SAS:5 年內企業仰賴的人工智慧是「大 A 小 I 」

作者 | 發布日期 2017 年 06 月 06 日 17:25 | 分類 AI 人工智慧 , 市場動態 , 軟體、系統 follow us in feedly

獲 Forrester 評為全球機器學習首位的數據分析軟體廠商 SAS,指出 5 年內人工智慧(Artificial Intelligence)的商業應用需求是「大 A 小 I 」,即以不需要場景理解力或創造力的高度重複型任務為主。「大 A 小 I 」暫已足以為台灣產業,創造「高度客製化體驗」與「風險與成本控管」的雙重價值,再提煉既有市場動能。其中最富導入效益的將為「精密製造」、「保險」、「銀行」及「醫療」業。SAS 全新升級的 Viya 機器學習平台,將以具備影像運算等深度學習套件,與相容開源程式的開放性,為垂直產業降低進入 AI 門檻。



SAS 全球商業智慧研究與開發副總裁 Stuart Nisbet,6 日於 SAS 企業高峰會中表示,根據調查到 2018 年 75% 企業至少有一項應用會仰賴 AI 或機器學習功能(註 1)。AI 人工智慧涵括知識建構、學習、創造、感知與機器人學等廣泛領域,Stuart Nisbet 表示:「但光讓機器自主『學習』,仿效人類行為(大 A)加上一點點智慧(小 I),即所謂的弱 AI,就足以做到預判與決策,讓企業得以受惠於自動化與最適化,打造『高度客製化體驗』,並同時做好『風險與成本控管』,藉此創新更多商業策略。」

SAS 台灣總經理陳愷新,進一步提出觀察:「導入機器學習無法一步到位,業務面要思考是否有『人機持續互動』的規模應用,以足夠數據來訓練機器;技術面則要有俱備支撐機器學習或深度學習的演算法與資料科學團隊。在台灣我們察覺有此潛力的,主要為『精密製造』、『保險』、『銀行』及『醫療』四大產業。」

針對精密製造業 Stuart Nisbet 特別提出回應:「台灣在半導體或面板等產業,其技術與遠見一直是獨步全球,SAS 台灣正與幾位領導業者,導入深度學習技術,利用多層影像來檢測產品,或大量收集產線各零組件數值來預測異常。這類的應用其實非常前端,完成度讓台灣製造業在 AI 的進展,絕對是大幅領先國際!」SAS 顧問補充,目前產業應用上光以平面影像,就讓業者機台訊號模式的預測準確率提高 30% ,未來待 3D 影像數據足夠,機器被訓練地更準確後,能檢測的面向將可更添成本效益。

保險業則為 AI 應用另一波新勢力。主因保險業者急欲跟顧客有高黏著的互動關係以分散風險,像是取得顧客健康資訊、日常行為、投資偏好等,具有「持續互動」的規模需求。此外,保險業又屬商品與營運機制高度複雜的行業,包含保單類型、試算機制、理賠規則與醫療法規等面向,如何提供每個人最適化的商品,仰賴 AI 來智慧計算的誘因大。SAS 已在協助顧客,利用深度學習識別車禍現場圖像來確認車險理賠合理性、整合穿戴裝置布建「健康聯網」協助顧客管理健康,依據顧客健康情形動態調整保費等。AI 讓愈來愈多生活場景,都有機會創造保險需求。

而銀行業早已開始投注「大 A 小 I 」,廣知的像是輸入模式、條件,即可幫你推薦投資組合的「機器人理財」,但陳愷新提出更多建議:「除了行銷面,AI由於能大幅擴增銀行 Know Your Customer(KYC)能力,如能藉此強化徵信、風險控管基礎,能外推給顧客的商品,還可更大膽,更創新。」如從原先顧客資料,納入常出沒位置、通訊族群或社群網路等,掌握複雜的群體關聯度與信用風險等,利用 AI 讓每個人在不同時間點,都能被即時地解析,銀行更可把握當下需求給予推薦服務,甚至進一步偵測詐欺或洗錢的可能性。

至於醫療於 AI 的應用,立基於基因定序的精準醫療廣為市場討論,現階段導入與實行成本較高。然而台灣各醫療院所其實有非常寶貴的病理大數據,早可應用來布局「藥物管理及資源管理」。目前已可先透過「深度學習」將病徵、病症描述、藥方及併發症等數據,做出比對,或進一步再結合檢測儀器的數值,發掘最適化的給藥或檢測流程。讓醫療設備與藥物成本使用效益提升,也能減少儀器或藥物分配時發生的錯誤。

為了協助各垂直產業能降低進入AI門檻,SAS Viya 平台也已全面升級,此雲就緒(Cloud-Ready)的開放式分析平台,除了整合 SAS 過往在各產品線的機器學習技術,還把 SAS 最新以影像、語音運算為主的深度學習完整方案(SAS Visual Data Mining and Machine Learning,VDMML)架構於上。最重要的是,其可相容多項開源分析軟體與程式語言,包含 Python、Java 和 Lua 介面及 REST API 等。

陳愷新強調:「SAS Viya 因為開放可擴充,因此可讓各層級分析技能的人,都可享有最直覺與快速進入 AI 領域的能力。但更重要的是,企業能因有相容既有分析工具的平台,所以可有效『治理』機器學習等新技術,讓接軌 AI 的風險有效被控制,而這才是使AI得以普及的關鍵。」

註 1:IDC FutureScape: Worldwide Analytics, Cognitive/AI, and Big Data 2017 Predictions
關鍵字: , , ,