日前，Google 發表自然語言框架語義分析器 SLING，它能以語義框架圖（semantic frame graph）形式，將自然語言字檔直接分析為字檔語義表示。這系統避免了級聯效應，另外還減少了不必要的計算開銷。編譯整理如下：直到最近，大多數實際的自然語言理解（NLU）系統都採用從詞性標籤和依存句法分析（dependency parsing）到計算匯入字檔語義表示的分析。雖然這使不同分析階段易於模組化，但前期錯誤會在後期和最終表示產生層疊效應，中間階段的匯出也可能與這階段不相關。例如，一個典型的 NLP 系統可能在早期執行依存句法解析的工作，在結束階段執行共指分析（coreference resolution）工作，早期依存句法分析階段出現的任何錯誤都會產生級聯效應，影響共指分析匯出。今天我們發表 SLING 實驗系統，它能以語義框架圖（semantic frame graph）形式，將自然語言字檔直接分析為字檔語義表示。匯出框架圖能直接擷取用戶感興趣的語義標注（semantic annotation），因為沒有執行任何中間階段，所以避免上述那種導管系統的缺陷，另外還減少了不必要的計算開銷。SLING 使用具特殊用途的迴圈神經網路模型，透過框架圖的增量編輯作業（incremental editing operation）計算匯入字檔的匯出表示。框架圖夠靈活，可擷取大家感興趣的許多語義工作（下面有更多介紹）。SLING 的分析器（parser）只使用匯入詞來訓練，不需要其餘再生成標注 （如依存句法分析）。SLING 透過提供高效、可延伸的框架儲存實現（frame store implementation）和 JIT 編譯器來生成高效程式碼來執行迴圈神經網路，進而推理（inference）時能快速分析句法。儘管 SLING 還處於實驗階段，但得益於高效的框架儲存和神經網路編譯器，它在桌機 CPU 能實現超過 2,500 象徵式／秒的分析速度。SLING 使用 C++，目前可在 GitHub 下載。這個系統在技術報告有詳細說明。框架語義句法解析（Frame Semantic Parsing）框架語義表示字檔的含義（例如一句話），是一套正規表述。每個正規表述都稱為一個框架，可看作是知識或語義的一個單元，還包含與與它相關的概念或其他框架的相互作用。SLING 將框架組織成屬性槽（slot）清單，其中每個屬性槽都有對應名稱(角色)和值（可能是 literal 或是到另一個框架的連結）。下面是一例句：很多人都宣稱自己預測到黑色星期一。（Many people now claim to have predicted Black Monday.）下圖是 SLING 辨識提到的實體（例如人物、地點或事件）、度量（例如日期或距離）和其他概念（例如動詞），並將它們放置在正確語義角色的說明。上面例子相當簡單，框架圖的功能強大到可模擬各種複雜的語義標註工作。對初學者來說，這種框架可非常方便地將語言的內外部資訊類（例如知識程式庫）結合起來。這可以用於處理複雜的語言理解問題，例如參照、隱喻、轉喻等。這些工作的框架圖只在框架類別、角色和連結約束條件上有所不同。SLINGSLING 透過最佳化語義框架來訓練迴圈神經網路。網路隱藏層學到的內部表示，取代了前面那種導管系統的手工特徴組合和中間表示。解碼器使用伴隨反覆出現的特徵一起的表示，來計算用於框架圖更新的一連串過渡，以獲得匯入敘述的預期框架語義表示。SLING 中用 TensorFlow 和 DRAGNN 來訓練模型。下面動圖展示使用過濾作業將框架和角色逐漸添加到框架圖的構建過程。正如一開始討論的簡單例句，SLING...
今年早期，宜家（IKEA）的創意實驗室 Space10 發表了一份關於 AI 的調查問卷。其中，問卷提出一個非常有趣的問題：你是否希望 AI 有性別？此項活動的參加者跨越 139 個國家，大約有 1.2 萬人。據 Fastcodesign 報導，宜家如今公布了調查結果：44% 的人希望 AI 是中性的。如果按照性別劃分人們的回覆，結果就會變得有所不同。大約 8,000 名男性參與此項活動，其中，27% 的人認為 AI 應該是女性；36% 的人認為 AI 應該是男性，剩餘 36% 的人認為 AI 應該是中性。至於女性，62% 的人認為 AI 應該是中性，11% 的人認為 AI 應該是男性，27% 的人認為 AI 應該是女性。▲ Space10 外觀。（Source：IKEA）調查結果並不具科學性。首先是參與者的男性更多，其次是網上調查無法控制年齡層，或進行更有意義的抽樣。不過，這項調查仍然揭示了一些有趣的現象，比如，許多參與者認為 AI 應該是中性。但是，從目前科技公司提供的智慧助手來看，人們仍然只能選擇男性或女性，沒有中性選項。或許，以後的智慧助手也可以是中性的吧。此次調查還發現了另一件有趣的事。參與者中，69% 的人希望 AI 與自己的世界觀和價值觀相同。世界觀、價值觀是一個比較模糊的概念，但對設計師來說，這卻是一個值得思考的問題。AI 是否應該贊同使用者的世界觀？如果是，這樣的 AI 要如何設計？或者，認同用戶的任何想法，未必是一個好的設計決定？如今，宜家正在試驗各種科技性產品。透過此次調查，Space10 想要激發大眾的討論，也想引發公司內部思考：AI 究竟該是什麼形式？設計 AI 產品時，設計師如何克服自己的盲點或偏見？（本文由 愛范兒 授權轉載；首圖來源：shutterstock）
16 日的百度世界大會，李彥宏說已收到第一張無人車罰單，而無人車最快將於 2018 年量產。就在同一天下午，騰訊也攜手廣汽發表雙方合作後的首款智慧網聯車 iSPACE。11 月 16 日，新一屆廣州國際車展前夕，騰訊與廣汽召開「智‧享未來──騰訊廣汽戰略合作發表會」。騰訊董事會主席兼 CEO 馬化騰和廣汽集團董事長曾慶洪共同揭曉了雙方合作以來在智慧網聯領域的最新成果，並全球首發由廣汽集團自主研發的 iSPACE 智聯電動概念車。相比百度和阿里，騰訊在網路汽車領域的佈局要晚。今年 9 月 18 日晚上，廣汽集團發公告，稱與騰訊簽訂「戰略合作框架協定」，未來將在車聯網、雲端平台、大資料等領域深入合作。目前 iSPACE 等只算是階段性成果，雙方還將會合作更多汽車產品。發表首款搭載 AI in Car 系統的概念車，未來將合作推出更多車型11 月初的騰訊全球合作夥伴大會，騰訊宣布推出車聯「AI in Car」系統。同時，騰訊還宣布開放智慧語音服務、場域化服務、內容服務、社群服務、和營運加值服務五大 AI 能力。並且與廣汽、長安、吉利、比亞迪、東風柳汽 5 家汽車廠商合作共建 AI in Car 生態系統。這次推出的智聯電動概念車，就是騰訊車聯「AI in Car」系統落地的代表產品。據騰訊介紹，這次與廣汽合作發表的 iSPACE 智聯電動概念車，也是首款搭載騰訊車聯「AI in Car」系統的概念車。未來，該系統還將應用於 GS4、GS3、GM8 等量產車及廣汽未來上市的多款車型。另據廣汽集團的產品開發規畫，廣汽與騰訊將在汽車前端和後端展開自訂化開發，計劃於 2018 年量產。對於這款新車，馬化騰表示：「iSPACE 智聯電動概念車非常超前，代表了汽車未來的發展方向。傳統車企仍將是未來汽車產業的主角，透過與網路公司深度合作，不斷進化，擁抱汽車智聯網時代。」他還說道，騰訊將把人工智慧、大資料、雲端、地理位置、獨有的內容資源等優勢能力對廣汽開放，賦能於車，讓人與車的互動更智慧、讓我們的駕駛體驗和交通更智慧，智慧交通讓社會執行更高效、讓科技更服務民眾生活。騰訊在智慧網聯汽車產業扮演什麼角色？騰訊將在網路汽車領域扮演什麼樣的角色，馬化騰也有自己的解釋。他表示，「騰訊要做中國智慧網聯汽車產業的賦能者，而非顛覆者，透過與車企協同打造智慧網聯生態平台，以『去中心化』、全方位的平台能力，為車企提供一個更為包容、創新和具有可持續性的智慧解決方案，讓汽車成為未來生活的慧型終端機。」騰訊車聯繫統的優勢有哪些，其實在全球合作夥伴大會已有很多介紹。在與人的互動和用車場域辨識方面，「AI in Car」系統使用騰訊叮噹智慧語音平台構建了完整的車載語音技術鏈，實現了 「能聽清、能聽懂、能滿足、會回饋」。同時，搭載「AI in Car」系統的廣汽汽車，將智慧辨識感知多種交通場域，包括通勤、約會、機場接送、購物停車、自駕出遊等，未來還會包含車況場域和汽車周邊場域。另外，車主還可以享受「智慧聽」服務，騰訊車聯「AI in Car」系統將基於 10 億級用戶標籤，為用戶提供個性化內容推送，如 QQ 音樂、企鵝...
知名深度學習專家吳恩達和他在史丹佛大學的團隊一直在醫療方面努力。之前，吳恩達團隊研發出一種深度學習演算法，可診斷 14 類別的心律失常。近日，該團隊又出新成果，他們提出一種名為 CheXNet 的新技術。研究人員表示：新技術已在辨識胸部透視圖中肺炎等疾病準確率超越了人類專業醫師。研究人員開發的全新演算法，能從胸部透視圖偵測肺炎，且水準超越專業放射科醫生。此演算法稱為 CheXNet，是一個 121 層的卷積神經網路。該網路在目前最大的開放式胸部透視圖資料庫「ChestX-ray14」訓練。ChestX-ray14 資料庫包含 14 種疾病的 10 萬張胸部前視圖 X 光影像。 Our full paper on Deep Learning for pneumonia detection on Chest X-Rays. @pranavrajpurkar @jeremy_irvin16 @mattlungrenMD https://t.co/BxUuObRErS pic.twitter.com/6aAoiw4iSj — Andrew Ng (@AndrewYNg) 2017年11月16日背景據了解，僅在美國，每年就有超過 100 萬成年人因為肺炎住院，5 萬人因為該病死亡（CDC，2017）。目前，胸部 X 光檢查是診斷肺炎的最佳方法（WHO，2001），這種方法在臨床護理和流行病學研究發揮重要作用。然而，透過 X 光片診斷肺炎是一個具挑戰性的工作，需要放射科醫師具備專家級的判斷能力。吳恩達團隊的最新成果中，電腦科學院和醫學院的研究人員共同提出一種新的機器學習模型，可讓電腦透過胸部透視圖自動診斷肺炎，其診斷準確率超過了放射科醫師。▲ 圖一：ChexNet 是一個 121 層的卷積神經網路，匯入胸部透視圖，匯出患病機率。在這個例子中，CheXnet 準確探測到肺炎，同時定位圖中最有可能患病的位置。CheXNet 可匯出肺炎可能性的熱區圖。研究人員在最近發表的 ChestX-ray14 資料庫（Wang et al., 2017）訓練了 CheXNet。該資料庫包含...
11 月 16 日，2017 百度世界大會在北京舉行。百度會上發表了手機百度 10.0 和全新人工智慧硬體「raven H」等軟硬體產品。百度董事長兼首席執行長李彥宏在主題演講時表示，12 年前首屆百度世界大會，百度透過「更懂中文」讓人們抓取資訊越來越便捷，而世界越來越複雜的今天，人工智慧技術讓「百度更懂你」，百度將實現用科技讓複雜的世界更簡單的偉大使命。▲ 百度 raven H 智慧喇叭，由渡鴉科技團隊研發。李彥宏首先談到自動駕駛相關問題──「從那次開發者大會到現在，人們問我最多的問題是什麼？你有沒有吃到罰單？我在這裡統一回覆，我們無人車確實吃到一張罰單，但我想說的是，如果無人駕駛罰單已經來了，無人車量產還會遠嗎？」李彥宏談到，從 7 月正式開放無人駕駛技術平台 Apollo 到現在，已經有 6,000 多個開發者投票支持 Apollo 專案；有 1,700 多家合作夥伴加入 Apollo，開始使用 Apollo 的開源碼；有 100 多個合作夥伴申請使用 Apollo 的開放資料。它已變成非常活躍的開放平台，很多人都能從中受益。前不久，百度剛宣布和金龍汽車合作，生產一款無人駕駛小巴，小巴將在 2018 年 7 月量產。發表會公布的影片來看，這台小巴沒有方向盤、沒有駕駛座，是一台真正的無人車。李彥宏說，明年開始營運時，會先在封閉道路運行。百度認為人工智慧不僅對汽車工業是巨大的改變，對整個人類社會各方面都會有非常大的改變。李彥宏還宣布百度很快會發表和雄安的戰略合作，希望能幫助將雄安打造成為一個沒有塞車、交通效率最高，沒有各樣安檢、各種身分認證都非常簡單，不需要有繁雜流程的新「千年大計」城市。不僅是雄安，百度和很多城市都有類似合作，比如保定、蕪湖、重慶的兩江新區、北京亦莊開發區、上海汽車城都在做類似合作。李彥宏說，他希望未來城市和今天大家感受到的城市很不一樣，沒有塞車、沒有霧霾、沒有排隊、沒有繁雜行政流程。從去年到現在，百度大腦已開放超過 80 個核心的 AI 能力，主要是透過 API 形式供大家使用，有 37 萬多個合作夥伴加入百度大腦開放平台，在使用百度各種能力。「使用的頻率如何？每天，百度大腦各種能力呼叫次數是 2,188 億次。」李彥宏說。「它的準確率已經很高了，在會場環境下，文字的辨識能力達 95%。英文翻譯其實也非常不錯，至少你能看懂，到什麼程度呢？我們如果拿大學英語六級翻譯考題來測試，總共 15 分的翻譯題，百度大腦可得 13.6 分。這個成績已遠遠超過普通大學生六級考試的平均成績。」百度展示 DuerOS 的電視影片，電視不用學習那麼多遙控器按鈕的使用方式，但是它的聰明程度已比學會使用所有遙控器按鈕更有能力，更符合人類的需求。影像方面，百度認為 AI 同樣大有可為。百度為大家展示 Apollo 的疲勞駕駛監測系統，這個監測系統可監測用戶處於重度疲勞駕駛時，會自動偵測並提供導航到最近的休息區。系統也配備紅外線偵測，司機戴上墨鏡、當人看不清楚他眼睛時，疲勞監測系統依然能持續工作。李彥宏最後提到，12...
國內 IC 設計大廠聯發科 18 日舉行公司 20 周年員工運動大會，公司高階主管包括董事長蔡明介、副董事長謝清江、共同執行長蔡力行、營運長陳冠州、以及晨星董事長梁公偉都到場參與。蔡明介表示，為持續照顧員工家庭，除決定2019 年 9 月在在總部落成企業內幼兒園，以打造友善工作環境外，當前組織改造工作已經在 2017 年第 3 季有所成效。因此，將針對集團內的 16,000 名員工，加發新台幣 10,000 元的激勵獎金，以感謝同仁的貢獻。蔡明介在運動會前的致詞表示，聯發科從 20 年前從只是個 20 人到 30 人的多媒體辦公室，進步到現在變成全球前 3 大 IC 設計公司之一，要達到這樣的成就，員工是公司最重要的資產。因此，不僅感謝同仁的努力，也感謝員工家屬的支持。所以，為了持續照顧員工家庭，公司也做了一個決定，就是將以總公司後方 400 坪空間打造成企業內的幼兒園，預計 2019 年 9 月將正式起用，以創造更友善的工作環境。 另外，蔡明介還進一步指出，公司從兩年前開始啟動的組織改造計畫，到 2017 年第 3 季已經開始展現出成效。因此，位勉勵同仁們的努力，公司決定將針對 2017 年 9 月 30 日前到職的約 16,000 名員工，加發新台幣 10,000 元的激勵獎金，總計將發出 1.6 億元的現金紅包。 而在致詞後，與媒體記者的聯訪中，蔡明介被問到對近期國際網通晶片大廠博通（Broadcom）提出購併競爭對手高通（Qualcomm）一事，未來將對聯發科有什麼樣的影響時，蔡明介的回答是，在當前產業高度競爭的情況下，每一件購併案的發生，預期都將會對在產業中的參與者有所影響。至於，提到聯發科目前會不會有相同的購併計畫，蔡明介則不表示任何意見。 ...
科技新發展一波波，其中 AI、雲端大數據、智慧車、機器人，已成為未來大趨勢。當各類智慧化科技圍繞每個人的生活，也將促進許多電子關鍵零組件的蓬勃發展，而蘊藏無限商機與投資大機會。其中，台灣掌握的半導體、DRAM、被動元件、鏡頭、電池材料、MOSFET（金屬氧化物半導體場效電晶體）、二極體 7 大產業，都成為智慧科技生活化的關鍵零組件，缺貨熱潮將持續到 2018 年。科技改變人們的生活，也改變財富的流向，投資人應把握機會，加入這波缺貨飆股賺錢俱樂部，讓自己荷包滿滿。位於美國維吉尼亞州北部的勞登郡（Loudoun County），近年一躍成為全美最富有的地方城市，原因是全球網路霸主 Google、Facebook 等科技公司都將此地設為數據中心的集散地；每天，全美網路流量有 7 成要通過勞登郡的資料中心，也使得這個人口只有 37 萬人的小城市，成為全球雲端數據的中心。原本是農業區的勞登郡，近幾年大興土木，每幾個月都有如足球場大的數據中心啟動；日前，加州領導廠商雲端數據公司 Vantage，就在勞登郡收購了 42 英畝土地（約 1.5 倍台北國父紀念館大），將投資 10 億美元，建造 5 座大樓的超級雲端數據中心，未來一棟棟新穎的雲端數據中心，就在勞登郡拔地而起。在全球搶蓋雲端數據中心的浪潮下，美國蘋果公司月前也與中國貴州省政府聯合舉行記者會，蘋果宣布將投入 10 億美元，把 iCloud 數據中心設在貴州。國際大廠搶在貴州成立中國雲端數據中心，也讓貴州今年 GDP（國內生產毛額）突破 10.1%，成為中國經濟成長率最高的省分。雲端、AI、智慧車、機器人正夯 4 大趨勢引領 7 大產業缺貨潮國際科技巨擘投資雲端數據中心，每座都以 10 億美元的投資起跳，可想而知，嶄新的資料中心設備所需的半導體、伺服器、DRAM（動態隨機存取記憶體）、電子元件，商機潛力十足。工研院產經趨勢研究中心主任蘇孟宗指出，智慧科技興起，將滲入各行各業，包括工業 4.0、AI（人工智慧）、自駕車、電動車等，都與大數據有密切聯結，未來網路、軟體、硬體、數據四合一將是大勢所趨；而在這樣的趨勢下，台灣關鍵電子零組件的未來發展十分樂觀。不只雲端數據中心建設在全球如火如荼展開，智慧科技生活也已融入你我的生活中。IBM 台灣全球企業服務群總經理賈景光強調，AI 將進入不同的載具中，未來能善用 AI 技術、讓顧客滿意度提升的企業才會更成功。他舉例，日本瑞穗銀行推出理專與機器人 Pepper 協同服務的新理財模式，藉由機器人無窮的記憶力，銀行業可用後端電腦，估算出最適合顧客的理財方案，再由專業的理專為客戶解說清楚，方便顧客選擇，最終讓顧客得到滿意的答覆。不只機器人與理專協同工作的趨勢在辦公室展開，AI 與大數據也走入我們熟悉的馬路上。例如，中國為了解決民眾不守交通規則的亂象，特別設計可以辨識人臉的違規罰單智慧系統，只要行人亂闖馬路，攝影機 AI 自動人臉辨識身分，在馬路旁的電子看板，隨即公布違規者身分；如果不繳罰單，違規者姓名將持續公告在電子看板上，當違規人以電子支付繳交罰單後，違規資訊也會消失。雖然有侵害人權疑慮，但這套智慧系統已大大改善中國民眾亂闖馬路的現象。這些智慧化科技的運用，背後都需要許多關鍵零組件，包括半導體、DRAM、被動元件、鏡頭、電池材料、MOSFET（金屬氧化物半導體場效電晶體）、二極體產業等；當智慧科技導致電子產業轉變趨勢，也帶來龐大商機與投資機會，尤其是今年相關產業因需求急增造成缺貨、產品報價上揚，這些公司就先後成為台股的飆漲明星。矽晶圓沉寂 10 年 旺到明年下半年 DRAM 報價不墜 高獲利趨勢不變群益投信研究部主管陳煌仁指出，今年電子零組件缺貨潮一波接一波，矽晶圓在 2006 到 2007 年有一波擴產潮，其後矽晶圓產業陷入供過於求，整整沉寂長達 10...
史上第一支由人工智慧（AI）操盤的 ETF 指數型基金 AIEQ 在 10 月中問世，該基金 3 天內績效就明顯贏過大盤，引起市場討論熱潮。台灣在這波熱潮中也沒缺席，11 月 9、10 日的第一屆台灣人工智慧年會上，AI 操盤的實作經驗分享，成了各講座中爆滿的大熱門。AI 操盤真的那麼厲害？對沖基金衝前頭 AI 操盤初步績效勝人腦全球除了已有大量新創企業投入這領域，目前包括全球最大對沖基金橋水（Bridgewater），知名的量化交易公司文藝復興（Renaissance Technologies）、Two Sigma 都推出讓 AI 參與操盤的對沖基金。去年對沖基金整體規模不增反減時，只有這類 AI 基金的規模成長。英仕曼集團（Man Group）是大贏家之一，這個以贊助文壇盛事「布克獎」聞名的英國集團，旗下最大的基金 AHL Dimension，有一半利潤由 AI 操盤所貢獻，過去 3 年報酬率 15%，是對沖基金同業的 2 倍。從應用 AI 以來，該基金規模擴充了4 倍。台灣法規限制 AI 操盤換股操作時，必須經過投資人同意，實務上等同於不開放 AI 操盤。儘管如此，仍有轉往新加坡發展的台灣新創業者 hiHedge 開發出 AI 操盤服務，學界、業界也有不少亮麗的研究成果出爐。意藍資訊公司董事總經理楊立偉在人工智慧年會上首次揭露，他用 AI 搜尋分析包含 Ptt、mobile01 等網路社群平台上八百多萬個帳號，以及這些帳號對兩千多檔上市櫃、興櫃、創櫃股票的發言，找出帳號與個股漲跌關聯。結果發現，某些帳號針對特定個股發表看多文字後，股價總能神準上揚；同時也有神準的反指標，每次在網路論壇喊漲某股，股價一定跌。他說，用這些帳號的發言來預測股價，準確度竟然高達 74%！尚有兩大挑戰 犯錯究責、空頭市場判斷但撇開這些 AI 操盤的成功案例，此領域其實正面臨兩大挑戰。其一，AI 的人類助手根本不知道它是怎麼賺錢、賠錢的。hiHedge 創辦人顧家祈分析，AI 透過機器學習形塑出自己的投資邏輯，當...
藍色巨人 IBM 近年表現不佳，雖然大部分傳統硬體業務已經脫手售出，也開展新業務力圖轉型，但在投資人眼中表現一直不好。不過有媒體指出 IBM 最近著重的雲端、行動、分析業務都有成長，但股價表現偏低，是逢低買進的好時機。財經雜誌 Barron’s 的 Jack Hough 撰文《IBM: Blue Chip at a Bargain Price》指出，IBM 的股價被低估，且已有轉型重獲新生的跡像。Hough 還預測明年有正面消息，IBM 股價還會成長超過 30%。如果投資人仍對 Barron’s 的說法存疑，懷疑這頭巨大的大象是否會再次跳舞，到了明年 1 月就有更清楚的跡象。IBM 在 1 月時大概會發表 2018 年展望。Barron’s 的說法並非完全無根據，先前許多分析師早已看好 IBM 這季營收將轉為正成長。上個月 IBM 在雲端、行動、資安和分析業務營收有增長。不過 IBM 一直捧在手上的神器 Watson 可得加把勁，不然先前醫學診斷被質疑沒有聲稱的那麼有效，或是整體比不上其他大公司 AI 的聲勢。 IBM could be set for gains after long slump: Barron’s Barron’s: IBM Could Be Set for...
除了在歲修狀態外，半導體產線機台一般都是 24 小時不停運作，如何維持機台正常運作和產線順暢，影響半導體大廠績效的關鍵，除了台面上的先進製程，更要確保機台不故障不出錯，甚至能在發生非預期停機前故障前，就早一步掌握機台健康資訊。但一年才歲修一次的半導體機台如何確保其他時間不故障呢？有辦法在不停機的狀態下發現機台的異常嗎？甚至，有沒有可能預先偵測機台的異常並主動警示呢？根據 IBM 的研究報告顯示，83％ 的資訊長認為，設備維護以及總體資產分析最佳化為提升企業競爭力之最主要途徑，導入機台故障預診斷技術效益可以增加 20% – 25% 生產力，工廠產線設備的穩定與正常，是製造業的關鍵競爭力，於是台灣半導體產業找上了工研院的巨量資料分析團隊，希望透過巨量資料分析，預先診斷並排除有可能產生故障的機台。「半導體機台故障預診斷軟體」這項研究早在四年前就開始啟動，透過蒐集、分析機台資料來監控與評估設備及其零件的健康狀態，及早預測機台需要維修的時間點，減少產線因機台突然故障而必須停頓的風險，原理看似簡單易懂，關鍵就在於 AI 的應用。工研院巨量資訊科技中心經理林群惟一語道破關鍵核心：「半導體機台故障預診斷軟體」是一套人工智慧（AI）與機器學習的系統平台，分析機台所產生的製程資料，進行即時監看、預測並以視覺化資料呈現，讓產線管理者可以掌握設備的健康狀態。」。 ▲「半導體機台故障預診斷軟體」是一套人工智慧（AI）與機器學習的系統平台。（圖片來源：工研院）。而「半導體機台故障預診斷軟體」獲得光電半導體產業青睞的關鍵技術，在於工研院研發團隊掌握了精準資料蒐集、參數萃取與分析。關鍵 1，蒐集對的資料，從中萃取關鍵參數由於半導體產線的資料參數，多達 400、500 種，要從中找到真正影響機台健康的參數，是研發這套系統的第一道關卡，林群惟表示，我們為此整合光、機、電與資訊軟體等領域的研發團隊，經過反覆驗證與測試，順利找出能反映機台設備健康的關鍵參數。關鍵 2，建立整體式學習預測技術找到能反映機台設備健康的關鍵參數後，接著要建立資料分析模型。研究團隊跳脫過往採用單一「英雄式」的分析演算法，整合數十幾套先進機器學習演算法建立「整體式學習預測分析模型」，提高機台預測分析的準確度。林群惟指出，機台預測分析準確度如果不夠高，一直發出誤警報反而會造成產線工程師的困擾，影響產線生產效率，目前很多智慧製造預測分析技術都有此類問題。而工研院所研發的整體式學習預測分析技術，準確率達到 95% 以上，減少誤警報的狀況發生。關鍵 3，建立資料分析準則提高「半導體機台故障預診斷軟體」的準確度還不夠，為將此系統導入更多製造領域的產線，工研院研究團隊進一步建立一套資料分析準則，讓此系統實際導入應用於其他產線時，可以直搗產線生產環節的核心問題，快速建立分析模型。「半導體機台故障預診斷軟體」藉由預知異常事件即將發生，讓產業提早排除異常，減少突發事件造成的查修時間壓力與風險，提高產線工程師的工作效率，讓工程師專心投入創新研發，為公司創造更多的附加價值，不僅技轉給國內多家光電半導體廠商，同時也榮獲 2017 全球百大科技研發獎。文章授權來源：半導體機台故障預診斷技術