在邁向智慧社會與各產業數位轉型的過程中，人工智慧與物聯網（AIoT）是整體基礎建設中的關鍵技術。臺灣產業與學界對AIoT已有相當著墨，熱門領域有其充沛的研究能量， 但也仍有許多問題及需求待科研人士提供解決方案。有著豐富產學經驗的國立陽明交通大學資訊學院副院長陳添福教授直指，在各個產業都已積極實現不同的AI應用並創造出新價值，包括在電腦視覺、AI建模到AI部署的研究成果，並可以從AI晶片業者角度看臺灣產業在AI發展潛力，以及探討資料治理與資安防護等議題。
&nbsp;
[data-component=gallery]
&nbsp;
<h2>電腦視覺為基礎 多元感測器、人臉辨識各種研究應用多</h2>
從IoT裝置搜集各種資料後，經過資料清理、彙整、萃取、純化、建模與訓練，最後進行優化並部署，這就是AI資料處理流程，其中需要花最多力氣的就是資料搜集。科技部人工智慧普適研究中心主任曾煜棋教授指出，中心有許多團隊在智慧農業、製造、居家照護、運輸等方面有不少研究成果。以智慧農業來說，由於對臺灣常見高價經濟作物都已搜集大量資料並建立模型，目前透過無人機空拍輔以電腦視覺技術，可精準預測產量，並納入天氣、雨量等因素預測，能有效解決農作物生產過剩等問題。而智慧交通的部分，則是透過無人車或安裝在路口的攝影機，可拍攝路面的車流或破損情形進行路況監控分析。
&nbsp;
&nbsp;
<blockquote>
電腦視覺技術儘管已成熟，但與各種不同的感測器或攝影機結合，並透過資料融合技術就能使分析更精準。
&nbsp;
國立陽明交通大學人工智慧普適研究中心主任曾煜棋教授
</blockquote>
&nbsp;
&nbsp;
曾煜棋教授表示，電腦視覺技術儘管已成熟，但與各種不同的感測器或攝影機結合，並透過資料融合技術就能使分析更精準。例如智慧交通使用電腦視覺加上雷達資料，智慧農業更使用各種環境感測器蒐集農務資料。未來透過開發更精準的新型感測器，搭配AI演算法，可以做更準確的預測。而目前在智慧製造方面，許多企業在品管瑕疵檢測流程導入AI應用，但普遍遇到的問題是瑕疵品數量不多，或瑕疵情形種類多但樣本數少，因此用少量的樣本資料來訓練模型並維持精準度是目前熱門研究課題。此外，曾煜棋教授也指出，讓AI模型做動態自我調適也是重要課題，例如在城市運行順暢的無人車駕駛模型換到鄉村上路，可能又需要經過重新訓練，因其感知環境與原模型已不適用，必須透過方法重新訓練機器做新的學習。
&nbsp;
科技部 人工智慧製造系統研究中心計畫主持人，現借調臺灣微軟AI研究中心首席研究總監、清華大學資工系教授賴尚宏，專研瑕疵檢測、人臉辨識、表情辨識等研究領域，並且在圖像風格轉換（domain adaptation）上有不錯研究成果，只要用白天有標記的圖片資料，透過風格轉換技術就能轉成相同場景的夜晚標記資料，大幅減少需要搜集的資料樣本數；使用此技術也能將晴天的圖片轉換成下雨天或下雪天的圖片資料，可應用在智慧交通或智慧城市領域。
&nbsp;
目前賴尚宏教授在微軟所領導的團隊則以人臉辨識為主，Windows 10的生物辨識登入技術—Windows Hello就是由賴教授團隊所負責研發。賴尚宏教授指出臉部辨識技術的研究已有近50年的歷史，目前市面上解決方案也很多，臉部辨識必須考量到不同光源、角度、髮型、是否戴眼鏡等都會影響辨識精準度 ，其防偽( Anti-Spoofing)能力是否易被照片、面具等方式破解，則是最關鍵的技術。防偽能力是近10年才開始研發的技術，仍有許多研究課題。賴尚宏教授團隊則是透過深度學習及大數據資料庫，取得不錯的精準度及防偽能力，而達到相當的研究成果。未來Windows Hello除了應用在筆電登入認證外，也預計拓展到手機登入及門禁管制等智慧城市和智慧移動的應用場域。
&nbsp;
清華大學資工系講座教授林永隆執行科技部半導體射月計畫的「智慧終端系統晶片研發與新創事業計畫」，並向清華大學技轉研發成果衍生的創鑫智慧(NEUCHIPS)，主要產品為低功耗高性能循環神經網路硬體加速方案、高解析度即時影像分割與辨識加速方案，及基於深度學習的神經網路推薦系統加速方案，與其晶片開發相關與附加產品等AI智慧應用，深耕核心技術，掌握相關技術的演算法特性與架構設計能力，將有助於國內人工智慧產業鏈上、中、下游的串連。
&nbsp;
&nbsp;
&nbsp;
<blockquote>
臺灣供應鏈應把握住在Edge AI上的機會，包括從AI晶片到系統廠的板子最後到各種AI終端裝置的推出。
&nbsp;
國立陽明交通大學資訊學院副院長陳添福教授
</blockquote>
&nbsp;
&nbsp;
<h2>強化供應鏈系統整合 臺廠把握edge AI商機</h2>
專注研發在AI模型訓練完成之後的優化與AI部署工程的陳添福教授指出，IoT搜集資料傳到雲端，最後AI模型訓練開發完成需要部署到邊緣端（edge），應用才能落地實現。例如產線上做瑕疵檢測、自駕車或智慧醫療/照護的裝置等，都需要讓AI立即在edge端就做判斷並採取行動。而AI要部署到edge端需要經過優化，因edge端硬體在記憶體容量與空間都受限且不能太耗電，因此在部署時須依照不同應用標的選擇晶片、串接系統與平臺。因此，陳添福教授研究團隊執行科技部 人工智慧製造系統研究中心計畫，研發Dr. Opt優化平臺以處理人工智慧邊緣運算（edge AI）模型的部署，並已跟業界合作應用在許多智慧製造場域。
&nbsp;
陳添福教授指出，目前AI模型的開發上有許多開源碼（open source）工具可供修改使用，但AI優化與部署可用的平臺工具相當少。雖然許多大型企業建立AI團隊可以自己開發，但中小型製造業急需一套易用的AI優化平臺工具，幫助他們降低跨入智慧製造的門檻。然而不同製造產業在廠區的edge AI應用與環境皆不同，優化平臺要標準化也將有一定難度。然而以AI產業化及產業AI化的發展角度來看，陳添福教授認為臺灣供應鏈應把握在edge AI上的機會，包括從AI晶片到系統廠的板子最後到各種AI終端裝置的推出。在「臺灣人工智慧晶片聯盟」（AITA）擔任系統軟體委員會主席的陳添福教授表示，參加系統軟體委員會大都是IC設計公司，彼此進行技術交流。儘管談制定規格對臺廠來說太遙遠，然而目前<span data-component="tippy" data-content="RISC-V 是精簡指令集架構（ISA），建立一個共通的ISA開放標準，源自加州大學柏克萊分校 2010 年的新專案，架構簡單、完全開源，且可透過延伸指令自訂，硬體製造商用此架構開發自己的CPU，不用支付龐大授權金，設計CPU時可按委託方提供的規格實現客製化。推出幾年後受到全球巨頭的支援，輝達、WD、Google、高通、微軟、華為、阿里巴巴等都加入 RISC-V 基金會。">國際標準化RISC-V的開放架構是臺廠可以關注並多參與的，希望將來能發揮影響力。
&nbsp;
專精於智慧排程系統的國立成功大學製造資訊與系統研究所王宏鍇教授，藉由AIoT技術搜集晶圓廠生產機台狀態和製造大數據等各種資訊，發展內建類神經網路的智慧排程系統，優化機台資源調度之即時決策與生產排程，達到工業3.5/工業4.0的智慧精準製造。臺灣半導體製造有全世界最複雜的問題，王教授曾參與科技部IC產業同盟開發台積電智慧排程系統的產學合作計畫，考量生產線上所有實際生產限制，如等待時間、批貨重要性、可用機台與加工時間等，以最短時間安排數百批貨至數十台機台生產，除了可提升機台利用率，並可同時降低晶圓超過等待時間產生報廢的損失，其部分研究成果在不影響公司機密下，已發表於半導體領域國際頂尖期刊IEEE Transactions on Semiconductor Manufacturing，並被該期刊從2015年發表的140多篇期刊論文選為年度最佳論文獎。王宏鍇教授表示，「結合AIoT與類神經網路、深度學習的智慧排程系統，可以解決許多臺灣製造業邁向工業3.5的生產排程和聰明生產問題，協助各個產業例如半導體封裝廠、TFT-LCD面板、生物試劑、鋼鐵業、動力傳輸鏈條、鞋子、鍛造輪圈和鋼珠等升級轉型。」
&nbsp;
聯發科技股份有公司（下稱聯發科）很早就布局edge AI晶片，也在2018 年領先業界推出NeuroPilot人工智慧平臺，提供完整的軟硬體整合解決方案，讓應用開發者不須瞭解晶片底層複雜的架構就能快速完成應用開發在設備上的部屬。聯發科技計算與人工智能技術群本部總經理陳志成表示，聯發科的強項在於高整合的系統單晶片設計能力，晶片上集成了影像多媒體、圖形、通訊等各種運算處理器，軟體開發工具包（Software Development Kit, SDK ）則可支援市場上主流的 AI 開發框架，提供針對平台特性的AI模型優化工具，讓系統單晶片得到最好發揮。考量聯發科產品的多元性，NeuroPilot平臺採用跨作業系統的通用架構，實現跨產品線的 AI 部署。該平台可透過異質運算來執行 AI 任務，依據運算單元特性的不同，把不同的 AI 運算分配給 APU、CPU、GPU 來處理，讓各個處理器發揮各自最大所長，從而實現最優化的系統效能與功耗。
&nbsp;
聯發科是AITA聯盟的重要成員，該公司陳志成總經理認為聯盟從晶片設計、異質晶片整合、系統軟體到系統應用，完整考慮整個 AI 開發所需的流程架構。其中，系統整合十分重要，宜先設定應用方向後，讓軟硬體能整合搭配以發揮效能。臺灣半導體產業聚落完整，在各類智慧終端產品一向具有國際競爭力。陳志成總經理進一步表示：台灣有許多產業原本就有很好的基礎，數位化和 AI 轉型更一步被導入應用場域，包括智慧醫療、智慧機械、智慧運輸等。臺灣都會區的發展型態加上垂直應用領域科技化程度高，對智慧城市的各種應用來說是一個很好的場域環境，未來更進一步能將這樣的成功經驗和商務機會擴展到國際級的舞臺。
&nbsp;
&nbsp;
&nbsp;
<blockquote>
資料存取的管理機制必須明確且具有嚴格規範，同時須有“Zero Trust”的概念，驗證是否為本人存取。
&nbsp;
台灣微軟AI研究中心首席研究總監賴尚宏教授
</blockquote>
&nbsp;
&nbsp;
<h2>從資料分級、交換、存取權限制定嚴格規範</h2>
當AIoT持續擴大應用，一方面希望資料搜集愈多愈好，能提供研發部門精進將產品服務與創新，另一方面又擔心隱私受損或是駭客入侵造成資安危機。曾煜棋教授認為若資料是企業自產自用問題不大，但若以不當方式取得就不行。他認為未來資料治理會朝兩個方向發展，首先依產業別各自進行資料分級，若是取得外部資料，不管經過幾手都需要得到授權。其次，未來應創造出聯邦資料治理的形式，在確保隱私的前提下，彼此協調、信任，企業負責管好自己的資料，每家企業的資料都是可追蹤的，類似「資料履歷」的概念。在此前提下，企業間的資料就有機會能彙整成為更有價值的資訊。
&nbsp;
針對資料使用的部分，賴尚宏教授指出資料存取的管理機制必須明確，包括誰能存取、存取權限為何、存取期限多久等需有嚴格規範。同時須有零信任（Zero Trust）的概念，去驗證是否為本人來存取，可引進多因子的身份驗證機制，同時資料也需加上加密技術。而資料內容若涉及隱私，則須考慮去除化、模糊化的技術，將人臉、車牌、門牌等模糊化。至於物聯網安全部分，去（2020）年12月美國總統已簽署物聯網網路安全法，針對美國聯邦政府採購IoT設備制定標準與架構，並且要求漏洞的處理須符合ISO 29147及ISO 30111的規範。
&nbsp;
陳志成總經理則認為AIoT的安全從晶片硬體著手，能提供不被竄改的高安全機制。聯發科與微軟合作，共同開發物聯網安全微控制器，其中內建一通訊協定，能針對應用程式的各種動作檢查確認是否符合權限，讓各式各樣的雲端裝置得以配備晶片級的安全保護機制。該合作案已成功出貨給知名連鎖咖啡店，讓合作廠商在發布飲料配方等機密資料給各分店時，獲得最高等級防護。
&nbsp;
&nbsp;
（客座總編輯 <a href="https://www.charmingscitech.nat.gov.tw/">| 國立清華大學工業工程學系講座教授 簡禎富</a>；研究顧問團隊 | 國家實驗研究院副院長 林博文、國立清華大學電子工程研究所特聘教授 徐碩鴻、中央研究院資訊科學研究所所長 廖弘源、國立清華大學電機資訊學院院長 黃能富、國立臺灣大學電機工程學系教授 廖婉君；責任編輯 | 段芊卉、葉于甄、林怡君）

當AIoT的應用越來越廣，資料管理與資安議題也更重要。