最新消息

◆ 資料出處：109年度經濟部技術處法人科專成果表揚成果專輯
◆ 獎項名稱：技術成就獎
◆ 執行單位：財團法人工業技術研究院巨量資訊科技中心、財團法人資訊工業策進會
◆ 計畫名稱：人工智慧產業關鍵技術拔尖計畫(2/4)

【成果簡介】

■ 發展臺灣專屬AI技術 滿足產業應用需求

AI是改變全球產業發展的重要科技，也是臺灣亟需建立的關鍵技術。本計畫根據關鍵場域需求，設定具市場競爭力的技術指標，已成功研發多分支深度學習技術，兼具高準確度與速度，突破AI技術瓶頸；研發結合AI與人類領域知識的系統技術，克服AI技術缺陷；融合深層與淺層深度學習的中文文字問答技術，具備實用性與跨域應用彈性，達成進口替代。

【成果介紹】

近年AI技術與應用在許多領域皆有重大突破。然而，對於臺灣產業實際應用需求，現有公開的深度學習等AI演算法，或因產業資料屬性的不同，例如目前的演算法多針對自然影像，而瑕疵影像為幾何圖形；或因為漏檢率等高規格要求，例如目前最好的分類演算法其漏檢率為3%，但產業規格為0.05%。因此必須研發符合臺灣產業需求的專屬演算法。

此計畫便是由跨法人、跨領域團隊深度合作，研發符合我國製造、醫療、服務等產業需求的AI自主技術與應用，以解決產業的痛點。

■ 製造、醫療、服務 AI可以幫大忙

綜觀臺灣產業面臨的問題包括：於製造領域，現有檢測機台誤判率太高，需大量人力複檢，且缺乏多瑕疵分類，難以溯源分析；產線排程與控制因子達兆級組合，僅能以經驗選擇；產品製程日趨複雜，時程內研發出合規的配方參數更加困難，此外，製程實驗昂貴，需要以少量資料學習出最佳配方參數。

於醫療領域，糖尿病患者常會發生視網膜病變，然臺灣半數鄉鎮缺少眼科醫師，就診不便造成檢查率低；國外乳篩產品未能對應如陽性案例追蹤率等國內在地需求，缺乏嚴重度排序功能，延誤病患召回醫院並造成醫院受罰。於客服領域，國外大廠推出問答對話解決方案，搶占國內市場，而目前解決方案缺乏擴充性，且建置成本高。

針對上述的產業需求，本計畫主要研發製造領域所需的多分支深度學習瑕疵檢測技術、產線資源智慧調配技術、智慧協作製程配方優化技術；醫療領域的糖尿病眼底病變診斷輔助分析技術、乳房攝影病變偵測與辨識技術；以及服務領域的中文文字問答對話虛擬客服技術等，並將其導入產業應用。

計畫規劃與執行階段全程均與領導業者緊密合作，深入了解產業需求並取得實際資料，量身打造具有國際競爭水準、且對臺灣助益最大的AI技術，與產業共創價值。並透過專利布局與產業落地實證建立具實用性之技術，再將技術通用化進而複製擴散到更多應用領域。

透過產業AI化的過程，此計畫建立適用於臺灣產業與資料特色之自主AI演算法，並據以推動「AI產業化」，將AI技術移轉給承接廠商，輔導發展國產AI軟硬整合設備與AI資訊軟體，扶植技術承接廠商擴大服務國內業者需求。本計畫以「AI產業化」持續擴大「產業AI化」的良性循環，建立臺灣AI產業生態系，已展現具體成效。

■ 了解產業痛點 核心技術具實用性

在計畫執行過程中，團隊遇到許多難題，所幸在跨領域團隊的集思廣益下，關關難過關關過。例如，在產線資源智慧調配技術方面，團隊執行專案面臨的最大挑戰就是：如何克服不預期的變動條件。生產資料的完備度為產線智慧化的首要條件，多數廠區的生產資料未有效系統化儲存與管理，無法即時解決製程換線頻率增加、機台稼動率降低等問題。經由跨領域團隊合作，結合資料分析與AI技術，克服大量混合型生產資料蒐存取析之複雜性，發展漸進式學習優化的產線資源調配技術。

團隊成員雖然身陷溝通與解決問題的迴圈中，非常辛苦，但團隊秉持每天一點小進步也是智慧的累積，從過程中瞭解產業的特性、痛點與需求，促使核心技術更具實用性。

另在糖尿病眼底病變診斷輔助分析技術方面，由於醫療的高專業性與資料特殊性，使得醫療AI技術的研發過程，從資料取得到醫材查驗登記都荊棘密布，其中資料標註耗時最長，花費約1年半的時間，邀請50多位眼科醫師加入標註行列。

由於疾病標準規範並非使用量化數字而採文字描述，也花費較多的時間與醫師溝通標註共識，配合醫師繁重的臨床看診工作，常會討論到晚上8~9點後才回家，或者在深夜時與醫師線上會議。過程中我們也體會到醫師們對於AI知識的好奇，並從中學習到眼底判讀的知識。

■ 嘉惠業者 打造AI應用示範島

在團隊的努力下，此計畫繳出豐碩成果。於製造領域，與國內PCB檢測設備業者緊密合作，共同蒐集與標記百萬張瑕疵檢測影像資料，研發「多分支深度學習瑕疵檢測技術」，大幅度提高PCB檢測設備產品售價，並已銷售導入於多家PCB領導廠商，可減少一半傳統檢測設備所產生的假瑕疵數量，嘉惠使用檢測設備之製造業者。

於醫療領域，則是成功研發「糖尿病眼底病變診斷輔助分析技術」，技術已移轉給國內眼底鏡業者，輔導發展完成我國第一套AI-DR手持式眼底鏡。於服務領域，研發「文字問答對話虛擬客服技術」，融合深層與淺層不同特性的深度學習網路技術，可提高問答分類準確性，自動回答線上80%客服問題。

此計畫具體展現以AI自主技術推動「產業AI化」與「AI產業化」的成效，未來將持續輔導技術承接廠商發展AI軟硬整合設備與AI資訊軟體，擴大以國產AI解決方案導入更多有需求的廠商，打造臺灣成為AI應用示範島。

■ 成功心法Box

本計畫自主研發製造、醫療、服務等領域的AI技術與應用，執行兩年(FY107~FY108)已技轉55家廠商，簽約金額達1.31億元，衍生產值22.78億元；專利已獲證52件，95件申請中。

【專家推薦】

1.本計畫之技術研發團隊跨工研院與資策會兩大法人共6個單位，執行人數186人。工研院包括：巨量資訊科技中心、機械與機電系統研究所、服務系統科技中心、電子與光電系統研究所，資策會包括：數位轉型研究所、數位服務創新研究所，團隊人員的專業背景涵蓋：資訊、機械、電子、光電、醫療服務等，並曾榮獲R&D 100 Awards等重要獎項，實力堅強。

2.本計畫主要研發製造領域所需的多分支深度學習瑕疵檢測技術、產線資源智慧調配技術、智慧協作製程配方優化技術；醫療領域的糖尿病眼底病變診斷輔助分析技術、乳房攝影病變偵測與辨識技術；以及中文文字問答對話虛擬客服技術等，並將其導入產業應用。計畫規劃與執行階段全程均與領導業者緊密合作，深入了解產業需求並取得實際資料，量身打造具有國際競爭水準、且對臺灣助益最大的AI技術，與產業共創價值。

3.本計畫導入AI機器學習技術，於智慧製造、智慧客服及智慧醫療技術，相關成果對推動產業AI化已有實質貢獻，衍生技轉55家廠商。技術面之產線資源智慧調配技術曾獲2018 R&D 100 Awards，獲國際肯定。並在研發之技術成果已獲證專利52件，另有95件申請中，智財佈局成效良好。而研發所需的多分支深度學習瑕疵檢測技術可加值國產PCB檢測設備，大幅提高設備產品售價，且已有銷售實績。此案簽約金達1.3億元以上，並促成廠商投資近16億元。