台灣新製造怎麼走?鴻海 AI 大腦推手解惑

作者 | 發布日期 2018 年 09 月 01 日 0:00 | 分類 AI 人工智慧 , 自動化 , 雲端 line share follow us in feedly line share
台灣新製造怎麼走?鴻海 AI 大腦推手解惑


過往談新製造,談的是工業 4.0,今年新製造轉型的主軸談的是人工智慧(AI),利用人工智慧提高效率、降低成本,轉型少量、多樣的生產模式,台灣科技與傳產製造龍頭,不約而同的大力投入人工智慧。

鴻海董事長郭台銘 6 月出席富士康 30 週年廠慶時喊出,未來 30 年鴻海的成長要靠工業人工智慧,預計要培育出 2 萬名 AI 種子人才,5 年要投資新台幣 100 億元在工業互聯網的 AI 應用。人工智慧將助力鴻海的下一波成長。

台塑也宣布要成立人工智慧與工業 4.0 研發中心,還送了百名種子部隊去美國受訓。

郭台銘口中的「工業人工智慧」一詞創始者為兩岸新製造專家,辛辛那提大學特聘講座教授李傑,他指出,台灣製造業需要的不是人工智慧,而是「工業人工智慧」,誤用人工智慧不僅無法轉型新製造,還可能提高成本。

他是郭台銘倚重的新製造專家,郭台銘前往史丹佛大學演講,與辛辛那提大學簽署工業智能發展協定時,旁邊都有李傑的身影,鴻海在矽谷成立的人工智慧新公司 Industrial AI System 的合夥人就是李傑。

為了了解工業人工智慧,郭台銘還化身為學生,認真聽完李傑的 2 天課程。

談新製造與 AI》
傳統 AI 不保證可靠性  工業用失誤一次就不及格

在李傑短暫停留台灣《商業周刊》取得的獨家專訪,他指出工業人工智慧將讓數據更聰明,這是場不加入、就淘汰的革命。以下是專訪精華摘要。

《商業周刊》問(以下簡稱問):鴻海與台塑紛紛投入人工智慧,為何製造業熱中於人工智慧?

李傑答(以下簡稱答):富士康想把工業物聯網當成新的商業模式,從原先獨善其身(註:只將代工做得完善),再兼善天下(註:推廣工業物聯網給客戶)。自己先把它做好,再影響到全世界。而工業人工智慧扮演的角色,就是符合製造業節省成本,增加效能,提高質量等剛性需求,鴻海轉向工業互聯網,希望協助企業達到以上目的。

問:現在製造業提的人工智慧跟你提出的工業人工智慧有何不同?

:人工智慧是認知科學,主要是讓軟體做深度學習、人臉辨識與人機互動,但是傳統的 AI 不保證成果的可靠性,常會因為輸入數據與使用者不同,結果就會不同。現在中國也投資很多 AI,只要成功一次(如自駕車或下棋),就覺得 AI 可以逆天了。

但是在工業的運用上,強調的是可靠的預測,我主張的工業人工智慧集中在專業知識,每一次使用人工智慧獲得的結果都是可靠,適用於強調「安全性」的產業,如,汽車、地鐵與工具機。因為在工業的使用上,若因為人工智慧導致誤判或錯誤,代價是難以彌補。

在鴻海 30 年大會我也談了,工業人工智慧是 ABCDE,A 是代表 AI 或者叫 Analytics,B 是大數據(Big Data),C 是雲端(Cloud),ABC 是全世界都在談,那我再加上 D 是領域知識(Domain know how),目的是證據 E(Evidence),透過證據經驗不斷提高 AI 的可靠性,達到省成本、提高價值、增加效率的目的。

類似工業工程裡提到 PPM(百萬分率)概念,意思是 100 萬次都成功才算成功。如,飛機發動機要有 100 萬次裡面只准 1 次失事才符合美國航空局標準,若用此標準來看,一般的 AI 是不合格。

談應用與挑戰》
本質、體質或素質  導入前,先釐清 3 問題

問:請舉實際應用的例子?

:比如我協助過中船,我們用 AI 幫它省能,船舶最大的成本是油錢,我們用 AI 算出風向與海浪,船透過改變行進角度就能用最省油的方式運輸,行走當中不斷計算找出最好的解答。一年我們可省下 6% 油錢,這就是 AI。AI 非用不可,只是它的演算法相當複雜,我常說,大數據讓人更聰明,AI 則讓數據更聰明。

問:台灣製造業在導入 AI 時會遇到哪些挑戰?

:很多人找來 AI 專家,給一堆數據就說可導入 AI,但忽略了導入 AI,你得先回答你想解決的是哪個問題?製造業轉型不外乎想解決 3 個問題:本質、體質與素質問題。

本質問題是你想做什麼,這要從顧客端的價值去看,你想帶來什麼價值,這沒法靠數據,這是靠思維。

體質問題是製造過程中的成本效率、環保和安全,以前是靠人的經驗去管,現在是靠數據說話。素質問題是你如何設計與製造,人員怎麼訓練,顧客是否按照標準用你的產品。體質問題是用智慧製造,素質用自動化解決,本質是靠思維改變。

談迷思與認知》
破數據、爛演算法都不準  它是文化大革命,不 in 就 out

問:用 AI 做製造轉型,會遇到哪些迷思?

:第一個迷思是對數據認識不夠,若是數據蒐集來源本身的品質不好,數據是 Broken(斷裂片段),不是自己原創(background),用 AI 做出來的結果會不合所需。

第 2 個迷思是以為有演算法就有結果,就像以為只要有廚師就會做菜,它會做,但不等於好吃。以上銀為例,若這個 AI 專家不懂滾珠螺桿的傳動(motion),只要有小小角度偏差,就產生大誤差,到最後 AI 算出來的都不準。所以懂 AI 還得懂該領域知識。

第 3 個迷思是以為建了雲端平台就是用 AI,雲端不是萬靈丹,只是一個平台,提供客戶做即時運算(on demand computing),最重要是,雲端要跟客戶與供應商連結,要有個社群一起使用它,數據量才會更多,算出來的結果,才會更精準。

大家要認知到,轉型新製造是催生新文化,它不只是一個技術,它是文化大革命,你不 in 就 out。現在我看到未來的富士康轉型也是,工業物聯網轉型,第一個得做的就是建立新文化,任何東西必須要了解它數據哪邊來、資料哪邊不好、成本哪邊最多、怎麼樣提升效率。

談新文化養成》
別像小李子和慈禧  要像偵探,有好奇跟探險心

問:這跟過去的代工文化有何不同?

:代工文化是被動的,顧客要什麼你給什麼,就像是小李子和慈禧,小李子不就是代工,是吧!

郭台銘感受到鴻海富士康要轉型,必須從內部革命開始,他常講,工業物聯網的轉型不是一個項目,是一種文化建設。

舉例來說,要應用 AI 你得先培養員工好奇心與探險心。從數據蒐集到假設都要有好奇心,還要有探險心,這數據與方法試過後不對,你要再拿別的數據去試,不斷試錯,去找出真正的答案,就像偵探一樣,這都是新文化的養成。

問:小型公司若沒有鴻海與台塑般跨國布局 AI 能力,如何勝出?

:對小企業而言,可從本身最優越的能力去做,做小卻做快,更快轉型,懂得用工業人工智慧,做價值高、技術高的產品,讓技術跟顧客的價值連在一起,讓顧客想要靠你,才能在新的時代中勝出。

(作者:曾如瑩;本文由《商業周刊》授權轉載)