譚新強:1984過時 疫情世界需要Big Brother
George Orwell在1948年完成他最後一本小說《Nineteen Eighty-Four: A Novel》,被視為一本「dystopia」(反烏托邦)經典。這本巨著固然有警世作用,但到了今天,「1984」、「Big Brother」等詞彙,已淪為西方傳媒和政客,攻擊任何他們不認同的國家,或落後他人資訊科技的最懶惰、最模糊、最不負責任,但最有效、最無法辯論的標準抹黑和妖魔化工具。
《1984》是在1948年完成的,傳說中,Orwell故意把4和8掉轉,把故事背景年代放在他覺得很遙遠,36年後的1984年。故事講述一個經多年戰亂,貧窮悲慘的世界。世界分割為三個版圖巨大的國家,包括:1)Oceania,以倫敦為首都,版圖主要覆蓋南北美洲、澳洲和南非等地方,即大概昔日大英帝國;2)Eurasia,歐亞大陸,即大約前蘇聯加西歐;3)Eastasia,版圖包括中國、日本和其他東南亞地區。書內這3個帝國爭鬥不停,且敵友關係隨時改變,亦仍在爭奪各國邊際上的一些城市,其中一個竟是香港!書中更預測「mass surveillance」(群眾監察)愈來愈厲害,但不少人仍想反抗。
轉眼1984至今又已36年,1984不再是未來,已在歷史倒後鏡內逐漸遠去。不可不佩服Orwell有點遠見,在二戰後不久即可看出未來數十年的地緣政治變化,跟今天局勢有點接近,當然並非完全正確。西歐從未墮入鐵幕軌迹,蘇聯反而解體。東亞方面,中國確已崛起,但並無吞併任何國家的野心。西方仍想搞亂香港,但中央已逐漸把情况穩定下來。表面美英並沒有行使「Ingsoc」(英式社會主義),亦口頭上尊重私隱權和各種自由。但事實上,西方近月採用的極端經濟政策,已遠比社會主義更左。隨着互聯網、移動通訊和AI等科技急速發展,書內「telescreen」雙向監察技術,早已成真。經2013年Edward Snowden(斯諾登)的「良心爆料」,大家亦早已知道任何人,包括外國領導人如德國總理Merkel(默克爾)的通訊,都隨時被美國間諜機構監控。私隱權只是個假象,近日對中國TikTok和微信的各種指控,更只是個雙重標準,無人相信的笑話。
嘗試客觀點來分析現今確以資訊科技為主導的美國、中國和其他社會,是否真的是《1984》書內的悲慘世界?二戰至今,雖有無數中小戰爭,但幸而並未再出現世界大戰,我們都活在以核武阻嚇力維持的不穩定和平中。幸而世界大致和平,加上科技突飛猛進,全球大部分人的生活都有明顯進步,二戰後至今全球人口大增了3倍多。
中國40年和平發展 人民活得快樂
中國成就尤其突出,經歷過百年外憂內患,從1978起終逐漸穩定下來,開始40年的和平發展。中國仍是個發展中國家,但人民溫飽的基本問題已解決,平均壽命更已到發達國家水平。所以不可繼續戴上西方的有色眼鏡來看中國,中國人民親身感受到過去40年奇蹟般的生活改善,他們絕對有理由活得快樂,對個人和國家未來充滿希望,和繼續支持政府和愛國。哈佛大規模長期中國民調,發現政府的支持率高達90%以上,絕非意外,從前其他外國獨立機構如George Washington University和公關公司Edelman的類似民調 ,結論都接近,人民對政府的信任度超過75%,遠比美、日、英等其他國家高。
一半美國人民生活在過去40年沒有進步,但另一半則愈來愈富有。美國房屋平均面積在過去50年,由1600平方呎增至近2700平方呎,每1000人的汽車數量亦由500增至近900!美國平均每人每年的CO2排放量約17.75噸。中國汽車總數目和碳排放總量都已超越美國,但中國人均CO2排放量仍只約美國人的三分之一。
世上沒有免費午餐,一切發展如建造城市,以及航空旅遊等享受,都是由地球來「埋單」的。發展城市需要開發土地,破壞自然生態。現代生活的電力化,以及人人嚮往的自由旅遊,更需要大量化石能源(需要再生能源加速發展),直接加劇氣候變化。
多年來不少科幻小說家都在預測氣候和生態環境變化的不良後果,包括全球暖化導致更極端氣候現象,愈來愈頻密的超級風暴,海洋水溫上升,減低吸碳能力,南北極融化,海洋水位上升,淹沒沿岸城市等災難,最後導致大量動植物品種的消失!
病毒頻現 跟環境氣候變化有關
這些都是人類面臨的重大共同挑戰,但不少無知的人,包括國家領袖如美國總統特朗普和巴西總統博索納羅(Jair Bolsonaro)等,仍不相信氣候和環境變化,或錯誤以為這是遙遠的事,暫時今天人類仍可繼續任性地消耗地球有限寶貴資源。尤其被白種人「發現」了只500多年的美洲「新世界」,人口密度遠比「舊世界」低,可開發的資源亦更多,美國人感覺自由,更認為其他人無權過問他們的生活模式,所以索性退出《巴黎氣候協議》!
但人算不如天算,氣候和環境變化製造出來的第一個超級挑戰,竟非紐約被淹沒或全球過熱導致失收和饑荒,而是由體積只0.1微米的COVID病毒所引起的一場大流行,至今感染人數超過2200萬人,死亡人數近80萬,最厲害是導致人類史上從未見過,已超過半年的世界交通、經濟和生活大停頓!毋須爭拗COVID來源地,更重要的是冠狀病毒已非首次出現,早前已有SARS和MERS,愈來愈頻密的出現肯定跟環境和氣候變化有關。
半年前我提出一個新觀點,從整個地球生態環境來看,人類不要太過驕傲,可能我們才是「病毒」,感染地球發燒了,可能反而COVID是地球派來對付「人類病毒」的抗體!這個忠於地球,但「出賣人類」的理論,已有不少客觀證據。
全球航空班次減少了八成至九成,陸上交通量亦下跌不少,碳排放大減。Mother Nature的恢復能力不錯,連最污染的印度、巴基斯坦和一些中國城市,近期空氣質素都大有改善。香港的藍天白雲20年來罕見,連維港都變藍了!
今次大流行,已不止是一個給予人類的警告,其實已是一個非常有效阻慢人類破壞地球的武器!原來不用等到全球人口過多,生活環境非常擁擠、糧食短缺,空氣更差等情况出現,人類才需放緩發展。經全球交通系統,病毒已迅速傳播到幾乎全球每個角落,即使人口疏落的美國州份如蒙大拿和阿拉斯加,都成為疫情熱點,社會被迫停頓!
COVID大流行可能已為人類發展定下一個「semi-hard limit」(半硬性限制)。正確一點來說,不是說完全不可繼續發展,而是要適應和改變發展方向。更subtle(微妙)但非常重要的另一點是連所謂「自由」、「民主」、「私隱權」和「國家主義」等模糊概念,亦必須調整得更清晰和更科學化。
標指再創新高 反映市場樂觀
有人可能以為我杞人憂天,疫情必將很快消失,疫苗即將研發成功,最遲明年必可回復「正常」,可「報復式」環遊世界!最佳證明是美股標普指數,如不樂觀,怎可再創歷史新高!
非常渴望童話式美好結局,我也極渴望自由自在到處旅遊!標指創新高我也高興,但在Robinhood年代,炒股已成為類似《Fortnite》的另一個遊戲,疫情下財富的意義亦已變得愈來愈抽象。
美國傳染病專家Dr. Fauci說,今次COVID大流行是一場「完美風暴」。COVID傳染度超高,R0高達5以上,近日馬來西亞發現基因變異,傳染度或再升10倍,太恐怖了!全球測試大幅增加,治療方法不停改善,但CFR死亡率仍徘徊在3%以上,估計IFR約1%,即最少仍是豬流感的10至30倍。我曾指出COVID的死亡率極尷尬,如低如豬流感的0.03%,大概可置之不理,如高如伊波拉和禽流感的35%以上,那麼根本沒有選擇,只可保命為先。但COVID的平均CFR雖約3%,但病情的presentation(症狀)非常濶,不同年齡、健康狀况和其他未知因數,可出現截然不同嚴重度的病情,由毫無徵狀的帶菌者,到輕微呼吸道感染,到嚴重肺炎和死亡、中風和影響腦功能的情况都有,非常棘手。尷尬死亡率乘以高傳染度,就變成一個所有國家必須面對的天大難題。
專家亦預計COVID將成為長期存在的風土病,只望病毒殺傷力逐漸轉弱,和愈來愈多人產生抗體。Dr. Fauci對疫苗的期望有限,估計有效率只約50%至60%,跟流感針相若,但有效期可能更短,只數個月。對很多人來說,此水平的疫苗,即使打了,仍未必夠膽四處旅遊。
不同國家對處理疫情有不同看法。最愚蠢的說法是因COVID而死的只80萬,遠少於1918年大流行估計死的5000萬至1億人,根本不值得停頓經濟!這說法有兩個嚴重問題,首先如過去半年世界沒有停下來減慢傳播,至今死亡人數必已經是數百萬甚至上千萬。另外,現代醫學昌明,資訊發達,當然比百年前更珍惜生命,怎可能甚麼也不做!
自由、私隱權,甚至民主都是有條件和限制的。每個人當然應享有某程度的言論和行動自由,但前設是不可影響其他人的健康、人身安全和相同權利。例如很多美國人以自由為藉口,拒絕戴口罩,是極度自私的行為。全球不少國家,都已立法強迫戴口罩,因為所謂個人自由,可嚴重影響公共健康!
放大到一個國家層面,譬如某個國家,所謂民主地決定採取反科學的群體免疫政策,例如瑞典、巴西和更混亂的美國,他們的自私但錯誤決定,除會害死自己國民,亦可經旅客和貨運等途徑,把病毒傳播到世界各地!我不認為最近發現巴西凍肉含COVID病毒是純意外,絕對跟巴西無意抗疫有關。
多國料續嚴控旅遊限制
未來數年旅遊將是個大考驗。理論上如一些國家的感染率差不多(例如歐盟),實毋須封關。但政治上行不通,每個國家都有責任阻止任何外國威脅入侵,包括病毒、罪犯和恐怖分子等。我預計絕大部分國家,即使疫情稍有退減,仍不會恢復完全自由旅遊,很多國家將嚴控入境人數,大部分免簽證安排都將被取消,相反極可能在入境前後都要求健康測試。
還有一點,未來所有國家都必提高警覺,很多防疫措施,包括要求社交距離和戴口罩,旅遊限制,WFH和上學等,都將變作(半)永久安排,更需為未來出現新疫症作準備(必然)。所有國家也需改變發展計劃,尤其興建機場,拓展航空和旅遊業等。
隨着5G、IoT和AI等技術發展,不少國家或將長期要求遊客(甚至國民)在手機上安裝所謂「健康碼」,或更有效的穿戴式「健康鈪」,有助監測個人健康和整個社會的疫情發展。據說下一代的Apple Watch,已將有測體溫功能,我期待未來可加設快速測試各種病毒功能!
科技防疫 自由私隱需取捨
不少人又拿出《1984》來嚇人,政府將侵犯私隱權,收集個人DNA資料,監察行蹤等。但在大流行的真實威脅下,政府有責任保護人民生命、健康和權利,此考慮凌駕所謂個人私隱權。「自由」和「私隱」變成一個取捨,如看重私隱,譬如不願戴健康鈪,或會被某些國家拒絕入境,或需要隔離。但如同意穿戴,反而可「較自由」行動和免隔離。
我的願景永遠一樣。如要有效應付大流行、氣候變化和核武等威脅全人類挑戰,實需要美、中和其他國家衷誠合作,以科學為本,共同找出最有效和合理的解決方法。很多已過時的政治和經濟概念,都需要update和改變。
不要再被《1984》的洗腦式膚淺口號愚弄和嚇倒。能實時掌握疫情、經濟、氣候和社會安全等重要信息,善用科技服務人民的「Big Brother」,並非一個反烏托邦的寫照。這是個實事求是,願意承擔責任,理性應付問題的現代政府。
(中環資產持有騰訊及Apple的財務權益)
ai平均分割 在 Findit平台 Facebook 的最讚貼文
【2020.02人工智慧動態】人工智慧在這波防疫中展現其強大的應用性
最近AI在防疫上扮演了神隊友的角色👊
讓我們看看AI發揮了什麼功效吧
一、曠視科技開發AI體溫檢測技術
中國AI獨角獸曠視科技開發出一套AI體溫檢測方案,可在公共場所快速篩查體溫異常者。
一旦有發燒症狀可以立即發出警報並鎖定人臉,每秒溫度測量15人,最遠可達3公尺,大幅提升公共空間安全性及檢測效率,初步先在北京地鐵站進行測試。
二、百度開放LinearFold算法,可將病毒RNA分析從55 分
鐘縮短至27 秒
AI技術的創新在病毒疫情上發揮莫大功效,百度於1/30發布LinearFold演算法可以快速檢測病毒RNA結構。
將此次新型冠狀病毒的結構預測時間從55分鐘縮短至短短的27秒,大幅增加其效率提升120倍。
三、數坤科技藉AI技術快速辨識病灶,以利病情評估與治療
數坤科技是一家專注於AI疾病影像的公司,在這波疫情爆發下也藉由其AI病灶檢測技術發揮其功效。
數坤科技與武漢多家醫生皆有所合作,能夠以AI模型圖片辨識提供醫生作為病情診斷與複查依據,平均在一個人身上僅需2-3秒,就能完成快速識別病灶、分割定位,並準確找出感染區域,對於病灶區域進行量化評估。
輔助臨床更快速準確判斷病情及療效評估,以替患者與醫生爭取寶貴的診療時間。
👇點這兒看更多唷
http://sc.piee.pw/P2TFK
ai平均分割 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
AI機器人將如何顛覆製造業?
面對AI機器人帶來的破壞式創新,台灣製造業該怎麼把握機會,在自動化典範轉移的亂局中,占有一席之地?
Bastiane Huang
Feb 6 · 1
在先前Robotics 2.0系列文章中,我們討論了AI如何讓機器人做到過去做不到的靈巧工作,並能夠開始自主學習。第一篇文章介紹了AI如何開啟Robot2.0時代。第二篇文章則描述AI機器人在倉儲運輸業的應用,透過觀察這個新技術的第一個應用場景,來預測這一切將如何影響我們的生產力、就業狀況以及日常生活。
這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化設備,同時占台灣產值最高(30%)的製造業。具有自主學習能力而且靈巧的AI機器人,將如何影響製造業流程及整體產業結構?供應鏈上的各廠商又該如何因應Robotics 2.0帶來的破壞性創新?
「未來已經到來,只是先被一部分人看見。」 — 作家威廉.吉布森
The future is already here — it’s just not very evenly distributed. — William Gibson
製造業自動化現況
根據國際機器人聯合會(IFR)發布的最近報告,全球工業機器手臂的出貨量在2018年創下新紀錄,來到38萬4,000台。其中中國仍是最大市場(占比35%),接著是日本,美國,台灣排名全球第六。
汽車以及電子製造業依然是工業手臂的最大應用市場(占比60%),遠遠領先其他包含金屬,塑膠及食品等產業。具體原因我們在第一篇文章也討論過,由於傳統機器人和電腦視覺的限制,目前除汽車業和電子業以外,倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡,你可能會想:自動化及工業機器手臂在製造業既然已經有幾十年的歷史,該自動化或可以被自動化的部分應該都已經自動化了,還有什麼創新的空間呢?
出乎意料地,就連自動化程度最高的汽車製造業,離所謂的全自動化關燈工廠(lights out factory)也還有很大一段距離。舉例來說,汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分,平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆,主張追求最高自動化的特斯拉執行長馬斯克,都不得不公開承認,特斯拉生產線自動化的進度不如預期。
究竟為什麼自動化這麼困難?
自動化至今無法跨越的技術限制
現今的自動化生產線普遍為大量生產設計,因此能有效降低成本,但也因此缺乏彈性。面對消費者越來越短的產品生命週期,越來越多的少量多樣客製化生產需求,人類往往比機器人更能夠因應新的產品線,也不需要花費很多時間去重新編寫程式或更改製造工序。
1. 靈巧度與複雜度
儘管科技在快速進步,人類還是比機器人靈巧許多。在訪談電子代工廠商的過程中發現,儘管組裝產品(assembly)已經高度自動化,但備料(kitting)的程序還是必須由人來完成。
備料在製造及倉儲業都很普遍,是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來,打包並放置在工具包(kit)的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業,這時候因為各個零件都在一個固定的位置和角度,自動化編程相對容易。相反地,備料時必須從雜亂無序的零件盒中辨識並拿取零件,零件的位置角度不一,甚至可能重疊或纏繞在一起,這對現有的機器視覺及機器人技術都是一項挑戰。
2. 視覺與非視覺性的回饋
另外一方面,很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡,這些看似簡單的動作,事實上都需要作業員或機器人接收,並根據各種視覺甚至觸覺訊號,來調整動作的角度及力道。
這些精細的微調使得傳統的自動化編程幾乎派不上用場,因為每次撿取或放置物品都不完全相同,需要像人一樣有從多次的嘗試當中,自主學習歸納的能力,而這正是機器學習,特別是深度及強化學習,能夠帶給機器人的最大改變。
Robotics 2.0:AI可以讓工廠機器人做到哪些事?
AI帶給機器手臂最大的改變就是:以往機械手臂只能重複執行工程師編寫程序,雖然精準度及速度都很高,但卻無法應對任何環境或製程改變。但是現在因為AI,機器可以自主學習更複雜的任務。具體來說,AI機器人較傳統機械手臂在3大方面有重大突破:
1. 視覺(Vision System)
就算是最高階的3D工業相機,仍然無法像人眼一樣,既可以精準判斷深度距離,又可以辨識透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機,既可以提供準確的深度,又能夠辨識大多數的包裝及物品,然而,這樣的情形很快就會被AI改變。
機器視覺在過去幾年取得了巨大的進展,幾間來自於矽谷及波士頓的新創,包括OSARO和Covariant,利用深度學習(deep learning),語意分割(semantic segmentation),及場景理解(scene understanding)提高了低階相機的深度及影像辨識,讓製造商不需要使用昂貴的相機,也能得到足夠準確的影像訊息,成功辨識透明或反射物體包裝。
2. 可擴充性(Scalability)
深度學習不需像傳統機器視覺一樣,需要事先建構每一個物品的3D模型。只需要輸入圖片,經過訓練,人工神經網路就能自動辨識影像中物體。甚至能使用非監督或自監督學習,降低人工標籤數據或特徵的需要,讓機器更近接近人一樣的學習,免去人為干預,讓機器人面對新的零件再也不需要工程師重新編寫程序。隨著機台運作,收集到的數據越來越多,機器學習模型的準確度也會進一步提升。
目前一般生產線通常有震動台、送料器、輸送帶等週邊設備,確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展,讓機器手臂更加智能,或許有一天這些比機械手臂更昂貴四五倍以上的週邊設備將不再被需要。
另一方面,由於深度學習模型一般儲存在雲端,這也讓機器人能夠互相學習,共享知識。舉例來說,若有一台機器手臂經過一個晚上的嘗試,學會如何組合兩個零件,便能夠很輕易地將這個新的模型更新到雲端,並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間,也確保了品質的一致性。
3. 智能放置(Intelligent Placement)
一些對我們來說一點也不困難的指令:請小心輕放,或把物品排列整齊,對機器手臂而言卻是巨大的技術挑戰。
如何定義「小心輕放」?是在物體碰觸到桌面的瞬間停止施力?還是在移動到距離桌面6公分處放手讓物體自然落下?或是越靠近桌面就越降低速度?這些不同的定義又會怎麼樣影響物品放置的速度和精確度?
至於將物品「排列整齊」就更困難了,先不論每個人對整齊的定義都有所不同,為了能將物品精準地放置在想要的位置及角度,我們首先必須要先從正確的位置拿取物品:機械手臂依然不如人手靈巧,且目前一般機器手臂大多使用吸盤或是夾子,要做到人類關節及手指的靈活度,還有一大段距離。
其次我們要能即時判斷夾取物體的角度位置及形狀大小,以下圖的杯子為例,需要知道杯口朝上或朝下,要側放或直放,也要知道放置的地方有沒有其他物品或障礙物,才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務,這些複雜的作業幾乎不加思索就可以完成,但機器並沒有這樣的經驗,必須重新學習。
經由AI,機器手臂可以更精準地判斷深度,還可以透過訓練,學習判斷及做到杯子朝上,朝下等不同狀態。也可以利用對象建模(Object Modeling),或是體素化(Voxelization),來預測及重建3D物體,讓機器可以更準確掌握實際物品的大小和形狀,進一步將物品放到該放的位置。
AI機器人將如何顛覆製造業?
現在我們知道AI可以讓機器做到許多以往做不到的事,但這對製造業現行的產業結構又會有什麼影響?誰能夠把握住新科技典範轉移技術帶來的機會?哪些公司又會面臨前所未有的挑戰?
AI機器人帶來的破壞式創新(Disruptive Innovation)
破壞式創新由哈佛商學院教授克雷頓‧克里斯汀生(Clayton Christensen)在其著作《創新的兩難》(Innovator’s Dilemma)當中提出。理論的中心思想是:
產業中的既有業者一般會為了服務現有客戶(通常也是利潤最高的客群),而選擇專注於「持續式創新」,改善現有的產品及服務。此時,一些資源較少的小公司把握機會,瞄準被忽略的市場需求,而取得進入市場的立足點。
破壞式創新又分為以下兩種:
(1)低階市場創新
一般大家較為熟悉的是「低階市場創新」,數位照相技術就是一例。早期的數位相機不僅解析度不佳,而且還有快門延遲很長的問題,但隨著數位照相品質及解析度逐漸進步,數位相機逐漸從低階市場晉升為主流。諷刺的是,柯達雖然研發出數位相機,但卻因為無法放棄當時該公司占據全球3分之2的底片市場,而最終被新技術淘汰。這正是所謂的「創新的兩難」,既有業者雖然看到新科技的威脅,但卻因為現有公司結構,策略等種種原因無法及時因應。
(2)新市場創新
「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如,電話剛推出的時候只能被用來做短距離的本地溝通,因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利,因為該公司最賺錢的是長途電報市場,當時甚至不認為短途溝通會是一個市場,更不用說預見後來人人都用電話溝通的情景了。
而AI機器人帶來的,正是「新市場的破壞式創新」!
目前汽車及電子製造業占工業機器手臂出貨量的60%,這也導致市場領先者發那科(FANUC)、ABB、KUKA、安川(YASKAWA)專注於「持續式創新」:做他們最擅長,客戶也最需要的,進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業,或製造業中的「備料程序」成為被忽略新市場。這些客戶並不需要這麼高速度,高精度的作業,但需要機器手臂更靈活,更能彈性自主學習辨識及處理不同的零件或是工作。
新創AI機器人公司看到這樣未被滿足的需求,開始將人工智慧應用在機器人上,使得機器手臂可以被用在備料,包裝,倉儲等新市場。他們使用較低階的相機搭配機器學習模型,讓以往只能由人工作業的備料,貨物分撿等程序自動化,讓機器手臂可以被運用在更多不同的地方,甚至整個產業。
有趣的是,這些新創公司一般不自行生產機器手臂,而是專注於開發機器學習模型、機器視學及控制軟體,在硬體方面則選擇跟既有機器手臂廠商合作。因此,你可能會想,就算這些機器手臂公司不追求AI創新,他們也不會被時代淘汰,因為自動化還是需要硬體的供應。
但是,這樣想忽略了幾件事:
首先,有些機器手臂公司已經先嗅到了商機,並開始一邊與這些新創公司合作,一邊建立自己的AI團隊。這些公司因為率先採取行動,可以更快地在這些以往服務不到的新市場中建立客群,進一步領先競爭對手。
其次,隨著AI應用的普及,產業鏈中的最大價值,會逐漸由硬體轉向軟體及數據。 這點,我們已經可以從無人車的發展趨勢中看出。一但無人車可以做到高度自主,大部分的價值都會在掌握無人車機器學習模型及自駕數據的特斯拉,或Google等公司的手裡。這也是為什麼車廠人人自危,不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來,機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。
AI機器人帶來的挑戰與機會
AI及機器人的結合帶來許多的可能性,但是這些改變絕非一蹴可幾。機器手臂公司縱使開始投資AI,也依然會面臨當初柯達所面臨的「創新者的兩難」。
要如何重新打造組織及發展策略,才能夠讓轉型的負面影響降到最低,也考驗各個公司管理階層的判斷與決心。
另一方面,開發全新市場也絕非簡單的事,新創公司仍需要和製造廠商密切合作,開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更複雜多樣,新創公司雖然了解AI及機器人技術,但卻不一定了解製造流程。這也給台灣製造廠商一個搶得先機成長轉型的最佳機會。
如果台灣廠商能夠率先和這些新創公司合作,不僅能透過流程自動化提升生產效率及品質,還能做到以往較難做到的少量多樣客製需求,擺脫大量製造,削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場,和國際新創合作開發針對電子或半導體製造業的專屬解決方案,進而銷售到其他國家。
日前,曾任職於Google與百度的吳恩達(Andrew Ng)受邀來台演講中也指出,台灣應該善用自己在半導體與製造業的既有優勢,發展人工智慧,成為除了矽谷、北京之外的下一個AI Hub。 相較於其他像是零售或是消費性網路領域這些現在發展相對成熟的AI應用,台灣在製造產業中發展人工智慧,不但更具有了解應用案例、掌握數據等優勢,也有機會能夠藉由AI機器人等新技術,達到產業轉型的目的。
附圖:KIT工具包 — source: kitting-assembly.ca
深度學習物件辨識範例,由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。OSARO
傳統及AI機器人創新策略比較 — source: Bastiane Huang
製造業自動化產業鏈- source: Bastiane Huang
資料來源:https://medium.com/marketingdatascience/ai%E6%A9%9F%E5%99%A8%E4%BA%BA%E5%B0%87%E5%A6%82%E4%BD%95%E9%A1%9B%E8%A6%86%E8%A3%BD%E9%80%A0%E6%A5%AD-ee2dbc3db7e4
ai平均分割 在 [平面] Illustrator CS 如何依角度分割圓形? - 看板Digital_Art 的推薦與評價
使用軟體: Illustrator
版本: CS
附加使用軟體:
問題描述: 想把一個填色圓形,以圓心為基準點,依角度分割,分割後
各片填不同顏色,但不知如何精確分割?
已嘗試過方式: 物件→路徑→分割下方物件
爬文(Google)?y
請各位板友教教我吧!謝謝!
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 211.75.223.59
... <看更多>