公共政策網路參與平臺

計畫摘要

1070623：人工智慧產業關鍵技術拔尖計畫
1.完成人工智慧製造應用之「製程智慧分析與最佳化技術與應用」程式碼與技術報告、「產線資源智慧調配原型系統」程式碼與測試報告、「自主學習之隨機工件夾取技術」軟體、測試報告與系統明書、「工業視覺技術與應用」軟體程式碼
2.完成人工智慧服務應用之「初級虛擬理財專員系統」、「初級虛擬徵信助理信用評估系統」、「糖尿病視網膜病變偵測」軟體程式碼與「乳房病變情狀輔助辨識」病徵辨識暨分析
3.完成人工智慧問答與對話系統之「目標導向對話系統技術」軟體程式碼、「領域知識半自動關聯建置與管理系統」雛型、「智慧問答虛擬客服系統技術」技術報告與雛型系統
4.完成協作機制與管理與開放創新協作平台1.0版本

1070623：人工智慧技術及應用人才培育計畫
1.推廣人工智慧技術及應用領域相關正規及微課程
2.完善人工智慧技術與應用人才培育計畫推廣網站
3.開發人工智慧開源程式，彙總進行知識庫排名

年度目標

本計畫由經濟部主導，並由教育部共同進行，規劃為「人工智慧產業關鍵技術拔尖計畫」、「人工智慧技術及應用人才培育計畫」二個分項。
1.分項一「人工智慧產業關鍵技術拔尖計畫」: 以台灣產業優勢資料，結合深度學習等技術，研發製造(製程分析、工業機器人、工業視覺等)、金融(虛擬理財專員等)、醫療(糖尿病眼部病變診斷等)、問答(虛擬客服助理等)等應用。
1.1 人工智慧製造應用 : 製程智慧分析技術，建立CVD沉積製程，多重物理耦合品質特性模擬分析準確度達 90% 以上，data-driven品質特性預測模型，預測誤差（MAPE）< =15%，以泛半導體場域資料模擬展示；產線資源智慧調配技術，提升機台稼動率10%，先期以如IC封測場域導入驗證；自主學習工業機器人，隨機工件夾取成功率大於85%，以如金屬加工產業作為驗證場域；工業視覺深度學習瑕疵檢測分類，辨識速度10ms限制下，查全率（recall）99.5%，查準率（precision）達到80%以上之水準，將以如光電面板業作為先期導入驗證場域。
1.2 人工智慧服務應用 : 虛擬理財專員，定期定額投資配置與自動化操作之預期報酬，以風險承受度RR5的客戶為基準，較同期定期定額投資Top 10%全球股票型基金報酬增幅達2成以上，導入金融或金融資訊場域進行驗證；虛擬徵信助理，資料擷取分析市場及風險因子與專家定義之因子比對，以F-measure評估涵蓋率達70%，業態風險因子判別涵蓋一個以上業態；糖尿病眼部病變醫學影像深度學習分類技術靈敏度（sensitivity）與特異度（specificity）達90%，串聯1家糖尿病照護網推動之醫療機構參與眼底檢查服務驗證；乳房病變情狀輔助辨識病徵辨識暨分析達到靈敏度（sensitivity）85%、特異度（specificity）80%、準確度（accuracy）85%以上，結合醫材系統設備開發商進行場域驗證。
1.3 人工智慧問答與對話系統 : 目標導向對話系統技術，意圖偵測準確度達80%以上，格位填充F-measure達80%以上，導入如零售業或資訊服務業者進行場域驗證；領域知識半自動關聯建置與管理系統，可支援於1週內，半自動將企業內部結構化/非結構化資料轉換知識並自動歸納句型，作為知識關聯標籤，關聯判斷準確度85%以上，使用Answer Type知識圖譜檢索方式，關聯對應準確度85%以上，導入如旅遊領域進行場域驗證；智慧問答虛擬客服系統技術，問答配對準確度85%，與資服業者合作，以如金融場域進行驗證。
1.4 人工智慧產學研協作平台 : 完成開放創新協作平台1.0版本，以及6件產業議題上架。
2.分項二「人工智慧技術及應用人才培育計畫」: 從課程、實作、場域學習、競賽等面向投入資源，補助大學校院規劃發展人工智慧教學、實作課程，並善用開源平臺與資料，布建人工智慧產學實務學習環境，以協助大學校院建立人工智慧相關教研能量。

重要執行成果

(一)技術成果

◎ 人工智慧產業關鍵技術拔尖計畫

1.人工智慧製造應用
‧製程智慧分析與最佳化技術與應用
»CVD多重物理耦合品質特性模擬技術：MOCVD u-GaN製程鍍率模擬準確度可以達90.3%；PECVD製程鍍率模擬準確度可達90%以上。
»CVD data-driven品質特性預測模型：研發Confidence-weighted Transfer learning技術(AI-enhanced Simulator)，MOCVD u-GaN on Sapphire的鍍率預測，預測誤差達MAPE = 9.15%；PECVD Process的6個品質特性(鍍率、膜厚、穿透率等)，有4個品質指標預測誤差MAPE<0.7%，預測平均預測百分比誤差MAPE = 4.24%。
‧產線資源智慧調配技術與應用
»以面板場域資料進行技術驗證，可提升機台稼動產能13%。
‧工業機器人自主學習技術與應用
»開發自主學習隨機工件夾取技術，能夠自主學習夾取隨機擺放單一姿態的物體，並已在實體環境下驗證，其夾取成功率達90%以上。
‧工業視覺技術與應用
»工業最佳化深層學習分類技術：將技術實際應用於79萬PCB dataset中，可自動調整辨識模型的閥值(threshold)，即可達到查全率為99.56%之狀況下，查準率為80.56%之辨識水準，且速度可達到每張8.81ms。
»主動式學習之高可靠標記資料篩選技術： 於PCB之應用案例中，利用Least-Confidence Selection(LC)選擇訓練資料，選擇27萬多張訓練影像時，則可達到接近64萬張訓練影像之水準，已可減少一半以上之訓練資料。

2.人工智慧服務應用
‧智慧金融技術與應用-虛擬理財專員
»以深度增強式學習結合領域知識投資策略，建立Reinforcement-based agent，進行單一投資標的定期定額投資決策。此技術以Dueling DQN模型為基礎，整合投資風險因子分析技術中的市場投資方向預測，市場波動度預測，與投資標的技術指標特徵，調整網路架構，訓練決策模型(續扣、停扣、贖回)。在全球股票市場由潛力基金模組挑選之基金結合本技術操作，相較同期定期定額投資Top 10%全球股票型基金之報酬增幅在70.18% - 207.23%。
‧智慧金融技術與應用-虛擬徵信助理
»針對餐飲業之信評特徵以開發因子擷取技術，並已萃取出重要之因子，與專家所評估之風險因子比對F-measure達78.8%。
»涵蓋的業態為餐飲業並透過Attention GRU NN架構違約時序模型已達到92%的判別準確率。
‧智慧醫療與健康管理技術與應用-糖尿病眼部病變早篩
»病病變嚴重程度分級：二分類採用Kaggle資料集81,175張所建構的模型，靈敏度/特異度為91.57% / 91.79%。
»微血管瘤病徵判讀結果(Accuracy, Sensitivity, Specificity)為(85.06%, 82.11%, 85.14%)、出血為(86.46%, 89.97%, 86.29%)、滲出物之硬滲漏為(85.69%, 84.34%, 85.87%)、滲出物之軟滲漏為(85.04%, 81.15%, 85.02%) 。
‧智慧醫療與健康管理技術與應用-乳房病變先期防治
»以國內病歷資料進行病徵辨識暨分析，乳房病變腫塊病徵偵測暨辨識靈敏度86%、特異度85.1%、準確度85.48%；乳房病變鈣化病徵偵測暨辨識靈敏度86.72%、特異度85.29%、準確度90.84%；結構變形病徵偵測暨辨識靈敏度90%、特異度84.97%、準確度85.28%；不對稱病徵偵測暨辨識靈敏度86%、特異度84%、準確度85%

3.人工智慧問答與對話系統
‧目標導向對話系統技術
»以電信業中文對話9,326句語料，篩選與標記4,293句，對話任務包含Intent 11個及Slot 32個完整模型訓練及參數優化調整，測試結果意圖偵測準確度(accuracy)達87.65%，格位填充F-measure達91.25%。突破傳統直接使用斷詞結果作為輸入未考慮語意關聯的問題。
‧領域知識建置與管理
»以1000個商品的公司為例(如全家)，大約5天可做出商品基本屬性問答bot。
»使用LSTM將半結構化資料之節點與關聯進行標記與建模，自動判斷準確度達85%。非結構化資料部分，則可支援9種資料關聯，節點自動判斷準確度平均達90%以上。而關聯判斷準確度約為80%。
‧智慧問答虛擬客服系統技術
»以電商領域資料驗證，研發基於深度學習方法之問答配對技術以提升問答配對正確率，目前問句意圖技術準確度可85.73%。

4.人工智慧產學研協作平台
‧完成1.0版本開放創新協作平台開發(含beta版本功能、半自動化資料清理與特徵生成框架功能)。
‧今年度總計已完成14個產業案例上架(包括8個產業議題、3個教育部競賽、3個教學專題)，其中已完成6個議題解題。
‧參與會員人數超過1,000人。

◎人工智慧技術及應用人才培育計畫
1.已完成人工智慧課程地圖1份，並已於107年5月公布AI課程地圖，供各部會、學校及產業AI人才培育推動之參考運用，經濟部及科技部等相關部會均已採用。本AI 課程地圖含括AI 技術及重點應用的學習路徑，係為動態設計，地圖上各課程（模組）均可點選，連結到國內及國外mooc 平臺等線上課程，以供學習者點閱學習。為引導大專校院規劃人工智慧相關課程，針對特定主題領域及應用產業，發展創新示範之教學方法，提供學習資源整合及實務情境演練等應用，並規劃出合適的學習歷程，已依據此份人工智慧課程地圖，補助21校辦理24項「人工智慧技術與應用領域系列課程計畫」。
2.考量人工智慧課程與其所使用的資料、語系及案例均有關聯，為我國學子較易吸收瞭解，已核定國立清華大學等校辦理「電腦視覺的深度學習」、「人工智慧與代理」等5門人工智慧磨課師系列課程發展計畫，邀集跨校師資從基礎到應用，以適合我國產業發展之所需之技術與應用為重點特色，發展磨課師系列課程，5門課程規劃皆完成，已陸續錄製並開設。
3.於107年9月29日起至107年12月辦理5場AI科普系列講座及AI嘉年華活動，推廣AI科普教育，包含現場及透過網路直播共計922位師生及民眾參與AI科普系列講座，342位師生及民眾參與AI嘉年華活動。
4.107年度透過相關課程及競賽培育跨領域人才，各校開設AI相關課程共計1,558修課人次。
5.為培養學生應用AI技術解決實務問題或創新應用之實踐力，辦理全國大專校院人工智慧競賽熱身賽(生醫論文自動分析競賽)，共569位學生報名
6.有關中小學AI教育推動，已核定中華大學、國立臺灣科技大學、國立成功大學等校結合大專及中小學教師能量共同發展AI中小學課程發展示範例。

(二)技術成果運用

‧與國內1家面板廠商簽訂PoC案：與廠商訂好排程所需的資料表schema和sample data，目前陸續據此建構oracle資料庫與撰寫存取API，讓資料可以進入排程engine。
‧技轉國內1家半導體封裝業者，應用系統性整合分析製程各站點耗時資訊，自動識別潛在低效與瓶頸站：整合MES/QA/WIS等7個生產資料庫、人機料工時間缺陷等逾80個因子，應用「多源資料關聯與管理」、「多因子層別分析」，快速聚焦異常生產組合，加速生產條件成效解讀時間百倍以上、減省無效人力耗時32.4%。
‧技轉國內1家半導體業者，針對半導體PMI機台研發瑕疵分類器，分別處理黑白影像機台及彩色影像機台之瑕疵分類問題：提供新版本之inference module給廠商，包含PMI TEL機台支援、UF3000EX機台模型更新及AVI模型更新等。
‧技轉國內1家半導體業者，進行瑕疵分類技術開發：將技術產導入產線實測，於數十種產品進行驗測，整體錯誤率皆小於10%，增加DMM導入晶圓製造落地之可行性。
‧技轉國內1家半導體封測業者，進行機台稼動率不佳之合作：分析高效穩定的測試設備組合，確保測試設備的穩定性，減少重測時間，並產出每顆晶圓測試分析圖，輔助測試人員判斷問題根源，加速測試時程3.2%。
‧技轉國內1家半導體測試業者，進行瑕疵種類自動識別應用技術合作：持續收集資料及訓練模型以改善辨識正確率。
‧技轉服務業者進行智慧金融技術與應用合作：業者已於107年12月12日上線人工智慧深度學習理財機器人服務，將於108年1月擴大服務對象至一般民眾。
‧技轉國內1家資訊服務業者，提供業者對話訓練系統環境，進行語料標記教育訓練，協助業者打造領域應用諮詢服務：業者進行對話訓練系統環境測試中。
‧交通運輸業者「內湖區-載客熱點預測」議題上架：於107年12月12日進行結案報告，並於12月14日進行媒合會議。。
‧國內大學「地層透水性參數分析」議題上架：於107年12月14日進行結案報告與媒合會議。
‧石化業者「排煙脫硫警示預測」議題上架：於107年12月12日進行結案報告，並安排後續媒合會議。
‧地方政府「長期安置機構類別預測」議題上架：68次下載資料，171次上傳結果。
‧國內資通訊業者「維修元件備料預測」議題上架：79次下載資料，177次上傳結果。
‧目前除本部人工智慧相關計畫已積極運用本課程地圖及平臺外，經濟部工業局AI智慧應用人才培育計畫、科技部補助國家高速網路與計算中心執行之AI產業訓練課程均已採用，已為未來有效、成功地從校園擴散至產業踏出成功的第一步。

(三)業務推廣

‧與國內1家金屬加工業者針對RBP(Random Bin Picking)需求與應用情境討論：完成場域布建，進行場域實測。
‧與國內1家自動化設備業者進行工業機器人自主學習技術合作洽談：完成示範站點RBP情境與環境場勘，待機械手臂Ready即開始建置站點。
‧與國內1家自動化設備業者進行瑕疵偵測分類合作洽談：取得客戶瑕疵影像資料，進行技術驗證。
‧與國內1家半導體設備業者進行模擬軟體合作洽談：協助業者建立預MOCVD磊晶輔助模擬軟體，正進行用印流程。
‧與國內1家半導體業者進行PECVD品質特性預測建模技術合作洽談：取得量產產品實際製程資料，進行技術驗證。
‧與國內1家半導體封測業者進行打線製程品質特性預測技術洽談：取得封裝打線資料，進行技術驗證。
‧與國內1家化工業者進行製程品質預測模組開發：提出技術方案及報價。
‧協助國內1家特殊合金製造商申請工業局主題式研發計畫「智慧機械_產業聚落供應鏈數位串流暨AI應用」跨製程品質優化。
‧與國內1家光電面板業者進行面板瑕疵分類合作洽談：取得客戶瑕疵影像資料並完成技術驗證，合約洽談中。
‧國內1家AVI/VRS檢測設備業者進行主動學習、Labeling Quality Assurance(LQA)及多瑕疵分類合作洽談：延續先期合作，擬定第二期合作內容。
‧與國內1家金融解決方案業者進行中小企業微顧問診斷服務：進行顧問流程的萃取，協助業者提報計畫以及規劃系統應用，正在確認合作模式和規模。
‧與國內1家金融業者進行去識別化資料合作洽談：擬與業者進行模型合作。
‧與國內1家金融業者進行商戶信用簽信單額度評估合作：持續與業者討論商戶信用簽單額度評估之合作內容。
‧與國內1家醫療資訊系統(PASS)業者進行糖尿病眼部影像診斷輔助分析技術合作洽談：與業者討論商業營運模式，以確認後續可能的合作項目。
‧與國內1家醫療資訊系統(PASS)業者進行AI乳房虛擬助理合作洽談：向董事長進行技術說明，並取得同意，後續將與業者進行細節之討論。
‧與國內1家金融業者進行洽談：持續進行PoC，於12/27提供offline PoC結果給業者，預計於108年1月2日開始進行Online Testing。
‧與國內1家數位內容業者洽談商品知識建置合作：確認付款金額與交付項目規格。
‧與國內1家資訊軟體服務業者進行對話知識產製部份洽談：現階段對於文字虛擬客服技術較有興趣，尚在評估與現有營運系統串接的問題。
‧與電子商務業者進行商品知識建置之小規模PoC與資料蒐集：完成PoC驗證，並取得服務調整建議。
‧與國內1家醫院進行孕婦健康諮詢VCA洽談：完成合約討論，預計108年1月簽約。已完成KB資料維度的訂定，並開始進行雛形試作，預計108年1月底可以提供一版。雙方並規劃以醫療院所進行驗證。
‧與國內1家金融業者洽談智慧保險諮詢對話服務合作：提供智慧諮詢保險理賠服務，已進行合約用印。
‧與國內1家資訊服務業者進行銀髮照護對話諮詢服務：因廠商需求異動，將改採工服方式合作，合約內容討論中。
‧與國內1家資訊服務業者進行銀髮照護諮詢服務：進行合作洽談，以Line(對話諮詢)搭配VEA(虛擬員工助理)，提供銀髮照護諮詢服務。
‧與製造業者進行不鏽鋼價格走向預測之合作洽談：進行合約條款討論。
‧與教育部合作2018人工智慧競賽：在初階、進階、高階已分別有287、62、68組隊，並已開放訓練資料下載等功能。
‧與公家單位進行積水容器影像辨識之合作洽談：試跑Baseline狀況非常好，僅安全帽無法辨識，將以約5:1:1方式分層抽樣平均切成三個資料集：訓練集、驗證集、測試集。
‧與石化業者洽談平台合作：完成合約用印，現有題目Baseline測試狀況不佳，將跟客戶建議換題目上架。
‧與地方政府進行資料加值應用之合作洽談：完成資料蒐集，計三天約三萬人影像及對應的手機位置。
‧目前除教育部人工智慧相關計畫已積極運用本課程地圖及平臺外，經濟部工業局AI智慧應用人才培育計畫、科技部補助國家高速網路與計算中心執行之AI產業訓練課程均已採用，已為未來有效、成功地從校園擴散至產業踏出成功的第一步。

(四)重要活動

‧107年11月29日~107年12月2日參加台灣醫療展，展示糖尿病眼部病變早篩服務。
‧107年12月14日主辦AIdea人工智慧共創平台頒獎及技術交流會，藉由頒獎活動鼓勵會員踴躍參加解題，並透過交流活動凝聚AIdea平台會員的向心力。
‧107年9月29日起至107年12月辦理5場AI科普系列講座及AI嘉年華活動，推廣AI科普教育，包含現場及透過網路直播共計922位師生及民眾參與AI科普系列講座，342位師生及民眾參與AI嘉年華活動。