從火星探測系統到輔助工業製程，美國工業用 AI 新創 Beyond Limits 如何在台灣做到技術在地化應用？
李佳樺 2021/08/13
從2012 年美國太空總署成功將探測車「好奇號」送上火星至今，已經過了3000多個「火星日」，肩負著火星探測的重要任務，8年來好奇號傳回許多對火星的重要觀察與發現。背後更不為人知的，則是好奇號的 AI 運算系統，其實是由美國新創 Beyond Limits 的團隊建立的，公司發展至今也將觸角伸到能源、先進製造等產業，建立 SaaS 服務，為產業提供 AI 輔助平台，2020 年更獲得 1.3 億美元的投資，拓點到台灣、日本、新加坡、香港等地。
Beyond Limits 將 AI 應用到產業製程的契機，源自於當時跨國石油集團 BP 在墨西哥灣發生的漏油事件，企業希望導入 AI 優化決策過程，合作中也發現了石化能源產業的痛點，研發出石油配方建議系統、石油製程操作檢引系統等 SaaS 產品，不僅受到美國石油公司歡迎，日本市場也買單。
有了日本的先例，這套美國研發出的產品，照理說要拓展到亞洲市場應該不成問題，不料到了台灣卻窒礙難行，甚至需要重新開發不同的產品。
Beyond Limits 的台灣團隊究竟面臨了什麼挑戰？
台灣市場與美國差異大，Beyond Limits 台灣團隊必須如創業般從頭研發產品
台灣分公司總經理張中宜說明，台灣產業的先天特性，讓美國母公司已開發的產品都面臨市場可行性低落的問題，以石油產業的產品舉例，在台灣只有中油、台塑兩個客戶，且台灣的石油公司並不做研發工作，多半直接向國外公司購買配方，因此團隊必須在美國 SaaS 模式 的技術基礎下，研發出符合台灣市場、針對不同產業需求的商品。
「Beyond Limits 在台灣設立公司時的處境，跟重新創業差不多。」張中宜表示，AI 應用產品的開發不僅需要能夠從零開始寫演算法的工程師，也要有懂產業製程的專家團隊，龐大的研發費用與對產業專家的需求，讓每一次產品開發都像募資活動，團隊必須透過產業訪談做足市場研究找到痛點，說服製造公司與他們合作開發能解決產業問題的軟體。
然而開發全新市場對張中宜來說並不陌生。
她曾經在孟加拉創立幫助偏遠地區孩童課輔的非營利組織 e-Education ，第一年就讓偏鄉學子考上孟國最高學府卡達大學，更順勢搭上鼓勵企業與 NPO 合作的開放式創新風潮，讓卡西歐、 AI 新創、安永都找她擔任顧問，執行戰略布局或開發新通路的工作，面對 Beyond Limits 在台灣的難題，團隊選擇了電動車電池研發、面板機器手臂維修與人流異常預警系統等三個產業切入。
延伸既有美國產品技術，尋找合適的台灣在地產業切入開發產品
選擇電動車電池產業與 Beyond Limits 在美國石油產業的經驗有關，研發電池的過程與石油廠研發機油的邏輯相似，痛點都在於漫長的研發過程，就像做菜時要多次嘗試才會知道多少的鹽與油才是最佳的調配一樣，電池配方更要經歷至少半年的實驗，且實驗設計也要在無數次團隊與客戶的交鋒後才能成型，溝通成本相當高昂。
使用 Beyond Limits 導入認知 AI 架構的電池配方建議系統，研發人員只要以自然語言輸入期望的電池規格、價格與電車轉速，系統即可在 43 分鐘內提供數百種配方與實驗方式供選擇，縮短約 2 千倍的研發時間。
Beyond Limits 也在 7 月 29 日宣布與日本的三井物產公司進行策略結盟，以其認知 AI 的核心技術，協助三井投資的液化天然氣廠進行巨量資料分析，並整合作業人員專業知識與數位化作業模式，制定出精簡有效率的解決方案。日本三井整合數位策略部部長常務董事真野雄司氏說，透過與 Beyond Limits 的合作可以改善與再造營運流程，更有效率執行現有事業群的高附加價值項目。
另外，Beyond Limits基於公司在美國既有的輔助風電機維修平台，投入面板機器手臂維修建議系統的開發，「雖然也想在台灣用同一套產品幫助風電產業，也與風電廠陸續接洽，但台灣的風電仍在建設階段，缺乏營運經驗，目前的維修需求也不高。」張中宜談到，市場開發的大方向是要在台灣尋找具備預測維修需求，且市場密集、成熟的產業，公司在與投資人仁寶電腦的合作中，發現光電面板產線中機器手臂的維修概念與風機維修類似，而且痛點也類似：包含高昂的維修成本、未經標準化的維修流程，以及依賴經驗的維修決策。
目前輔助維修系統正與日本機器手臂原廠合作開發，由廠商提供維修資料與產業專家， Beyond Limits 透過 AI 分析維修數據，建立資料背後的邏輯推演，系統最終能判斷機器損壞的原因，並建議耗材種類與維修方式。從管理者的角度能降低維修、備料倉儲成本，對維修人員來說也有可依循的維修建議，長遠更能累積產業知識 ( domain know-how ) ，促進升級。
以邊緣運算技術，與北捷合作開發人流異常預警系統
而將技術從太空拉回到地面，Beyond Limits 也能在大眾運輸犯罪預警上有所發揮。他們與北捷合作，使用等同於在火星探測時、消弭與地球時差的邊緣運算技術，原理是透過分散式的運算提升效率，達成在監控系統的邊緣節點就進行異常人流的辨別，降低反應時間落差。
張中宜舉例，正常的人流像是乘客擠進車廂內的固定位置，開始滑手機，異常的人流可能是人群往四面八方散去，產生快速移動的樣態，異常訊息可以在 10 秒內將送到中控室，大幅縮減以往需要 4 分鐘以上的訊號傳輸時間，也能避免踩到人臉辨識的紅線，未來希望擴張應用到大樓監控，或是銷往他國的大眾運輸系統。
源自NASA，認知型AI成為技術優勢與門檻
與其他單純使用機器學習技術分類數據並預測結果的數值 AI 系統不同，Beyond Limits 的 AI 服務融合了數值 AI 與符號 AI ，前者的數值 AI 是透過大量數據讓模型認知「此為何物」，而符號 AI 則是藉由邏輯定義數值 AI 判斷的結果是好還是壞，並加以做出決策與判斷，以電池配方為例，將實驗室過去的實驗數據導入數值 AI 系統後，會得出樹種配方組合，再藉由符號 AI 判斷個配方辦法的優劣，並給予客戶回饋與建議。藉由結合數值 AI 與符號 AI 兩大系統的結合，讓人工智慧的每項建議都能以人類可理解的思路解釋，輔助人類做最後決策，也使人機協作的製程模式成為可能。
對於這項技術，張中宜表示這其實是源自於 NASA 將探測器「好奇號」送上火星後，由於火星與地球之間的數值傳遞有時間差，人類基本上不可能遙控好奇號，而且火星上的數據在這之前是 0，所以數值 AI 也無法運作，為了能夠讓好奇號自行在火星上探測與行動，勢必須要模擬人類大腦的認知型 AI 系統，當時才會開發出符號 AI。
根據研究報告，2025 年工業用 AI 規模將達 160 億美元，其應用開發仍具高度可能性，Beyond Limits 在台灣也希望更全面地研發產品打進該市場。除了正在培養市場的風電產業外，未來也希望協助優化晶圓半導體產業的製程，團隊更積極與社會、產業溝通，讓社會了解 AI 進入產業能讓人類更有餘力進行創意發想與決策，也讓產業正視轉型需求，近期將與台灣新創基地合作舉辦 AI 科普講座，持續促進製造業的人機共榮合作。
創業快問快答
Q：服務的創意來源，是因為發生甚麼事情而有這樣的想法？
A：台灣數位轉型瓶頸
Q：創業至今，做得最好的三件事為何？
A：用國際薪資招聘頂尖人才、台灣市場國際定位清楚、客戶分潤共創模式的商業模式
Q：要達到下一步目標，團隊目前缺乏的資源是？
A：能見度
附圖：BeyondLimits 台灣總經理 張中宜
Beyond Limits 以數值AI及符號AI兩大關鍵技術，達到人機互補智能
圖片來源 : Beyond Limits
擠捷運
圖片來源 : diGital Sennin on Unsplash
圖說：BeyondLimits Hybrid AI導入流程說明
BeyondLimits Hybrid AI導入流程說明
圖片來源 : BeyondLimits
資料來源：https://meet.bnext.com.tw/articles/view/47993?fbclid=IwAR2HbB5FrPIBoV9kDL27OnhNF-JDNzfYdsoLoVKn85yAA7GUjzDzI3y5Lw0
電腦工程師種類 在 Re: [問題] 請問韌體工程師和軟體工程師哪一個長期… 的推薦與評價
以純開發AP而言,很多環境平台已經預設在一般PC或是目前熱門的隨身電腦產品
(PDA,SMARTPHONE,這部分的平台較多選擇與變化,
但是一樣有較完整的規格與標準開發平台),
通常所謂純軟體都表示已經預設好規格化的作業系統,制式化的開發工具
(你可以不用太了解透系統架構,就會寫出基本簡單的程式)
若以這樣的前提稱為軟體工程師,
你要建立自己的價值,那就要看看你的工作內容,
有無能力參與AP演算法的設計執行,
有無能力調校整各系統間的AP運作,讓你的AP不影響整各系統執行,
還是只是簡單的用高階程式語言寫寫基本的小AP(大多忽略系統與周圍的認知),
修改別人程式的一些簡單介面,或是拿一段範例依樣畫葫蘆,
(頂多增加幾個變數改改介面輸入輸出)
自己決定你要成為哪種境界的人!!
至於韌體工程師,需要在何種平台下何種環境下開發,
可能變化很多,一個大姆哥,一台列表機裡面都有微處理器,
需要寫程式去控制他,因為用硬體實現可能不符合成本,在效率與成本的斟酌下,
以軟體實現的效果最好,
這時的軟體設計工作常常被定位為韌體工程,
可是說實在的他還是一樣寫程式,
以前開發環境較少,都用組合語言實現(要累積學習的東西更多),
現在開發環境豐富,可以使用高階語言來實現(此時價值建立不也等同軟體工程),
只是軟體工程常常被忽略的事情(需要知道系統規格),
在韌體工程要多花這個執事的時間,現今這個程序說不定還可以省略,
因為分工合作的時代,在硬體人員或是其他系統人員已經將平台規劃完成,
你根本不太需要知道系統的架構,只要知道一些程式設計能力,
你甚至用C語言也可以依樣化葫蘆弄出一個版本的韌體出來,
至於需要知道系統規格,這件事情對韌體工程而言也算不上了不起的事情,
(因為身為純軟體工程師而言有藉口推辭,
韌體常常稱不上藉口推辭,這樣實在稱不上取代門檻)
上述的重點就是:能多吸收多學習就去做吧!!
多了解系統架構,不管你被定義韌體或是軟體工程師,
只要有興趣你可以多了解目前的一些系統架構,
處理器的種類與架構以及效能
各種週邊界面以及輸入輸出介面的規格
系統的整體契合程度以及效能的調整,
另外以軟體工程而言,演算法的改進,程式的效能,除錯的方式也是有很多東西學習
(軟體韌體皆是)
PC已經像電視機一樣普及了,
然而很多軟體工程師寫AP時,卻仍然對PC的架構一無所知,甚至有逃避心態,
你或許一樣可以寫出AP來,但是當你養成以系統角度思考,
了解每一個環節,這時候有可能你會發現你的程式效率不好的原因是演算法不好,
還是硬體效能限制,
同樣的身為韌體工程師也不該只是把硬體規格了解,然後一樣畫葫蘆的控制硬體就滿意了,
你要累積的東西很多,可不可以把韌體寫的更有效率,排除硬體的限制,
甚至避掉硬體無法重新設計所產生的錯誤,
如果只是看看規格然後會簡單的存取暫存器控制硬體元件運作,
那跟會寫寫簡單的單純AP一樣很容易被取代的!
所以再此陳述:軟體工程師或韌體工程師的價值,不在名稱上,而在於你自己累積的內容!!
啊!好像寫太雜亂了,有太多東西要累積學習了,與大家共勉之!!
※ 引述《kay2005 (小凱)》之銘言：
: 面試幾家之後 軟體主管和硬體主管說法不大相同
: 想請問前輩們 就賺錢和價值而言 哪一種比較不會被取代又賺得較多呢??
: 謝謝
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 61.61.240.191
... <看更多>