產業發展迎接生成式AI浪潮
衝刺生成式AI 三議題聚焦
專家建議業者投入相關應用 應從保護隱私、改善大型語言模型幻覺、方案評估做起
生成式AI技術迅速發展，2024年2月，OpenAI在官網上發布48段1分鐘長的生成影像，展示最新的文字轉影片模型Sora，這個模型不僅可以將文字轉換為影片，還可以編輯圖片和影像，甚至延展影像時間軸。
新創公司Cognition在今年3月推出虛擬工程師Devin，除了能提供程式編寫建議，還能獨自完成整個軟體或網站開發。這些進展顯示，生成式AI技術正逐漸向具有人類智慧行為的「通用AI」發展，預計將引發新一波生成式AI熱潮並促進多元應用。
根據CB Insight數據，2023年全球AI投資較2022年下滑10%，然而針對生成式AI新創公司的投資卻不減反增，金額達到204億美元，比前一年增長近六倍。特別是像OpenAI、Anthropic、Hugging Face等獨角獸新創公司吸引大量資金，持續帶動投資。隨著資金和技術逐步到位，生成式AI的發展方向也將從「通用模型」轉向「企業專用模型」。
為鼓勵我國產業投入生成式AI、大語言模型、數位孿生等前瞻技術，經濟部產業技術司持續推出多項AI相關計畫，如爭取免費提供AI超級電腦「Taipei-1」的部分算力給產官學研與新創進行研發使用，並持續推動「領航企業研發深耕計畫（大A+計畫）」等，支持中小企業與新創導入AI應用，帶動積極帶動台灣成為全球AI產業生態系的重要夥伴。
在全球生成式AI浪潮下，各行各業都希望引入技術來提高生產力。不論是先進的IT公司、通訊及媒體企業還是傳統產業，許多企業已開始嘗試將生成式AI應用在各種流程中，以期開發出更高效、符合業務需求的系統。
不過，雖然生成式AI受到廣泛關注，但也引發不少擔憂，包括資料隱私、透明度、幻覺（誤導性資訊）、假訊息、過度信任等風險，因此，國際上也出現「主權AI」的概念，希望透過國家政策發展符合當地社會習慣和文化的大語言模型，進一步推動國家和企業發展。以生成式AI的企業應用而言，仍需留意三大議題，包括「垂直應用資料隱私保護」、「改善大型語言模型幻覺」及「模型客製化方案評估」。
首先，有關「垂直應用資料隱私保護」，生成式AI的基礎包括資料、演算法和運算力，其中資料是決定生成式AI推論的重要關鍵，可以透過在訓練過程中使用隱私強化技術來保護企業的機密資料。例如，以真實資料為基礎再運用深度學習架構，產生與真實資料相似的「合成資料」；或者在資料中加入雜訊，降低真實資料的機敏部分；也可以共享模型，讓多機構間共同訓練AI模型的「聯合學習」來避免企業機敏資料外洩。
其次為「改善大型語言模型幻覺」，目前生成式AI常見的幻覺，如回答不符合事實或不存在的答案、答非所問、內容邏輯錯誤等。而幻覺（Hallucination）的產生，是因為受限於歷史訓練資料，當遇到即時性的問題，容易出現錯誤資訊。
解決辦法之一，是透過「提示微調（Prompt Tuned）」，在不改變模型參數下調整提示，引導特定內容輸出，降低幻覺發生機會；另一個方法是「檢索增強生成（Retrieval-Augmented Generation, RAG）」，以檢索外部資料庫，切分提示的單字、語句，再搜尋關鍵資料生成回答。面對資料即時性高、客製化程度高的問題時，就需要兩者相輔相成，持續優化垂直領域的應用需求。
最後則是「模型客製化方案評估」，常見的四種實務做法成本從高到低依次為：投入大量資料和運算力的「從頭訓練（From Scratch）」、在預訓練模型上加入特定資料的「微調（Fine Tuned）」，以及前述的「檢索增強生成（RAG）」和「提示微調（Prompt Tuned）」，企業可評估自身需求選擇最合適的做法。
（作者是張真瑜、楊淳安；經濟部產業技術司ITIS計畫團隊成員）
企業升級 人工智慧扮推手
在數位化浪潮的推動下，人工智慧（AI）已成為企業轉型創新的關鍵力量。其中，生成式AI以其獨特的語義理解與內容生成能力，徹底改寫企業的知識管理、業務流程，乃至環境永續等面向，成為企業邁向智能化的新動能。
知識資產對企業的重要性不言而喻，但人才流失是台灣企業，特別是製造業面臨的嚴峻挑戰。
隨著資深員工陸續退休，如何保留他們的寶貴經驗成為當務之急。生成式AI為企業提供全新的知識傳承方式。它能從歷史記錄和專家互動中吸收領域知識，構建詳盡的知識庫。
例如，在設備維修方面，生成式AI可以結合歷史維修記錄和工程師操作日誌，生成更全面的設備故障診斷和維修指南。新進工程師透過與AI助理對話，可以快速獲取具體設備的維修建議，縮短學習時間，確保關鍵知識得以傳承。
生成式AI不僅擅長知識傳承，還能夠成為企業營運的智慧助手。以大型語言模型（LLM）為基礎的智慧代理技術正在改變企業的客戶服務和業務流程自動化。這些智慧代理能協調多個系統和部門，自動產生並執行解決方案，幫助員工高效完成任務。
以金融界為例，AI可以自動撰寫行業分析報告和投資建議書，減輕分析師的負擔。在保險理賠流程中，AI代理可以接收申請、驗證文件、評估損失、計算賠付金額，並與客戶溝通，大幅減少人工干預。
在客服領域，AI助理可以準確理解客戶訴求，生成標準化服務紀錄，提高溝通效率。在製造業中，AI能自動識別設備缺陷，生成詳細的缺陷報告，降低人工錯誤風險。
氣候變遷日益嚴峻，節能減碳成為企業新使命。生成式AI提供新的分析模式，例如學習企業歷史生產與能耗數據，預測未來的能源需求，為每個生產階段提供最優的能源使用建議，幫助企業更有效地管理能源，減少浪費和碳排放。
以印刷電路板製造廠為例，透過AI產生的調配建議預計可減少800噸的碳排量（約二座大安森林公園吸碳量）。此外，AI還能吸收歷史維修經驗數據，對設備狀況建模並提供預測性維護建議，有效延長設備使用壽命，助力企業邁向綠色智慧新紀元。
隨著技術不斷演進，生成式AI在企業應用中的影響將與日俱增，逐漸成為企業轉型的重要引擎。
因應此波浪潮所帶動的軟硬體技術需求與機會，政府正在推動多項計畫，如「晶片驅動台灣產業創新方案」，大力推動生成式AI等關鍵技術發展創新應用，經濟部也透過「領航企業研發深耕計畫」，吸引NVIDIA來台設立「人工智慧創新研發中心」，並建置AI超級電腦「Taipei-1」，提供免費資源給國內研發使用，提升台灣在智慧製造、智能交通、醫療影像等領域的AI實力，透過這些基礎算力設施的布建與運用，降低發展生成式AI應用技術與訓練模型的門檻。
生成式AI不僅開創知識管理新途徑，還為營運效率和永續發展賦能。在政府完善布局及業界共同努力之下，台灣產業必能乘著生成式AI的東風，重塑企業核心競爭力創造更多技術突破與商業價值。
（作者是何文楨；資策會軟體技術研究院資深技術總監）
智駕進化 駕馭移動更安心
全球車輛產業正積極轉向新能源化和軟體化發展，新一代汽車不僅更注重油電能耗最佳化，還結合車輛主動安全功能與人工智慧技術來提升駕駛安全性。例如，美國特斯拉汽車通過空中下載技術（OTA）更新駕駛輔助軟體（Autopilot），有效降低車輛召回次數。
未來，汽車各個元件控制將從「硬體化」轉為「軟體化」，集中運行在區域控制器（DCU與ZCU）上，這種發展模式被稱為「軟體定義車輛（Software-Defined Vehicle；SDV）」，讓智慧車輛如智慧型手機一樣，應用發展更具彈性及多元化。
台灣車電模組系統業者過去皆專注發展提供給國外先進駕駛輔助系統（ADAS；如前車防撞警示、盲點偵測和車道偏移警示等）的感測模組元件，AI軟體演算技術方面的發展較少，而軟體演算技術過去多由國外車廠與Tier 1系統廠主導，使得台灣業者發展空間有限。
此外，台灣車電模組系統業者過去鮮少具有智慧感知軟體技術背景，在面對數位轉型和AI化的升級需求挑戰時，自主研發投入的成本與門檻較高。同時，在現今極端氣候與高密度都會化人車流之駕駛環境下，以物理性感測反饋的傳統ADAS產品已無法保持有效且準確的駕駛安全警示效能。
於是以AI辨識軟體技術發展整合於車電感測模組系統為新世代智慧駕駛安全產品，進而大幅提升車輛行進中與其駕駛安全相關的人車物件之類別、位置與移動軌跡的辨識警示，便成為新世代智慧駕駛與車電產業投入發展的主軸方向。
經濟部產業技術司為促進車電人工智慧產業化，以科技專案支持法人研發進一步賦能與輔導車電業者數位轉型升級。在經濟部產業技術司的補助下，資策會研發「Formosa台灣街景深度學習資料庫」做為車電AI技術的研發利基。此AI資料庫涵蓋全台各縣市超過10萬公里的駕駛情境數據，包括影像、雷達、光達、熱成像等多種類型的AI感測資料。
此AI資料庫與辨識技術賦能協助國內多家車電模組系統業者，快速發展新一代人工智慧先進駕駛輔助系統（AI-ADAS），以彌補業者自身缺乏大量AI感測數據的不足，迅速追上國際車電AI化發展步伐，搶占市場。
同時，資策會利用「Formosa台灣街景深度學習資料庫」的多模態大數據AI，率先開發DriveGPT智慧駕駛感知技術。這項技術有兩個主要目標：一、生成駕駛邊角案例：儘管已經蒐集大量駕駛情境數據，但危險駕駛和車禍等案例仍難以蒐集資料，通過生成這些情境，可以強化感知能力。二、駕駛認知決策能力：現行自動駕駛對判斷周遭物件和情境仍存在不足，DriveGPT可以幫助系統智慧化判斷和決策，提升駕駛安全性和適應性。
全球車輛產業正朝軟體定義化發展，台灣在人工智慧與半導體產業的軟硬體整合實力，加上豐富的駕駛情境數據，將引領新型態技術和市場價值發展，扮演全球智慧軟體定義車輛產業重要關鍵角色。
（作者是張均東；經濟部產業技術司車電人工智慧化產業技術計畫分項主持人）
本文同步刊登於2024/07/28經濟日報A11產業追蹤