部落格

從精準數據開啓 AI 完美落地之路,您最佳的 AI 智慧線上幕僚!

部落格2019-06-06T09:11:28+00:00

別急著寫 Code, AI 落地前要回答的兩個問題

(圖片來源:若水 Flow) 文:若水 Flow 前言:AI 要落地,怎麼做更容易成功?趨勢科技創辦人張明正先生,提出了兩個問題,幫助想發展 AI 的企業或創業者參考。 AI 要成功落地前,需要先想清楚兩個問題。 第一個問題:如果你有一條牛,打算怎麼用牠賺錢? 以下是我聽過的答案: 「牛肉麵!」 「當種牛!」 「當鬥牛!」 「把牛做成網紅,在IG做故事行銷、拍短片。」 「讓牛賺出場費,在公園、遊樂園收錢,很多城市小孩沒看過牛。」

By |六月 11th, 2019|Categories: AI 落地經驗談, 團隊直擊, 最新精選報導, 若水觀點|0 Comments

數據教我的三件事,這麼做讓 AI 落地更精準!

(圖片來源:若水 Flow) 文:若水國際 AI 數據服務事業部策略顧問簡季婕 數據多重要,現在大家都知道,但如何運用數據需要策略,不然會造成許多啼笑皆非的狀況。 跟大家講個最代表性的例子。Google 曾經花了三年時間打造出相片辨識軟體,結果把黑人認成猩猩,衍伸出種族歧視的爭議。後來大家才知道,連世界級 AI 高手Google 也會犯下數據的錯,原來,在他們的原始數據庫裡,白人的臉部畫面畫多,但黑人的相對少,才會發生錯認的窘境。Google後來拿掉「大猩猩」這個選項,起碼機器看到黑人就會說是黑人,而非其他答案。

By |六月 11th, 2019|Categories: 團隊直擊, 最新精選報導, 若水觀點|0 Comments

當 5G 來臨 有數據策略才能讓 AI 更成功

※ 本文同步刊登於 Data Dialogue Medium 2019年,由若水 AI 發動的「台灣最強AI落地商戰營」,難得邀請兩岸三地最強一線 AI 領域創業家,從 5G、AIOT、醫療、工業、資安,全部到齊!會上講者們分享了哪些精采內容,請看以下精華整理: ** 5G 碰上 AI,會為世界帶來什麼改變? 有「雲先生」之稱,寬帶資本董事長、亞信科技董事長田溯寧應趨勢科技創辦人張明正之邀,首度來台演講,暢談當「5G 碰上 AI,會為世界帶來什麼改變?」 用一句話來說,「過去 20 年在 3G、4G 的架構下,改變了你我的消費生活;未來 20 年在 5G 的架構下,將改變企業的運作。」

【數位時代】讓高階工程師更省力,若水幫企業練 AI 數據基本功

文:蔣曜宇 / 數位時代記者 近年來越來越多台灣企業開始採用AI技術,然而許多企業卻忽略基礎數據處理的重要性。若水執行長陳潔如認為,AI應該長出產業分工鏈,才能提升 AI 應用的效率。 AI 應用近年來在台灣逐步落地,許多產業也開始思考如何導入AI,進而降低生產成本、增加整體營收。專門提供數據處理與諮詢服務的若水強調,企業對AI的思維轉型,不應只著重於演算法,更要加強檢驗並優化數據的處理。 若水執行長陳潔如表示,大公司的 AI 團隊規劃,對AI的整體發展造成很大的問題。許多老闆認為,錢應該花在演算法上而不是在數據處理上。這使得高端 AI 工程師得花上很大的時間成本處理基本的數據。

By |六月 5th, 2019|Categories: AI 落地經驗談, 若水觀點|0 Comments

【iThome】如何提高 AI 模型需要的高品質數據,若水揭露標註師工作的秘訣

文:翁芊儒「大家都知道數據(data)很重要,但如何處理數據更重要,它會加值AI模型的養成。」若水AI數據服務事業部協理簡季婕在一場活動上,揭露自家新創團隊的數據處理策略,包括如何從大量原始的資料篩選出可用的資料並進行標註,以及實際標註時運用的工具與流程。簡季婕說明,雖然原始資料量(raw data)越多越好,但真正關鍵的挑戰是蒐集到可用的資料,舉無人車針對路況做出反應的模型為例,一般正常路況的資料量多、好蒐集,但真正訓練模型做出反應的車禍資料,反而較難取得。

By |六月 5th, 2019|Categories: AI 落地經驗談, 若水觀點|0 Comments

台灣 AI 界的隱型冠軍 每月整合 25 萬筆數據 讓名醫更名醫

平均一天8000筆以上,每個月25萬筆的就診數據,如何成為醫療服務深度創新的來源?這個答案,就藏在長佳智能裡。 這是台灣罕為人知的AI隱型冠軍。座落在台灣大道上的一棟大樓裡,簇新、簡約的裝潢,說明了這間公司年紀很輕。 2018年8月才成立,不到1年,長佳智能用光速飛行般的整合效率,透過AI系統為中國醫學大學附設醫院推出視網膜病變、心臟功能、肝硬化、乳房超音波、骨齡等5組18項醫療AI專案落地商轉,還默默地將服務觸角延伸到對岸。長佳智能低調不張揚的實力,當然,也開始吸引一些台灣大企業想投資入股⋯⋯。

By |六月 5th, 2019|Categories: 最新精選報導|0 Comments

【落地經驗談】陳維超:追根究底,才能找到 AI 的應用場景

陳維超很忙。他身兼英業達人工智慧中心負責人,還有智能居家視訊監控 Skywatch 創辦人,幸好兩個事業體在同一層辦公室裡,讓他省點時間奔波。也因為太忙了,他去年辭掉台大資工系兼任教職。 台大電機所畢業,再到國外求學,先後待過 NVIDIA 和 Nokia,陳維超主要研究電腦繪圖、電腦視覺,還常常發表論文。持續研究,同時用每天的管理做實證,在他眼裡,AI就像雷神索爾的錘子,「但畢竟還是一把錘子,它的威力需要時間發酵,也端看拿它的人怎麼用。」

By |六月 5th, 2019|Categories: AI 落地經驗談, 最新精選報導|0 Comments

【落地經驗談】林軒田:打通以數據為核心的任督二脈,用 AI 為企業創新

走進Appier位於信義區的高樓辦公室,除了驚艷於四面俯瞰山巒的美景,Turing、Newton、Minsky、Ada、Skinner、Euclid、Gauss等以AI、電腦科學、數學家命名的會議室更令人印象深刻,不斷提醒著同仁謹記這些科學家對世界的貢獻。 Appier首席資料科學顧問、台大資工系教授林軒田的偶像,也藏在其中一間會議室的門牌上。

By |六月 5th, 2019|Categories: AI 落地經驗談, 最新精選報導|0 Comments

全球唯一的「狗保姆」創造循環性訂閱經濟

「歡迎來到狗狗樂園!」 從Tomofun執行長張友辰熱情洋溢、衝勁十足的語調中,不難看出為何這間總部在台灣的跨國新創公司,能在短短幾年從五百多萬個商品中脫穎而出,成為Amazon.com超級會員日首波直播精選商品,還多次受到美國知名脫口秀節目 The Ellen show 青睞。

By |六月 5th, 2019|Categories: 最新精選報導|0 Comments

【落地經驗談】陳昇瑋:從深度學習到深度協作

台灣人工智慧學校執行長 陳昇瑋 在台灣AI界,從學者、倡議者到產業實踐者,台灣人工智慧學校執行長陳昇瑋可謂是第一人。去年,他多了一個新身份:玉山金控科技長,實際上在做些什麼,他很少對外主動提及。這是第一次在媒體前侃侃而談。

By |六月 5th, 2019|Categories: AI 落地經驗談, 最新精選報導|0 Comments

當麥當勞買下這間 AI 公司,世界食物供應鏈即將改變!

(圖片來源:麥當勞) 本文重點: 1, 下一波行銷的關鍵:從大眾行銷 (mass marketing) 走向大規模個人化 (mass personalization),而有數據才能促成一切的發生。 2, 為了賣出更多的漢堡,麥當勞就像佈了一張數據網,從線上到線下,至少抓住消費者身上的 7 種數據。 3, AI 不只是工具,更是一種策略思考,對麥當勞來說,從行銷、採購、徵才到店裝,都可以因此全面升級。 提到麥當勞,一般人想到的是大麥克,而不是大數據。那即將改變。

By |六月 4th, 2019|Categories: 全球 AI 創新個案, 最新精選報導|0 Comments

Shazam!用二十年最終翻轉 Apple Music 的數據策略

2017年,蘋果花了4億美元(約新台幣120億)收購一家位於英國倫敦的音樂辨識公司Shazam Entertainment。在蘋果購買這家公司前,Shazam雖小有名氣卻讓也讓多數人感到陌生。近來拜DC電影之賜,現在全世界的人都知道Shazam(沙贊) — 是DC電影裡的英雄人物。 但今天要介紹的是現實生活中的Shazam,一家自蘋果1976年創立至今,少數以如此高金額收購的一家音樂辨識公司。究竟什麼樣的公司這麼值錢?蘋果買下Shazam 又是在打什麼主意呢?這值得我們一探究竟。

By |六月 4th, 2019|Categories: AI 落地經驗談, 全球 AI 創新個案, 最新精選報導|0 Comments

【AI 時代的工作哲學】(1):看見數據裡的生命力

AI很火,不論是社群媒體、電視上都能看到關於人工智慧的話題,而多數人對於深度學習、機器學習可能一知半解。 2017年底,若水本著「Tech for Good」的精神,結合一群來自各行各業的專業經理人,帶著全台數百位居家身障夥伴,跨足AI產業,提供數據顧問和標註服務,而這全世界首創模式。 這一年半來,我們近距離看到台灣,日本等地不同產業推動AI落地的機會和挑戰,這其中比較少人論及,卻又至關重要的就在於:如何打造「深度協作」的企業文化、跨團隊工作流程以及工作再設計。 而這也是若水每天在做的事。

By |六月 4th, 2019|Categories: AI 落地經驗談, 最新精選報導, 若水觀點|0 Comments

【AI 時代的工作哲學】(2) :原來數據標註是這麼一回事

在 AI 產業工作的日常,若水數據標註團隊幾乎都用自己開發的標註平台,完成客戶交付的任務。 我們經歷了許多跌跌撞撞。從原本一個單一的數據處理平台,發展到至今,能處理各式各樣數據需求,像是畫點、畫四邊形、畫多邊形,以及貼標籤等等,就像似小時候常玩的「小畫家」。 常碰到有人問,若水為什麼不用已經開發出來的就好,還要投入這麼多心力與時間重新建置平台?

By |六月 4th, 2019|Categories: AI 落地經驗談, 最新精選報導, 若水觀點|0 Comments

【AI 時代的工作哲學】(3):用鷹眼管理,從巨量數據中提煉出黃金

AI 產業裡的工程師每天都在做什麼?大部分的人應該認為:「Coding吧!」 其實在導入AI的公司裡,「取得訓練用的數據」才是佔絕大多數,因為只有乾淨、良好的數據提供給機器學習,AI工程師或是數據科學家,才能確保自己建造的神經網路模型能夠預測出有價值的東西。 通常 AI 工程師、數據科學家會用高達 80% 的時間,花在清理數據與準備數據上,AI市場上需要學習的領域涉及廣泛,如自動駕駛汽車,收據識別,道路缺陷檢測,互動電影推薦等需要許多來自不同領域的大量數據──由簡單到複雜、由普遍至特定專業領域的數據類型──如視覺影像、文字、音檔、感測器數據、醫療數據等。

By |六月 4th, 2019|Categories: AI 落地經驗談, 最新精選報導, 若水觀點|0 Comments

您想讀什麼?

文章分類

近期文章