

2020 年 04 月 27 日

整合多階/類比記憶體運算 AI邊緣功耗難題迎刃而解

2020 年 10 月 05 日

邊緣資料收集/訓練/推論各取所需 工業AIoT應用即刻上手

2020 年 11 月 12 日

提升運算密度/降功耗 AI引擎優化5G高效運算

2020 年 12 月 28 日

台積電7nm生產超過10億個裸晶 6nm已進入量產

2020 年 08 月 24 日

AMD可編程方案助攻 自動停車不再卡卡

2022 年 11 月 21 日
前一篇
縮短ML開發/部署流程 Google Vertex AI平台亮相
下一篇
意法購併邊緣AI軟體研發公司Cartesiam