跳到主要內容區塊 :::

當年度(108)資料尚未更新

主(協)辦單位 經濟部 

人工智慧技術拔尖與產業領航計畫(1/4)(107年辦理情形)

計畫類別
科技發展
管制級別
政院管制
管考週期
月報

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。

人工智慧技術拔尖與產業領航計畫(1/4)
107年實際執行趨勢圖
 年累計執行進度(%)  年計畫經費達成率(%)

年累計預定進度(A)(%)

年累計實際進度(B)(%)

進度比較(B-A)(百分點)

15.33

15.72

0.39

年計畫經費(C)(千元)

年累計執行數(D)(千元)

年計畫經費達成率(D/C*100%)(%)

33,801.121

9,818.275

29.05

註1、預算達成率=截至目前之累計實際執行預算數/本年度可支用預算數*100%
註2、本頁面圖表配合計畫管制週期進行更新調整,若管制週期為季報或半年報,可能出現部分月份為空白之情形。
註3、部分計畫之推動未編列預算,可能造成累計預算達成率為0的情形。
 

協助我們改善服務