跳到主要內容

智慧轉型從出題開始

經由 hcliao 發表 ‧ 12 天前

其他

文、圖:廖憲正 @ 2019.06.03

在臺南市嘉南平原東部的山麓地帶有一座西拉雅國家風景區,名稱源自於昔日生活於此區的臺灣原住民西拉雅族。風景區內有著名的關子嶺、烏山頭水庫、曾文水庫等知名景點。在褚士瑩所著的「在西拉雅呼喊全世界:褚士瑩發現台灣之旅」中提及了許多居住在西拉雅這塊土地上人們的故事,包括堅持不灑農藥的有機小農、退休才返鄉種植咖啡豆的中年男子、特殊的窯文化...等等。

柴燒龍眼乾是其中一個書中提及即將失傳的手藝,書中提到了「烘焙最重要的是火候的控制,...每兩個小時要上來焙灶寮「巡火」、添柴火一次,以免焙灶溫度不平均,影響烘焙的品質。」對於如何控制焙灶的溫度,書中提到「因為炭火的焙灶,不像機器可以控制溫度,所以完全要憑老師傅手的細微觸覺跟多年來的經驗,來判斷窯裡龍眼的溫度是太冷還是太熱。」而在翻焙次數上則是「至於龍眼乾烘焙完成以前,到底需要翻焙幾次並不一定,全視果農以手攪動龍眼乾碰撞時發出的聲音或是取樣剝開龍眼乾視吃來決定。」

難以保存的內隱知識

因為烘製龍眼乾的工作實在太辛苦,幾乎每一個窯主都說自己將是最後一代,而那些老師傅的經驗實在太難歸納並以文字描述,因此都將面臨失傳的命運。然而,在這資料驅動的時代,這些累積的經驗與知識所內化成的直覺式行為或判斷,便是難以用文字或媒體記錄下來的內隱知識(Tacit Knowledge),相較於實際可說出或寫下來的外顯知識(Explicit Knowledge),即是非常適合使用人工智慧技術進行保存的知識內容。

圖一、內隱知識與機器學習模型關係圖

如圖一所示,我們透過五感(視覺、嗅覺、聽覺、味覺、觸覺)資訊來決定行動以及感知行動後的結果,隨著時間的累積,在特定五感資訊下進行行動會得到何種預期的結果將轉化為我們的內隱知識。而這樣的決策流程:五感資訊(輸入)→內隱知識→行動(輸出),便是非常典型的資料驅動系統。也就是說基本上我們本身就是透過大量資料(從出生開始)來學習如何與外界互動的一個系統,透過感知的五感資訊,經由內隱知識的推論,便會產生相對應的行動。

輸入輸出數位化:以PCB成品瑕疵檢測為例

為了將難以用文字或媒體記錄下來的內隱知識以機器學習方法建立模型保存下來,我們就需先將輸入(五感資訊)以及輸出(行動)轉換為數位資訊。以柴燒龍眼乾這個例子來說,控制焙灶的溫度是由老師傅手的細微觸覺來感覺是否需要添加柴火,在這裡手的細微觸覺也就是去感受灶的溫度,我們便可在窯的特定區域(老師傅感受溫度的地方)安裝溫度感測器(輸入數位化),連續地紀錄窯的溫度變化,並且在老師傅判斷需要添加柴火時,在溫度資料上進行標註(輸出數位化)。如此一來,我們便有了數位的輸入(連續的溫度數值)以及數位的輸出(溫度資料上的標註),接著就可以使用決策樹或是遞迴神經網路來建立根據窯的溫度來判斷是否添加柴火的模型。

表一、人工智慧出題操作表

為了讓上述內隱知識轉化為機器學習模型的過程易於操作,我特別設計了一張表格方便大家針對自身的問題進行剖析。如表一所示,第一列先將想要利用人工智慧技術來解決的問題中,人類是用何種感官訊號(輸入)做出何種行動(輸出)寫下來。如表二中提及傳統的PCB製造產線是以人眼檢查PCB成品是否存有缺陷,發現有缺陷便將該成品歸為不良品,而我們希望檢查的員工至少在100片有缺陷的成品中要檢查出95片。在第一列便可寫下是透過視覺(輸入)來檢出不良品(輸出),召回率要大於95%。

表二、「目檢PCB板來找出不良成品以降低廢料損失」人工智慧出題操作表

接著就可將人類的感知(輸入)轉換為數位化的輸入,在這個例子中,人是使用視覺來做為輸入,我們便可採用攝影機來取得同樣的PCB影像,只是這時的PCB影像成為了數位化的資料型態,而非在大腦視覺區上的電脈衝訊號。而在輸出上,我們希望最後的人工智慧系統可以偵測出不良品的影像,就像人一樣,希望在100片有缺陷的成品中至少要檢查出95片,因此,我們需求的人工智慧系統在輸出規格上,便為檢測出不良品影像召回率大於95%。所以在PCB不良品檢測這個例子上,我們的題目可為:使用PCB影像,偵測出不良品,達到召回率>95%。

界定內隱知識的範圍:以語音互動機器人為例

我們再以另一個語音互動機器人的例子來說明,假設有一餐廳希望開發一語音互動機器人置於餐廳門口用做招攬客人之用,餐廳期望使用這機器人後,可以增加30%的過路人成為餐廳消費者。然而,這樣的命題:「開發一語音機器人,增加30%過路人成為消費者」,裡面無法看出人工智慧技術是要學習何種的內隱知識。因此,我們就必須要繼續針對「增加過路客成為餐廳消費者,人是透過何種方式來達到目標」進行分析。

假想一位非常有經驗的店員,她/他熟知不同客人類型與飲食喜好的相關性,她/他通常會藉由觀察來對客人做初步分類,如單身、家庭、情侶等類型;再透過對話來找出客人對飲食口味的喜好,如飯、麵、吃不吃辣等喜好,在獲得這些客人喜好後,便可推薦餐廳相對應的餐點,吸引客人消費。因此,如上所述,如果我們希望開發一語音機器人可以達到增加過路客成為餐廳消費者這個目的,這個語音機器人就需要有兩種功能使得它可以做的像經驗豐富的店員:1. 透過觀察將客人分類,2. 透過對談得知客人對於飲食的喜好。因此,我們可以在表中第一列中填入人的輸入與輸出,如表三所示。

表三、「餐廳語音互動機器人」人工智慧出題操作表

而在第二列則寫下與人類感知相對應的數位化輸入,再將期望的系統輸出列出。因此我們可以看出想要開發這樣的語音機器人,實際上至少需要具備有兩項人工智慧功能,一是用視覺來判斷客人類型,二是透過問答來得知客人飲食喜好。所以我們在這個項目下,就有兩個人工智慧命題:1. 透過攝影機影像,辨識客人類型,正確率>90%。2. 透過語音問答系統辨識客人飲食喜好,正確率>90%。

最後我們再來看一下本文開頭所提到的柴燒龍眼乾工作,如果我們要以人工智慧技術來協助完成柴燒龍眼乾工作,便可為如表四所述的人工智慧命題。

表四、「柴燒龍眼乾」人工智慧出題操作表

出題即是解題

經濟部工業局在「AI智慧應用新世代人才培育計畫」中特別徵集產業AI題目,並邀請全國AI團隊來為產業解題。為了讓產業可以更加清楚現今人工智慧技術應如何應用於自身問題上,特別開設「出題工作坊」,希望可以協助台灣廠商加速理解與導入人工智慧技術,並將自身問題轉化為一個可以利用目前人工智慧技術解決的範疇內。俗話說:「問對問題便已解決了一半」。所以此次的「產業出題」雖名為出題,其實在出題的當下,就已經開始用人工智慧的思維來嘗試解決問題了。

出處:https://sites.google.com/site/hsienchengliao/artificial-intelligence/智慧轉型從出題開始?authuser=0

經由 laisan86 評論 ‧ 11 天前

其實關於烘製龍眼的問題,與我目前透過固定式感測裝置,架設在坪林收集農業地理資訊的道理差不多!烘製龍眼的師傅們,看來與茶廠的農民們一樣,對於如何量化需求上不太明白,但問題又出在感測裝置能夠感測的項目其實並非能夠包含人類的五感,可是從現實面來說,透過GAN的方式,讓老農們訓練偵探的部分,在由偵探不斷訓練仿造者的方式,是有可能可以趨近

回覆

需登入才能回答問題