首頁 > 消息公告 > 大國競逐下的AI新方向,台灣往哪走?四頂尖大學專家:跨域、落地是關鍵
  
消息公告分類
全部
獎學金
學生事務
徵才/實習
招生資訊
競賽/徵件
國際交流
NTUEE News
裝飾圖片 大國競逐下的AI新方向,台灣往哪走?四頂尖大學專家:跨域、落地是關鍵
2021-09-23



2021年「台灣人工智慧年會暨AI技術應用論壇」,首場對談「台灣四大AI的研究成果與未來展望」。圖片來源:台灣人工智慧學校



 



台灣人工智慧學校將於(2021)十月六日,舉辦線上「台灣人工智慧年會暨AI技術應用論壇」。



第一場「AI領航者們的對談」,將由前科技部長、台大電機系講座教授陳良基,與台灣大學、成功大學、清華大學與陽明交通大學AI中心主任,對談「台灣四大AI的研究成果與未來展望」。

以下是未來城市記者在錄影現場記錄的對談精華。



台大電機系講座教授陳良基:

2017年規劃台灣AI研究方向的時候,全國及全世界,都對AI對人類所能做的貢獻非常期待。當時我們規劃在2018年一月一號,正式啟動台灣AI尖端研究;經過幾個月競爭跟審查,台大、清大、交大與成大分別成立了AI中心。



四年來,四個中心有300多位教授參與,每年培育將近1,500位碩博士生。大學研究最重要的任務是探索未知,但社會對大學也有期待;我期待,四大AI中心在演算法、平台、數據上,都可以帶領台灣往前邁進。



今天非常榮幸邀請到四大研究中心的主任,讓更多觀眾了解四大中心四年來的研究成果。



陽明交大智慧科學暨綠能學院院長、科技部人工智慧普適研究中心主任曾煜棋:

陽明交通大學成立了「人工智慧普適研究中心」(Pervasive Artificial Intelligent Research Labs),「普適」的概念,就是把人工智慧放在各個服務上,發揮價值。當年的網際網路,拉平了知識和數位落差;這幾年,人工智慧也扮演一個特殊且有趣的角色。

每一個人IQ都不太一樣,每一個產業的競爭力也不太一樣,但AI可以拉平競爭。也就是說,人的競爭力除了本身的體質,可以加上EQ,產業的EQ就是人工智慧。如果能善用這一個觀念,不管是產業或個人,競爭力都可能因為善用這個工具而加強。

部長當時交付給我們的任務,是智慧服務。當初收到這個任務的時候其實很頭痛,有點摸不清楚方向;但後來發現,我們能服務的產業層面非常廣。在這四年裡,我們走向金融業、工廠自動化、醫療,甚至最近的奧運比賽,我們也用大數據幫選手在球場的競爭力加分。

善用工具,可以為各行各業,從服務的角度加分。

另外,接到這個任務時,部長給我們一個抽象的概念:要成為世界知名。

實驗室才成立第一天,四年後卻要成為世界知名,就要思索如何一步步達成這個任務。盤點以後,大概有幾個方向:

第一,一定要有一個核心技術能量。科技部給我們一個很大的團隊,第一年有17、18個計劃。

第二,找到產業應用。很多台灣中小型企業都樂意接受AI導入。

第三,國際鏈接,我們每年都在盤點,有沒有多做一些國際化事務。

第四,回饋社會,科技並非遙不可及,要跟各單位接軌。



 



台灣大學特聘教授、科技部人工智慧技術暨全幅健康照護聯合研究中心主任陳信希:

台大主要有兩個議題,智慧技術和智慧醫療。

我們團隊是四大中心最多的,有30幾個,也在頂尖國際會議表現突出,希望所做的工具、模型為世界採用。

其中一個例子,就是中研院資訊所廖弘源所長的YOLO4,是一個非常棒的研究成果,可以免費公開地應用在物件偵測。

今年五月,進階版YOLOR做出來了,速度、應用面更廣,通過這樣的工具,我們把台灣的AI技術成果帶向全世界。

人才是研究和產業的根本。台大AI中心成立後,每年都與Google何辦暑假AI夏令營。Google找來頂尖研究人員,台灣團隊也進來,這兩年報名人數都超過500人。

AI中心過去四年暑假也辦了暑期班(Summer School),前三年希望跟研究所接軌,希望研究生進入研究所前,能學好基本工具。今年第四年,我們把規模擴大到全世界,辦了一個機器學習暑期班。

這個活動三個禮拜,有1,760個來自全世界對AI有興趣的學生或研究人員、工程師、專家,涵蓋61個國家;找了19位世界級的研究人員,和四個我們的研究人員一起來上課。

我們正在走向國際,不只是培養自己的人才,也把研究成果帶上國際。



 



成功大學醫學資訊所所長、科技部人工智慧生技醫療創新研究中心梁勝富:

成大AI中心研究方向非常專注,做的是生技醫療。我們跟台大密切合作,有一些相同的題目,很多課程活動一起舉辦。

生技醫療涵蓋照顧、診斷、生技、倫理跟決策,AI落地後形成的服務範圍都涵蓋了。

我們一直認為,我們不是成大的AI中心,而是服務全台的AI中心。所以,以養殖而言,從海洋大學的深海、近海養殖,到中山大學陸上的養殖,都是生技創造新經濟的示範。

以醫療而言,我們合作的團隊從成大醫院擴展到台大、榮總。一開始,我們中心主任是孫永年主任,他的技術已經變成新創公司,所以現在是我接班。

今年五月,衛福部食藥署有新的醫材法規,成立智慧醫材辦公室來輔導智慧醫材。要能夠被輔導,就表示要有新技術。2018年AI中心成立之後,孫主任團隊的肺結核智慧技術成為第一個AI中心提出去的輔導團隊,這學研界的一個代表的成果。

我們的AI技術,除了診斷、影像,有沒有辦法提升照顧者的專業技能?我們就用轄下中心團隊的睡眠判讀平台,這個平台是一個雲端平台,我們也它用線上做培訓。

這個平台召集了全台灣八成的現職判讀技師,用AI來訓練技師判;雲端判決結果經過分析,告訴每一位技師他的弱點,個別診斷他的弱點,讓他訓練之後再學習、再判斷。

這讓全台灣的技師整體的判斷提升五%。但它不只是協助專業人士的工具,也能貢獻給臨床醫療,每一位到睡眠中心做睡眠檢查的人都受惠這個技術。

我們中心目前的任務,是成為把學界研發技術轉為取證的示範。把智慧醫材輔導經驗,變成一個專業輔導團隊,把服務能量擴展到全台。



 



清華大學工業工程與工程管理學系講座教授、科技部人工智慧製造系統研究中心主任簡禎富:

清華大學是針對智慧製造,有很強跨校技術團隊。在國際上,特別製造相關,包括影像辨識、動態影像(錄影),工具機的機器手臂抓取感測等,都有突出的成果。

我們12個團隊獨立出六家公司,在技術移轉上,平均每個團隊這四年都超過1,500萬元,在產業化有具體成果。

我們本來就有很好的團隊,所以中心主要是扮演整合的角色。2018年成立的時候,我們組一個理事會,請行政院長當理事會主席,找了台積電董事長劉德音,漢翔董事長廖廖榮鑫,生技會會長張善政、智邦董事長盧崑瑞,還有科技部代表廖婉君教授,還有我們的學術副校長陳信文等等。團隊不是報告給主任,是報告給這些產業界的領袖。

在落地上,我們特別找大的場域,比如漢翔。漢翔的計劃已經到第三年,有三、四個團隊,跟資訊、工業、工程、機械相關。

因為都在同一個場域、解決不同的問題,過程就起了垂直整合的作用。

比如說,工業工程談的是生產運籌,如何用大數據做預測、定價,甚至用拍賣決定價格。

另一方面在雲端還有視覺上,還有加工過程怎麽樣利用感測器的資料,辨別哪些動作可以減少等。

我們也在這個過程建立團隊默契,有這樣的基礎再去找其他產業。現在半導體、面板產業在台灣的應用比較快,但隨著半導體超越摩爾定律,很多連接的功能跑到PCB板;現在中美貿易大戰,很多PCB廠回台設智慧工廠,給我們一個很大的機會。所以清華又跟PCB龍頭臻鼎成立聯合研究中心,利用比較長的五年計劃,讓我們的團隊進來,這樣的過程彼此學到很多,創造合作的綜效。

在這個過程,我們希望建立產業生態系統。製造是台灣比較普遍的產業,所以我們盡量扮演鏈接的角色,不要跟法人或公協會重工。

比如,台灣的公司學校常常辦很好的活動,我們願意當做協辦;我們舉辦活動的時候,也找工研院、資策會或中部工具機業者串聯,綜效比較好。

我們也跟媒體,比如電子時報、天下雜誌合作,也跟勤業眾信做智慧製造調查。

因為台灣有200萬家公司,98%是中小企業,照顧了八成的就業人口。我們希望能夠外溢這些效果,把技術研發變成一個參考設計,告訴中小企業怎麽樣按部就班去做,這也會推動更多產學合作產業化,讓新創公司有更好的客戶基礎。

我們也想要練自己的兵,所以也成立一個高階主管專班,定位是EMBA層級,可是是針對技術,現在已經第三屆,蠻多產業界高級主管或二代、新創來上課,可以認識跨校跨領域。

以前製造比較常跟製造互動,在這班以後,他們可以從中央研究院,從其他學校,甚至從我們學校的統計系、電機系等,都能找到相關的領域專家跟老師,讓綜效更強。

比如,利用這樣的機制,康舒科技的學員去年又跟我們學校成立一個聯合研究中心。



 



陳良基:人工智慧是跨領域跨產業,四個中心中心設立在各個學校,但不代表中心成員只有現在的學校,四個中心都相當跨領域。人工智慧蓬勃發展的時候,所有前瞻的想法、創新的技術,最後要落地,才能對社會有幫助。

我們在規劃的時候,台大與成大是以智慧醫療為主軸,所有智慧醫療團隊得到科技部支持,就送去這兩個中心整合;智慧服務就放到陽明交大那邊去;如果是製造為主體的,就在清大做會診。

結合台灣幾個重要的大學研究團隊,透過大平台,讓技術產出能夠落地。

2018年到現在,三、四年來應該要有一些項目可以產業化,讓大家享受高科技進展的成果。請主任們舉一兩個亮點,一般人比較清楚感受到的是哪產業效益?



梁勝富:我們中心有生技跟醫療,生技主要是做養殖,我們的中山大學分隊魚塭上有光電板,魚塭下養蝦,未來很有機會在市面上看到「AI蝦」,它是一個自有品牌養殖的成果,兼具綠能跟養殖的結合。

另外,台灣肺結核的案例不多,但肺結核在全世界是很需要處理的疾病,怎麽在台灣做這個研究?這時候就需要匯集全台灣的資料,這時候就有衛福部幫忙,讓孫永年教授的偵測技術來作智慧判讀。

大家認為AI就是做影像判讀,如果要提供服務,需要系統整合。

比如說影像判讀,要能快速偵測,就要自動送片,送到顯微鏡後要自動對焦,自動對焦之後又能自動判讀,然後自動診斷。我們的研究團隊有能力整合整個系統,兼具了AI與系統,也兼具了臨床價值和批次診斷。



"我們希望把這樣的技術變成領證技術,之後有機會幫助全世界,Taiwan can help。負起對社會、對世界的責任。"



陳良基:從學校的角度來看,技術研發到真正落地,面臨哪些的困難?



梁勝富:我們的團隊都是從學研開始,變成可營運的技術後,會需要專利布局、醫材法規、人才,甚至做技術鑑價。但科技部計劃補助的就是團隊研發經費,後面這些事團隊是沒有經驗的。

所以,我們中心的角色就是根據團隊共同需求,做密集的專業培訓。比如說,要真的變成技轉產品,價值是多少?怎麽樣讓專利得到保護?怎麽樣協調不同醫學中心共享資料或技術?

這兩年我們技術成熟期之後,AI中心就是輔導團隊,走最後這一哩路。

我們今年度的任務,是幫所有需要服務的團隊做「健檢」,也希望這個服務不只服務目前中心的團隊,全台灣的團隊或未來的團隊,都是服務的目標。



簡禎富:推動智慧製造時,是以先進產業比如半導體,當做科技的趨動力,再把前瞻科技擴散到周邊,像面板、PCB,然後到傳統產業、中小企業。

以技術來講,半導體產業要跟時間賽跑,趨勢跟中醫一樣,叫「治未病」。因為加工時間很長,如果等到最後才發現問題再回溯,已經太慢,最好是即時決策。

但挑戰在於,資料能看的深度很淺;加上設備都自動化,資料維度很高。發展過程要整合大數據,還有很多感應氣要萃取成機台狀態資料,這些資料合起來以後,再發展AI模型,然後自我學習,隨時檢測;因為是新製程、新產品,還要能遷移學習。

我們發展這套完整的方法,用在國內產業,像美光科技。

個別技術在智慧製造裡都要整合,單一技術無法解決問題,所以我們也把這樣的技術用在其他領域。

比如環保節能。現在要做冰機,一方面預測溫度,知道機器在不同的狀態的表現效益。在一個很大的廠區里面,可能有好幾台冰機,要開哪幾台?還有組合優化的問題;早上跟下午溫度會變化,也必須要考慮時間軸,一直動態優化。把技術用在這上面,不只能節省成本,對環保也非常有貢獻。

我們甚至把這樣的技術結合廢水處理,因為高科技產業生產過程用了很多強酸、強鹼,排放法規都是治病於未發,而不是等到有污染源的時候再來彌補。



曾煜棋:人工智慧將來在對民生的影響非常大,包括金融科技。去跟銀行業者談,從匯率到保險,可以提出20條想優化的項目。

普適的人工智慧服務,落地有一個重點,不管接觸任何一個產業,要想辦法讓他說出目前的痛點或想優化的部分,你拿出相關技術配合。如果能取得這個重要咨詢,題目就非常容易切入。

比如說,剛才從樓下上到13樓的時候,大家都坐電梯,電梯就有非常多可優化的部分。你可以想,四座電梯怎樣做好排程?

待會要坐計程車回家,一上車也有很多議題會發生,比如車子和人有沒有買保險?馬上就帶入精準保險。精準保險跟費率有關,未來保費一定不是固定的,是浮動的,是按照駕駛的行為、路線和很多資訊,最後決定你明年要交的保費。

我們也做運動。一個球員上場,打球打了兩個小時結束,分數出來,這個過程隱藏了大量的數據。這一球是用什麽策略?這部分為什麽輸掉?上次輸掉又是如何?這些例子都要變成數據。

但數據從哪里來?其實很簡單。外面很多影音平台,如果能用工具去分析,一場比賽兩小時,但很多場比賽加起來可能是200小時,就形成了球員的戰績分析,他的習慣、他的球路,這都是數據的黃金價值。



陳良基:剛剛有兩個議題,一個是跨域,一個是落地。台大AI中心負責智慧技術跟智慧醫療,是很明顯跨領域的例子。



陳信希:台大醫院是我們落地的場域,題目是智慧急診。急診在醫院是非常重要的部門,從病人發生警急情況進到醫院,留在醫院做觀察;我們要判斷,讓他安全離開,還是住院?整個流程有很多事情要優化。

當我們把AI技術迎接到這個流程裡,就要探討病人進來後,怎麽判斷檢查分到哪一級?我們必須透過病史,分析他可能有哪些慢性病?必須留意他在留院過程有沒有危險的事情發生。我們要及時判斷,讓他安全離開醫院,也要能判斷他72小時內會不會再回來。

整個研究成果若能真實應用,協助醫師幫助病人,就叫做「落地」。

醫院是一個特殊的場域,牽涉很多病人隱私、治療安全;所以「落地」不是馬上落地。在我們的規劃裡叫做「落地使用」,必須判斷整個模型能不能顧及資料安全、考慮到病人隱私;要把系統跟目前的醫療諮詢系統介接的時候,會不會影響到效能,有很多議題必須探討。

落地之後,就進入取證階段。食藥署在產品取證方面有大進展,讓我們把技術變成產品。這裡有一個問題:建立到模型程度的時候,希望能夠新創,找到商業模式。

學校是用校務基金,公立醫院是另外一種制度。醫院有蠻多的產品,也可能變成新創,但以目前的作業形式,是不可能的事。怎麽樣讓AI有更多突破,還是要制度配合。



陳良基:醫院是救人的地方,是非營利組織。智慧醫療的模式應該是決戰在醫院之外,讓服務進到產業,全世界都是這個形態,優化的部分在醫院做,但不以盈利為目的,醫療產業賺錢,但醫院本身不會賺錢。

今年的年會特別標出「大國競逐下的AI新方向」,除了回顧四個中心四年來的努力,全世界投入AI的資源愈來愈多,台灣的方向到底在哪?有哪幾個方向應該持續投入?國家資源怎麽更多協助?

中心有沒有好的想法、新的方向,能給政府參考?



簡禎富:台灣有一些世界標竿企業,比如半導體、面板、PCB;但台灣有98%公司是中小企業,照顧八成就業人口。

在產業轉型升級的過程,怎麽樣讓中小型,或至少讓中間企業能順利轉型?AI中心執行過程中發現很多需求。很多這一類公司來找我們,他們有資源,也有心;可它很難在內部建一個像台積電或美光,這麽大的團隊。

所以我借用半導體產業發展的過程,半導體有水平分工,最後產生IC設計服務業、IP廠商。將來AI有沒有辦法也這樣發展,讓中小型公司的需求集中到分析服務業,解決方案提供者變成IP廠商,這樣不只可以幫助台灣產業整體升級,甚至可以輸出到新南向國家。



陳良基:應該可以更多投入在資料科學,畢竟這是一個核心能力,透過大學的資源把它增強後,建制成垂直分工的服務機制。

台灣對晶圓代工很熟,可以想「AI代工」——透過尖端科技撐起來,說不定新方向就是未來尖端技術的投入,結合資料科學,大家從不同的應用抓下來核心技術,變成服務的內容,就有一個分工機制,把台灣的新產業跟研究整合起來。

台灣有主場優勢,再結合半導體算力的想象,很值得思考。



梁勝富:從生技醫療的角度來看,跨領域人才培育是很重要的需求。各個專業,不管是臨床或工程,我們都是「行內人」,但要橋接這兩個領域,其實需要「內行者」。所以我們在大學培養內行人。

培養內行人之後的下一個問題是,醫院都有成立AI中心,計劃結束之後,有沒有位置讓人才繼續留在醫院?在醫院裡的定位是什麽?可以給這些人什麽待遇?

很多醫院要AI或跨域人才,我們很難說服說他留在資訊室,因為他太多機會了,台灣求才若渴。國家端、醫院端、學校端、產業端,都要能體會這些人才的價值。



"台灣最美麗的風景是人,人就是專業人才。現在有點狀況的是,很多醫院開始做AI,臨床醫師學AI模型,工程師也學AI模型,他們的共同語言是AI,而不是臨床怎麽用、技術怎麽提供服務,有點偏差。"



系統臨床服務怎麽切入,連界面軟體都要考慮。回到本身的專業來評估各系統該有的面貌,可能比談用什麼模型更重要,這是提供服務時要考慮的面向。



曾煜棋:談到大國競逐,我覺得還是回到基本面,一定要持續掌握AI核心技術。

四年前中心剛開始的時候,老師們接觸到的核心技術,今天可能已經落伍了。核心技術如何掌握?除了自己開發,還要了解全世界的發展。

AI領域非常辛苦,每年重要研討會一開,以前會發表1,000篇、1,500篇論文,現在一開就是2,000篇、3,000篇論文。掌握核心技術發展,要花時間投入。

"第二點,要求一個AI學者跟另外一個AI學者互相合作,蠻困難的。A教授開發A模型,B教授開發B模型,如何讓AI的各種模型合作,是很不容易的事情。"



下一個階段,希望有一個平台來做這件事。



陳良基:大學的重點還是科學研究,佈建核心技術。核心技術會隨著時代一直演變,當大國資源投入一個方向,台灣要不要跟,是決策考慮。

台灣還是應該以我們的強項持續深耕,這是大學對整體社會可以做的貢獻,也是國家資源投入時應該考量。



陳信希:我們把舞台伸展到國際。我請部長寫推薦信,擊敗了紐西蘭、澳洲跟印度,讓資訊檢索領域頂級學術會議ACM SIGIR,2023年到台灣來舉辦。

人工智慧技術的發展非常快速,很多工具都是開放原始碼,能發展很多應用。主要的挑戰在於,選擇一個好的應用,收集好的資料,組織一個好的團隊,在人工智慧領域上往前走。

我們要組一個台灣AI國家隊,未來10年、20年,能夠在世界舞台上發光。



陳良基:人文為本、科技為用,科技是一個工具,核心技術往前邁進,但人文的考量必須是中心思想。

所以後來我們也要求中心要有人文社會科學團隊,協助引導技術對社會未來有所貢獻。

我們非常期待透過尖端研究,在全球競逐AI的舞台上,幫台灣占有一席之地,還要建立好的產業規模。

中小企業的數位轉型,只要人工智慧的人才跟技術到位,跟上來腳步就可以快一點,這個也是過去跨部會的合作。

我們期待,當AI變成改變人類社會的重要力量,台灣絕對不會缺席,我們尖端研究人員與團隊已經有很多好點子,透過四大研究中心與政府、社會的資源跟期待,一定能持續在大國競爭之中,找出台灣的競爭力。



本文來源:未來城市@天下 https://futurecity.cw.com.tw/article/2229