據國外金融業者統計, 導入具有機器學習能力的反洗錢系統,在交易監控的作業成本、人力與時間上,最高可降低70%~90%警示量 。 根據 SAS 協助日本三井住友銀行,導入人工智慧反洗錢系統的經驗,林詩敏指出 AI 在監控詐欺上主要帶來的三大效益:「快、廣、準」。AI 能支應高運算量,自動找出風險高的交易,以更低的成本提高偵測效率,達成「快」制惡;在「廣度」部份,正所謂道高一尺魔高一丈,犯罪份子的洗錢方式不斷在改變,而透過 AI 不斷自主學習,還可能發現未知高風險的洗錢行為,有效擴大偵測範圍。最後因為機器智能為整理系統增加「精準度」,降低誤判率,讓企業能真正迎合法遵要求,降低名譽損失。
科技部次長謝達斌指出,這種手術方式重建出來的顏面骨,與一般正常顏面骨的形狀不完全相同,導致患者術後經常有社會適應的問題,如今透過 3D 列印技術的應用,使用經過美國食品藥品監督管理局 FDA 認證之生物相容性骨骼填充物、病患自體生長因子與生物膠體作為列印材料,就能直接列印出病患自己下顎骨輪廓的 1:1 下顎替代骨。這不僅是醫療產業的重大革新,更是口腔癌患者的福音,能夠維持病患術後的生活品質。
由於「生物 3D 列印骨骼重建系統」所使用的列印材料中,生物膠體必須在 5~10℃才能維持液態,而生長因子卻必須在 37℃才能維持活性,為了克服這兩種材料在貯存溫度上的差異,國研院儀科中心特別發展出「兩段式智慧溫控系統」。
國研院院長王永和進一步說明,智慧溫控系統可以自由調配溫度,用低溫保存生物膠體並嚴控制管路溫度以維持其流動性,同時將 3D 列印成型區控制在 37℃,以列印出維持生物活性之人工替代骨。此外,「生物 3D 列印骨骼重建系統」還搭配機台狀態與模型製作的遠端即時監控系統,讓醫師能夠隨時確認模型製作進度,藉此評估與掌控手術時程。
儀科中心副研究員蔡心怡強調,對口腔癌患者而言,使用「生物 3D 列印骨骼重建系統」進行顏面骨重建,主要有兩大效益:第一、省去開刀取出小腿/手臂的腓骨或橈骨的過程,不但能縮短一半的手術時間,也減少傷口數量及肢體復原時間。第二、可以根據病患下顎骨缺損處量身打造,製作出完全符合缺損處形狀的人工替代骨。對此,雙和醫院牙科部主任黃茂栓也頗有同感,他認為,3D 技術可以比較精準地模擬骨骼角度,讓重建出來的顱/顏面骨骼與原本沒有太大差別,維持顏面外型不變。
目前「生物 3D 列印骨骼重建系統」已完成工程驗證,更成功地推廣至東南亞,三鼎生技董事長歐耿良表示,希望能藉此機會將台灣生技醫療產業帶到國際市場,至於在台灣,未來將與臺北醫學大學附設醫院合作進行後續臨床試驗,預期將能廣泛應用於各種骨骼移植手術,造福口腔癌及其他骨骼病患。
我們認為一個創業者的 lifetime 也不會只有創立一家新創公司,他會創 2、3、4,甚至 5 家、10 家公司。我們希望幫助他在早期的時候學習到更多關於創業的精髓,幫助整個人生創業的 career 更成功,創造更大的 impact。所以不管是對跟創業者之間的關係,或是對人生 long term 的想像,我覺得是比 YC 還更極端的。
台灣過去在 PC 或是手機的時代比較容易能夠產生區域級或是國際級的成功故事,是因為以前 PC 跟手機的標準規格是比較固定的,所以以前只要做出符合規格的硬體就有機會可以賣給下游的廠商,對於台灣人來講,那個時代要去做全球市場的公司是稍微比較容易的。我只要能在那個零組件裡面做到數一數二好的就可以賣給全世界
現在進到 mobile internet(編按:台灣譯為行動互聯網),或是 AI 跟 Blockchain 時代,是沒有固定規格的。必須要做某種 service 吸引消費者來用,或是要達到某種 SaaS(編按:台灣譯為軟體即服務)要可以賣給很多中小企業,達到某種規模經濟。這是另外一種 DNA ,所以台灣過去在硬體時代練就的「針對某一個既定的標準做出產品」的 DNA ,到現在 mobile internet、AI 跟 Blockchain 時代不適用,所以台灣正在重新學習這個 DNA。
但以前在做零組件的時候不用創新,只要做一樣的規格就好,所以以前的創新比較是「製造方式的創新」,也就是所謂的 process innnovation(編按:譯為流程創新),意思就是要做到同樣的 spec 要怎樣透過某種技術跟方法,達到比較低的成本、比較高的效率、比較高的 throughput(編按:台灣譯為產出,意指一個系統如機器、工作中心、工廠、工廠群在單位時間內的投入產出量,即流過系統的量)去做到。但是在現在要做的 mobile internet、AI 跟 Blockchain 是 product innovation(編按:產品創新),甚至是 platform innovation(編按:平台創新)。
戴:那美國 AppWorks(編按:戴在此意思是 Y Combinator)的創辦人 Paul Graham 曾經聊過一地要培育新創,當地的人口與城市必須要備有相當的條件,並不是說任何一個城市或是產業脈絡都一定可以發展出適合培育新創服務的生態圈,你認同這個觀點嗎?假設是的話,你認為台灣哪個城市或是哪個區域比較接近這個條件?
林:PCHome 沒有足夠的子彈跟蝦皮對打,最核心因素是因為他是一個 local 公司。公司要有很高的市值,投資人要看的不是現在的營收與獲利,是在看未來所能產生的獲利折現,所以如果說 PCHome 是一個台灣的成功故事,大家就會想台灣的屋頂在那裡,用這個屋頂把它折現回來後,他給你估值就會這麼高,募資時就做不多。
PCHome 在資本市場上無法用很便宜的資金成本募得很大的資金,是因為自己就是一個 local 公司。想要解決這個問題,他們必須要變成一個 Regional(編按:意指區域型)的公司。他的屋頂要放大十倍一百倍,折現回來的市值就會是五倍十倍,能募到的資金就會多。這個問題的核心是這樣。
「台灣下一個三十年必須要扮演大東南亞的一員,讓國際把大東南亞的研發總部設在台灣。」
戴:你是因為基於同樣的理由開始要讓 AppWorks 在印尼拓展第一個海外分店嗎?
林:這是一個理由。最大的理由是我覺得台灣下一個三十年必須要扮演大東南亞的一員。三十年前我們看到中國改革開放崛起,那時候我們跟中國政治上互相矛盾,但是台灣跟國際喊出大中華地區的概念。大中華地區沒有簽任何協議的,但是我們喊出想像的共同體。歐美公司看到這個,覺得 make sense 、認同這個理念就來台灣設立公司,然後輻射整個中國市場,台灣就在過去三十年中國改革開放的紅利當中得到很多好處,我們協助中國成長。
林:其實我覺得台灣如果要講整個科技生態圈,應該要擴展到新竹。這是過去四十年科技發展的主力生態系。去量距離與人口數,基本上就跟矽谷 San Jose 到舊金山距離差不多 。當然大雅加達的人口多很多,但一個科技生態系發展不一定要 3 千萬人都在科技業上班,去看 San Jose 可能是數十萬人在科技業上班,其他人提供生態系的其他服務。
我們觀察年輕創業者會從生活找靈感,所以他們第一個想要做 app,但我們覺得要提醒大家「市場要飽和了」這件事情。剛好現在有兩個巨型的在創業 paradigm shift(編按:創業裡說的『典範轉移』)要來了,就是 AI 與 Blcokchain。我們為了在這個時間點提醒年輕人:「mobile internet 的紅利期要過了」,我們才會喊出來說只收 AI 與 Blcokchain 團隊,那樣大家就會自然而然去討論這件事情,大家的注意就會被喚醒。
除了數據顯示,產線上的攝影鏡頭也是監測生產狀況的工具之一,可以設定異常狀況預警。如果產線狀況異常,管理者甚至可以用同一個 app 即時 call out 產線工作人員,撥打產線的分機編號就可以即時對話、排解狀況。最有趣的是這個 call out 的設計真的是有一個電話鍵盤按鍵,按下去還會有很傳統的撥號音。
此外,車王電在自動化的升級應用上也很多元,例如「智慧U產線」,利用精實生產概念,操控機器手臂加速生產效率。機器手臂也可透過 app 遠端操控狀況,即時調整生產狀況。某一些設備甚至可以進步到預測維修,透過 AI 預測耗材壽命預測。
去年 Google 因為 AlphaGo 而在 AI 人工智慧新聞市佔率獨領風騷,但有更多人在新聞熱潮褪去後,疑惑的提出一個問題:我們擁有一個很會下圍棋的機器人,然後呢?他/她可以為人類社會帶來什麼影響?除了在純技術領域跨越過去難以解決的難題外,沒有人能夠更好的定位 AlphaGo 的社會應用面價值。而在贏了人類圍棋高手之後沒多久,AlphaGo 也很快以獨孤求敗之姿宣告引退。
對於 Facebook、Google 這樣高度面對 C 端用戶的企業來講,資料隱私的保護變成企業經營挑戰的重要關卡。Facebook CEO 祖克伯、Google CEO Sundar Pichai 無可避免必須在美國國會山莊回應議員最關切的議題:「你們的企業如何處理並保護用戶資料?」尤其,在 AI 加速發展的趨勢下,更多的資料會被餵進企業做分析,代表新的數位倫理與安全挑戰應運而生。
IBM 提出新概念,企業必須要對用戶資料保護盡責
國際科技龍頭 IBM 是一間超過百年歷史的企業,服務的客戶遍佈世界上各式各樣行業。透過這樣的合作網路,IBM 與其客戶生態圈每日所處理、累積的資料量驚人。在最前線見證到科技發展隨之衍生的社會與各種治理衝突,IBM 針對新的數位治理提出「Data Responsibility」(資料責任)的概念,並以此作為與公部門與客戶生態圈合作的重要準則。
資料責任其中的關鍵之一,也是被政策和學術界廣泛所討論的,就是演算法和資訊架構的透明度。隨著人工智慧應用與發展越發成熟,使用者的相關個資有更高的機率遭到濫用。因此,在利用 AI 之前,先確保資料獲得授權與應用過程的透明度變更顯得重要。
IBM 政府及法規部門科技策略副總裁 Tim Sheehy 認為現在的挑戰在於,早期的 AI 或電腦資訊系統,其架構相對單純,要進行追溯或檢視也較為容易,隨著 AI 近年有爆發性的進展,問題就變得更複雜,例如更深層的架構如神經網路學習等環境,算法怎麼運作,資料有被正確、妥善處理嗎?
IBM 許多客戶都是受到高度監管的銀行、保險,運輸行業;而這些行業對政府負有法規遵循的義務,一旦這些行業採用 AI 系統來輔助商業運作,就必須讓演算法或系統架構能夠被了解,因為政府有一天會說:「為了保障消費者權益,請你告訴我系統怎麼運作的。」政府的立場是企業在揭露系統架構時,不必揭露智財權機密、也不必提供程式碼,要讓獨立的第三方機構了解系統如何運作,才能判定這些架構是否合理,公平且值得被信任。