台灣人工智慧學校台中分校第五期開學典禮
主辦單位: 財團法人科技生態發展公益基金會
執行單位: 財團法人人工智慧科技基金會
協辦單位: 中央研究院資訊科學研究所
中央研究院資訊科技創新研究中心
贊助企業: 台塑企業、奇美實業、英業達集團
義隆電子、聯發科技、友達光電
分校協辦: 中亞聯大、東海大學、逢甲大學
歡迎
3
https://youtu.be/_5cU_JcJRPg
陳昇瑋 / 台灣產業 AI 化 - 如何跨出第一步? 4
陳昇瑋 / 人工智慧民主化在台灣
Speech2Face
5https://speech2face.github.io/supplemental/index.html
Healthy Diseased
Hemorrhages
No DR Mild DR Moderate DR Severe DR Proliferative DR
1 2 3 4 5
7
陳昇瑋 / 人工智慧在台灣
Automatic Generation of Medical Imaging Reports
8
https://medium.com/@Petuum/on-the-automatic-generation-of-medical-imaging-reports-7d0a7748fe3d
陳昇瑋 / 人工智慧在台灣
machine-learning model from 30,000+ deals from the last decade that draws from
many sources, including Crunchbase, Mattermark, and PitchBook Data. For each deal,
we looked at whether a team made it to a series-A round by exploring 400 features and
identified 20 features as most predictive of future success.
One of the insights we uncovered is that start-ups that failed to advance to series A had
an average seed investment of $0.5 million, and the average investment for start-ups
that advanced to series A was $1.5 million.
Another example insight came from analyzing the background of founders, which
suggests that a deal with two founders from different universities is twice as likely to
succeed as those with founders from the same university.
from the 2015 cohort of seed-stage companies, 16 percent of all seed-stage companies
backed by VCs went on to raise series-A funding within 15 months. By comparison, 40
percent of recommended by ML (2.5 times improvement)
Human + AI would yield the best performance: 3.5 times the industry average
9
https://www.mckinsey.com/industries/high-tech/our-insights/a-machine-learning-
approach-to-venture-capital
陳昇瑋 / 人工智慧在台灣
AI outperformed 20 corporate lawyers at legal work
10
Challenge: review risks contained in five non-disclosure agreements (NDAs).
AI vs. associates and in-house lawyers from global firms such as Goldman Sachs, Cisco and
Alston & Bird, as well as general counsel and sole practitioners.
AI matched the top-performing lawyer for accuracy – both achieved 94%. Collectively, the
lawyers managed an average of 85%, with the worst performer recording 67%.
AI: 26 seconds; lawyers’ average: 92 minutes, where the speediest lawyer took 51 minutes
https://www.weforum.org/agenda/2018/11/this-ai-outperformed-20-corporate-
lawyers-at-legal-work/
陳昇瑋 / 人工智慧在台灣 11
https://unwire.hk/2019/05/03/this-ai-generates-ultra-realistic-
fashion-models-from-head-to-toe/life-tech/
12(Slide Credit: McKinsey&Company)
AI is “more profound than electricity or fire”
--- Google CEO, 2018
陳昇瑋 / 人工智慧民主化在台灣 15
Mobile computing, inexpensive sensors collecting terabytes of data, and
the rise of machine learning that can use that data will fundamentally
change the way the global economy is organized.
- Fortune, “CEOs:The Revolution is Coming,” March 2016
2017.03
孔祥重院士
• 美國卡內基美隆大學電腦教授
• 美國哈佛大學資訊科技與管理博士學程共同主席
• 行政院 SRB 會議海外專家與科技顧問
• 行政院科技顧問
• 國家級計畫重要推手
• 數位台灣計畫 (e-Taiwan)
• 行動台灣計畫 (M-Taiwan)
• 電信國家型計畫
• WiMAX 發展藍圖
• 網路通訊國家型計畫
H.T. Kung
• 中央研究院 院士
• 美國哈佛大學電腦與電機系 蓋茲講座教授
現任
經歷
2000: Mobile Device1980: PC 1990: Internet 2015: AI + IoT
Taiwan’s next opportunity?
以人工智慧提升
台灣產業競爭力
March – November in 2017
20
台塑石化
長春石化
奇美實業
英業達
欣興電子
敬鵬工業
可成科技
致茂電子
永進機械
研華科技
友達光電
聯發科技
台積電
紡織所
宏遠紡織
台元紡織
佳和紡織
強盛染整
農科院
龍鼎蘭花
經緯航太科技
23
產業 AI 化的挑戰
01 實戰人才的缺乏
02資料基礎建設不足
03 找對問題不簡單
04產學之間的鴻溝
Global Talent 2021 Report
25
(Source: https://www.oxfordeconomics.com/my-oxford/projects/128942)
台灣人工智慧學校
Project θ Weekly Meetings at NCTU
and Also Online with Academia Sinica
June 6, 2017
28
產業共通
挑戰
預測性維護瑕疵檢測
原料組合最佳化自動流程控制
台灣人工智慧學校
產業共通挑戰 #1-瑕疵檢測
29
LCD Panel Defects
30(SlideCredit: IBM)
台灣人工智慧學校 31
Typical PCB defects
台灣人工智慧學校
Typical defects after
SMT (Surface-Mount Technology) process
短路
空焊
極反
缺件
浮高
跪腳
撞件
錫球
墓碑
…
32
https://www.researchmfg.com/2011/02/soldering-defect-symptom/
More SMT/DIP Defect Examples
33
Convolution Neural Networks + Transfer Learning
Pre-trained using 14-million image dataset
ResNet with > 8-million parameters
Input
images
Model training /
inference
OK
OK
以深度學習進行自動瑕疵檢測
實際案例 – 視覺檢測速度比較
36
產線數量: 23 條
4 位目檢人員; 漏網率約 5%
AOI 設備每小時影像輸出量: 配合人力允許條件, 60 萬張/每日
(極限為每條產線 2 萬張/小時 = 1104 萬/日)
判定耗時: 30 萬張 / 人日 = 120 萬張/日
傳統
人力
目檢
深度
學習
系統
硬體設備: 中高階桌上型電腦 + NVIDIA GPU: 10 ~ 15 萬
軟體: 開源軟體 + 高度調校之深度學習模型
品質:模型漏網率控制在 0.01% 之下,目檢人員只需檢查原本總數之 5%
的圖片
判斷速度: 166.67 張 / sec ➔ 每日 1440 萬張影像
實際案例 – 視覺檢測效益評估
37
品質:根據複判初步統計,目檢人員漏網率至少為 12.9%
速度:目檢人員 8~10 位,每天約可檢查共約 3,000,000 張
傳統
人力
目檢
深度
學習
系統
硬體設備:中高階桌上型電腦 + NVIDIA GPU: 10 ~ 15 萬
軟體:開源軟體 + 高度調校之深度學習模型
品質:模型漏網率控制在 1% 之下,目檢人員只需檢查原本
總數之 10% 的圖片
速度:8,640,000 張 / 天 = 100 張 / 秒
台灣人工智慧學校
產業共通挑戰 #2-自動流程控制
38
良品範圍
良率: 61%QualityIndex
人為控制設備參數
40
採用深度學習控制設備參數
作業員良率: 61%
自動控制良率: 98%QualityIndex
台灣人工智慧學校
Especially important for equipment with high failure cost (such as motors in machine
tools)
Also important for expensive consumables (such as blades used in precision cutting
machines)
41
產業共通挑戰 #3-預測性維護
台灣人工智慧學校
預測某段時間後的設備狀態
42
台灣人工智慧學校 43
產業共通挑戰 #4-原料組合最佳化
台灣人工智慧學校 44
染整業的打色問題
台灣人工智慧學校 45
Pigment 1 Pigment 2 Pigment 3打色成功率: 70% to 95%
台灣人工智慧學校
PROJECT Θ TEAM HAS
SOLVED
10+ PROBLEMS
FROM 10+ COMPANIES
WITHIN 6 MONTHS…
46
台灣人工智慧學校
LOOKS IT WORKS OUT, BUT …
47
台灣人工智慧學校
2017/06/26 Project θ Meeting
48
尋找一個把能量放大
的方法
1,000x
01 實戰人才的缺乏
02資料基礎建設不足
03 找對問題不簡單
04產學之間的鴻溝
產業 AI 化的挑戰
關鍵
51
陳昇瑋 / 人工智慧民主化在台灣 52http://bangqu.com/g394k4.html
53
主辦
台塑企業
奇美實業
英業達集團
義隆電子
聯發科技
友達光電
54
捐助人
55
http://aiacademy.tw/opening-video-180127/
http://aiacademy.tw/
軍
學
01
02
03
產業 AI 化的軍校
領域專家 + 人工智慧
讓「找不到人才」不再是障礙
58
1. 2018/01/27 台北一期開學
2. 2018/04/12 台北一期結業
3. 2018/05/12 台北二期開學
4. 2018/07/21 新竹一期開學
5. 2018/08/18 台中一期開學
6. 2018/09/02 台北二期結業
7. 2018/09/29 台北三期開學
8. 2018/11/10 新竹一期結業
9. 2018/12/08 新竹二期開學
10. 2018/12/15 台中一期結業
11. 2019/01/05 台中二期開學
12. 2019/01/26 台北三期結業
13. 2019/02/23 台北四期開學
14. 2019/03/16 南部一期開學
15. 2019/04/20 新竹二期結業
16. 2019/05/04 新竹三期開學
17. 2019/05/18 台中二期結業
18. 2019/06/01 台中三期開學
19. 2019/06/28 台北四期結業
20. 2019/07/13 南部一期結業
20. 2019/07/20 台北五期開學
21. 2019/08/03 南部二期開學
22. 2019/08/17 南部醫療一期開學
23. 2019/08/24 新竹三期結業
24. 2019/08/31 北部醫療一期開學
25. 2019/09/21 南部醫療一期結業
26. 2019/09/22 中部醫療一期開學
27. 2019/09/28 中部三期結業
28. 2019/10/05 北部醫療一期結業
29. 2019/10/19 中部四期開學
30. 2019/10/26 中部醫療一期結業
31. 2019/11/16 新竹四期開學
32. 2019/11/17 北部醫療二期開學
33. 2019/11/23 台北五期結業
34. 2019/12/07 南部二期結業
35. 2019/12/14 台北六期開學
36. 2019/12/21 北部醫療二期結業
37. 2019/12/28 南部三期開學
38. 2020/02/22 台中四期結業
台灣人工智慧學校校區
60
台北總校新竹分校
台中分校
南部分校
(1170 坪, 三重)
(1200 坪, 竹科)
(900 坪, 台灣大道)
(1000 坪, 台南仁德)
(經理人班, 中山大學)
• 寬敞的上課教室 & LAB
• 大量的沙發區- 交流空間
• Ballroom - 論壇分享
• 會議室與白板牆-腦力激盪
• 開放的大空間- 實作場域
• 形象牆與燈座- 歸屬感
電子資訊, 金融, 零售,
醫療, 服務業…半導體, 電腦資通訊, 光電,
生技, 高科技製造, …
精密機械, 手工具,
水五金, CNC機械,
運動休閒製造, …
汽車零組件, 紡織,
重工, 石化, 扣件,
食品, 農業, …
61
新竹分校
台中分校
台北總校
南部分校
台北總校 - 群光電子大樓
62
台北總校 - 群光電子大樓
63
新竹分校-
新竹市力行路二十一號
64
新竹分校-
新竹市力行路二十一號
65
上課教室
新竹分校-
新竹市力行路二十一號
66
實作空間
67
台中分校-
民權路 239 號國泰人壽大樓 15-17F
68
69
南部分校 (奇美實業新田廠區, 近台南高鐵站)
70
71
南部分校經理人班 (中山大學國研大樓)
6,000 校友
1,500 企業
1,000智慧醫療專班
3,000經理人班
技術領袖班
2,000
GPU x 500+
堅實助教團隊 (30+)
空氣盒子計畫
中國信託商業銀行
中國鋼鐵
中國醫學大學醫院
中研院化學所
中研院生多中心
宜蘭食品工業
中華電信研究院
天下雜誌
商周集團
嘉實資訊
智邦科技
臺灣永光化工
天氣風險
宏遠興業
東森得易購
痞客邦 PIXNET
長春石化
雲象科技
敬鵬工業
76
企業及學術夥伴
台塑集團
奇美實業
友達光電
義隆電子
聯發科技
英業達集團
裕隆紡織
元大投信
遠見雜誌
招生班別
• 十六周
• 每周三天
• 朝九至晚六
• 理論課程
• 實作課程
• 專題實戰
• 個人競賽
• 期中、期末考試
技術領袖
培訓班
經理人
周末研修班
• 十六周
• 每周六
• 朝九至晚七
• 基礎理論課程
• 應用分享
• 分組討論/報告
• 交流聚會
技術領袖培訓班
程式設計
統計
機率
線性代數 微積分
報名
89 人
錄取
55 人
陳昇瑋 / 人工智慧在台灣 80
陳昇瑋 / 人工智慧在台灣
Capability to Choose & Evaluate a Solution
81
經理人周末研修班
報名
88 人
錄取
69 人
經理人周末研修班
The First Few Weeks…
84
85
86
過程的轉變
豐碩的技術班專題實作成果
台股指數漲跌預測
股市收盤價預測
全球股債漲跌預測
實價登錄房價預測
腸病毒感染爆發預測
癌症病人生存預測
速訊寫稿機器人
影像敍述自動生成
文章自動標籤生成
文章標題生成
染整業智慧打色
PCB 瑕疵偵測
銅箔缺陷多元分類
植物品種辨識
3D細胞影像分割
人物與人臉辨識
疲勞駕駛偵測
人與物互動辨識
動物聲音辨識
自走車學步
88
更多製造業專題
瑕疵偵測
故障預測
產線參數優化
台電契約容量優化
流程優化
訂單預測
…
89
問題探討 Q & A建 模 參考文獻資料前處理 實戰成果
自動挑出壞的咖啡豆
91
疲勞駕駛偵測
92
工安確保
93
AI 為盲胞 “唸” 影片
94
95
AI河川天眼通LINE Bot
97
台灣人工智慧學校將不只是學校
台灣人工
智慧學校
顧問服務 產學連結
技術推廣 社群交流
新創輔導 職涯發展
台灣人工智慧學校
產業 AI 化 經理人升級領域專家 + AI 引領社會
教育就是一棵樹搖動一棵樹,一朵雲推動
另一朵雲,一個靈魂喚醒另一個靈魂。
- Karl Theodor Jaspers

台灣人工智慧學校台中分校第五期開學典禮談話簡報