應用實例7大優勢

希望透過全新的 AI 技術協助使用者在學習中文 ( 漢語 ) 時，可以有更好的工具來練習口語對話及發音。 與台灣南部各大華語中心合作，結合前沿科技自有的中文語意處理技術，所開發的新世代 中文 ( 漢語 ) 學習 App。 UiPath 機器人在每週一與週四上午9點被觸發（善用多個機器人排程功能），自動填充報告資料並執行相應的巨集作為驗證和資料轉換過程的一部分，最後將整合結果 Email 到各專案 PM 進行複檢。 以某家導入 UiPath 的客戶為例，該公司的財務人員每月月初要連上SAP系統，重複下載9大部門的資料，並據此製作包括「匯率評價匯總報表」、「損益表」、「應收/應付帳齡表」等多份Excel報表，並將產出結果提供給各部門主管。

技嘉 DNN Appliance 整合上述所提到的軟體及硬體要件，提供一個能立即使用的深度學習開發環境，企業不需額外進行複雜的硬體整合、相容性測試以及軟體最佳化的繁雜工作，只需專注在深度學習的應用開發上。 另一方面，企業如果要從零發展深度學習技術，不只是數據、軟體的堆疊，也必須針對硬體層面進行適配性與效能改進，如果企業沒辦法建立自己的硬體環境，則必須向 Google Cloud Platform 或是 AWS 購買昂貴的雲端算力，依據地區、租用硬體配備、模型的難度、網路流量不同，價格都會有很大的差異。 「自駕無人車隊」是被寄予厚望的商業應用，只要輸入地址就能自動載你到目的地，雖然自動駕駛技術越來越成熟，但我們仍然會擔心駕駛座沒有真人司機會發生意外。 為了避免自駕車發生車禍，車輛與車輛間的即時通訊愈顯重要，自駕車透過邊緣運算來認知環境、掌握距離，還能將感測到的道路資訊回傳到基地台，收集所有車輛的位置數據後，便可預測車流做出路線建議、掌握突發路況等，確保行車安全。 專家系統（expert system）最早約可追溯到1960年代，由科學家Edward Feigenbaum提出，而他同時也被稱為專家系統之父。 此時專家們試圖找出有哪些專業領域需要高度專業知識，比如疾病的診斷等，並發展出一套能仰賴本身知識以解決問題的智慧系統。

應用實例: |  智慧中文 ( 漢語 ) 學習 App

而分析後的數據就可以幫助我們優化業務流程、瞭解客戶、擬定廣告投放策略、提高投資效益，例如電商平臺就針對用戶評論數據建立數據庫，分析用戶的消費模式，擬定行銷活動、優化產品，來達到提高收益的目的。 日本最大的保全公司Secom在2015年12月開始提供民用無人機的保安服務，能全天候自動監控社區住宅、工廠和商場，來確保安全，一旦發現有入侵者或可疑車輛，便會記下車牌號碼、服裝和臉部特徵等，來提供警方後續的偵查辦案使用。 交通局向叫車業者取得一周資料，包括電招、App叫車、路招等，以了解民眾上車及下車需求，以地圖套疊圖資，能看到民眾在臺北市各個路段的上車、下車分布情形，如什麼時段、什麼路段，使用電招或是App叫車、路邊招車等方式上車，觀察民眾上車的招呼熱點或熱區。 O.Speech能協助你的專案更貼近使用者的需求以及自建語料庫的可能。 O.Speech可以打造專屬於企業的客服機器人，大幅度減輕線上人員的負擔，提升客戶滿意度，最重要的是後台數據分析所帶來的龐大效益。 可以透過 Hanyu+ for School 的雲端系統功能，了解學生的學習歷程、指派學習作業、得到練習時的語調分析、規劃教學用的影片與投影片。

從印表機、除草機到噴射引擎，生產技術性設備的公司可能會發現，運用 AR 技術雖然無法創造出如 Pokemon Go 那樣蔚為風潮的產品，但推行這項技術仍舊能為客戶帶來實際的好處。 4K 網路電視盒搭配 O.Speech AI 語音助手，讓看電視、聽音樂，詢問天氣股票等等，都可以透過智慧語音控制。 中華電信在5G開臺活動中，展示和夥伴共同合作的5G無人機空中監控／巡檢，這套系統可應用在防災救援，還有橋樑、道路、水庫或農田等特定場域的巡檢工作上。 為了要做到數小時內商品快速到貨，臺灣最大電商平臺momo，很早就在自家物流倉儲中心內，導入AGV無人搬運車，現在在momo倉儲中心裡，每天不只有揀貨作業員，還看得到不少無人搬運車在倉儲內到處穿梭，協助揀貨員完成商品揀貨、搬運等作業。

應用實例: |  智慧學習

這個去中心化的架構，可以防止單一實體控制所有記錄，讓參與區塊鏈網路的每一個人都成為資料的擁有者。 不只減少記錄出錯的機率，以往從銀行內部竄改交易資料的情況也不會在區塊鏈上發生。 應用實例 此外，除了區塊鏈的結構之外，如同前面的例子所提到的，區塊鏈也利用分散式帳本技術（distributed ledger technology）將這些存有資料的區塊分散儲存在不同電腦上，除了讓社群中每個人都擁有資料紀錄，避免資料遭到刪除之外，也達到了去中心化架構的透明度和安全性。 事實上是電腦收到符合模型參數內的音訊內容，會比對訓練後的結果、再將進行歸類、最後從資料庫抓出對應的語句，並作出預先設定好的反性，一來一往形成了流暢的語音助理對話，其中深度學習技術扮演著非常關鍵的角色。

• 5G的高速傳輸，讓無人機拍攝的影像，連結後端AI雲端運算系統，例如辨識人員或汽車，或是橋樑上的裂縫，或是和歷史影像比對，辨識特定事件發生前後的變化。
• 另外我們也很清楚，在危險的引擎室中使用 AR 解決方案，會有安全上的疑慮。
• 這項技術原理是透過手機鏡頭讀取景物，再以預設好的演算法辨識該用何種場景模式進行畫面調整，雖然手機內無法做到「訓練模型（Training）」，但仍可以透過處理器「推導模型（Inference）」，手機品牌廠會將訓練好的圖像辨識模型安裝到手機中，手機處理器只需要透過中央處理器或是特殊的影像處理晶片便可套用。
• 行動不便的年長者，現在要清理家中的地面環境，可以交由更聰明的掃地機器人幫你打理。
• Google 語音助理、 Siri 以及亞馬遜的 Alexa 現在已經能夠清楚地辨識我們的聲音與講話內容，靠的就是深度學習中「自然語言處理」的分支技術，藉由大量的文本資料搭配音訊數據，透過音樂的波長、聲音斷句、語調的頓挫，將類比資訊轉為數位音訊進行分析訓練，進而讓程式能夠辨認人類的說話內容和文法結構。
• 日本京瓷在2015年9月推出一項健康塑身App服務「Daily Support」，能依據人體腰圍脂肪多寡，來提醒量測者可能引發腦心血管疾病的風險。

這時如果能利用 AR 應用程式，以動畫方式呈現系統使用電力的過程，便可協助客戶更加了解車輛的運作方式，進而知道如何保養車輛。 這類 AR 使用案例不僅對內部目標對象 (例如技師) 非常實用，也能為客戶創造實際應用的好處。 ERP 系統是所有企業的核心，透過 RPA 建立報表自動產生可減輕工作人員負擔，也可減少出錯機率。 有時新型製造的架構上，ERP 需要針對性進行調整，選擇使用 RPA 取代開發不同的 API 應用也是一種更有效率的方法。 簡單來說，區塊鏈是一個建立信任的技術，只是其方式並非透過第三方認證，而是將紀錄加密並分散儲存，使紀錄幾乎不可能被竄改或刪除。 如此一來，區塊鏈技術就可以被用來取代各行各業傳統上需要第三方認證的業務，像是銀行處理轉帳交易、公證人認證買賣契約、驗證身份系統等等，讓手續變得更簡單，甚至提升數據的安全性與公信力。

應用實例: 應用實例英文

這些資訊在輸入系統後便無法更改，並且完全透明，可以增加對食品供應鏈的信任。 以下兩個區塊鏈應用實例的介紹，可以幫助你更清楚地看到區塊鏈技術可以如何改變我們現在的生活方式。 如果單項深度學習模型採用最基本的配置，並額外租用顯示卡處理以縮短訓練時間，企業一個月花費至少數千美元，若是較為複雜的深度學習模型，則必須租用更多核心、更大記憶體的硬體配備，更常見的狀況是一口氣處理數個學習模型，此時出租費用將是數十倍計算，對於中小企業來說難以負擔。

另一個是已經發生的案例，高通（Qualcomm）的 Snapdragon 系列手機處理器具備多項的 AI 演算法，手機品牌廠即使沒有影像演算法的背景，仍然可以購買公版的演算法應賦予手機 AI 攝影功能。 在這項基礎上，圖像辨識已經衍生出多項應用，「自動駕駛（Automated Driving）」是最廣為人知的一項應用， Nvidia 、 Tesla 、Waymo 跟 Intel 旗下的 Mobileye 等等企業早已展開激烈的軍備競賽，投入大量的資金研發，瞄準一年數千億美元的傳統汽車市場。 「深度學習（Deep Learning）」透過多層的訓練模型篩選輸入的資料集，在每一個篩選層不斷調整各個資料特徵的權重，逐步提高猜測結果的正確率，最後當輸出值的正確率達到理想範圍，整個過程被稱為「訓練（Training）」。 「人工智慧」字面上雖然是將電腦模擬成人腦，以低成本、高效率的機器取代人工執行，但這是錯誤的說法：目前人工智慧與人腦的運作模式天差地遠：電腦架構上只能處理數位訊號 ( 0 跟 1 的組成的數位訊號)。 虛擬實境（VR）具備強大的影音傳播功能，透過 360 度環繞式影像使玩家沉浸於虛擬世界中，然而 VR 頭盔過於沉重，無法帶來長時間良好的配戴體驗，而 5G 技術就是 VR 裝置輕量化的關鍵。 藉由 5G的大頻寬、低延遲特性，遊戲串流將出現強勁成長，以往玩家追求玩遊戲時能夠展現絕佳的聲光效果，需要高規格、高效能的硬體設備來支援，但未來高負載的運算工作會交給遠端的資料中心處理，即使玩家人在外面，不用仰賴笨重的桌機，只要打開平板或筆電便能暢玩 3A 級高效能遊戲。

應用實例: 網路爬蟲與擷取資訊

另一項已經成熟卻鮮為人知的應用是影音過濾系統（Video Surveillance），隨著 YouTube 、 Facebook 、Twitter 等社群平台普及到生活中，產生了大量的圖片與影片，其中總是暗藏不雅、噁心圖片或是侵權內容。 短訊服務能減低學校的行政成本，除了應用於天氣突變，亦可作為與家長溝通的渠道，例如：某中學每天下午均會把學生的即日表現透過短訊呈示家長，不需依頼手冊，成效直接。 至今，Google無人汽車僅發生十多起的事故擦撞，絕大部份都不是由Google自駕車所引起的事故，且都未造成嚴重的車禍傷亡。 截至今年4月，Google已有58輛自駕車在美國加州山景城、德克薩斯州奧斯汀、亞利桑那州鳳凰城和華盛頓州柯克蘭城市的一般道路進行實測。 去年COVID-19疫情迫使民眾減少實體消費，改為線上消費，嚴重衝擊國內各個產業，政府為振興經濟，去年7月祭出振興三倍券，民眾花費1千元，就能獲得三千元的三倍券，希望能帶動民眾的購物消費，降低COVID-19對經濟的衝擊。

實務上的應用，例如google就是使用Python作為網路爬蟲工具，使搜尋引擎可以找到你需要的資料；比價網站如BigGo，主要也是運用Python來蒐集各個目標產品的價格與購買資訊。 許多網站的資訊、社群平台的發言、按讚數蒐集，都可以運用Python設定條件來取得。 日本6大綜合商社之一的雙日株式會社在2016年2月宣布展開一項健康監測服務的實驗計畫，在新屋住宅內設置新式的感測馬桶，能經由尿液檢測追蹤住戶每日的健康狀況，並可從排尿分析提供17項健康風險指標，例如，糖尿病、痛風、高血壓和心臟病等常見疾病，而住戶也能利用手機App來查詢和追蹤管理，及早預防治療。 這項量測服務將在2016年夏天推出，未來也會設置醫院提供付費服務，檢驗費用每人一次日幣980元。

應用實例: 服務內容

Google在2016年5月首次宣布與大型汽車廠商的合作計畫，將攜手美國三大車廠之一的克萊斯勒合作打造無人休旅車，年底前將會有100輛搭載Google自動駕駛技術的克萊斯勒休旅車，將在Google位於加州的私有道路上進行測試，之後再擴大到公用道路實測。 日本京瓷在2015年9月推出一項健康塑身App服務「Daily Support」，能依據人體腰圍脂肪多寡，來提醒量測者可能引發腦心血管疾病的風險。 而要完成測量的方式也很簡單，只要利用手機內建的陀螺儀感測器，來感測身體腹部的面積形狀，就能經由軟體算出結果，並以圖形來呈現受測者身體內臟脂肪的面積大小，給予由1到最高10個風險判定，當級數越高時，代表可能引發腦心血管疾病的風險越高。 這項用手機量測腰圍脂肪的方式，雖然只用手機就能操作，卻具有媲美專業儀器量測的精準度。

• 除了以上提到的食品業和醫療產業之外，區塊鏈在金融業、保險業、出版業、專利登記、智慧財產權保護、公民身份紀錄等領域也有很廣泛的應用潛力。
• 實務上的應用，例如google就是使用Python作為網路爬蟲工具，使搜尋引擎可以找到你需要的資料；比價網站如BigGo，主要也是運用Python來蒐集各個目標產品的價格與購買資訊。
• 「深度學習（Deep Learning）」透過多層的訓練模型篩選輸入的資料集，在每一個篩選層不斷調整各個資料特徵的權重，逐步提高猜測結果的正確率，最後當輸出值的正確率達到理想範圍，整個過程被稱為「訓練（Training）」。
• 雖然一般中小企業導入深度學習技術的難度還很高，但隨著各大 AI 技術公司公開販售訓練好的深度學習模型，未來人工智慧技術將廣泛應用在我們生活的各項應用中，像是 NVIDIA 、Intel 跟 Waymo 都會對外公開販售自動駕駛技術，即使是沒有科技背景的傳統車廠也能讓自家的汽車產品具備同樣的先進功能。
• 利用 UiPath 內建的 Word 互動元件去讀取 Word 檔資料，並與 104網站、內部HR系統、AD管理工具等程式互動，依照預先制定的填寫與操作邏輯完成「職缺刊登」、「新人資料檢核建立」、「各系統帳號建立」等作業。

目前的專家系統發展雖然存在一些限制，在在未來，專家們將致力於改善許多今日專家系統的缺失。 應用實例 而值得注意的是，不只是科技方面的不足需要被改善，在相關配套的法律政策與措施方面也需要與時俱進，這樣專家系統/人工智慧跟人類社會才能達到共生共榮。 也就是說，了解個人的知識，以及了解何時與如何運用它是專家系統很重要的一環。 這也被稱為「後知識」(meta-knowledge)，意即「關於知識的知識」。 更確切的說，專家系統是一種「知識庫系統」：「這是一種以應用人類專業知識的象徵表達而非演算法或數據法去解決問題的系統。換言之，所謂「知識庫系統」試圖轉譯特定領域人類專家的專業知識，而非使用源自電腦科學或數學，相比之下較複雜且鬆散的方法去解決問題」。 行動不便的年長者，現在要清理家中的地面環境，可以交由更聰明的掃地機器人幫你打理。

應用實例: |  智慧家庭

希望使用者可以享受 Hanyu+ app 所帶來的中文 ( 漢語 ) 學習體驗並得到具體的學習成效。 無人機的應用愈來愈多元，無人機結合5G網路讓無人機的應用範圍更廣泛。 結合5G的高速連結、低延遲特性，操作員可以遠距離透過飛控系統，即時控制無人機飛行，並即時看到無人機的空拍高畫質影像，應用在空中監控／巡檢。 Momo預計採用台哥大5G網路技術，來建置自己的5G專網，未來將透過這個專用5G網路來提供廠內所有AGV設備互連與溝通，讓這些無人搬運車可以做到自動尋貨、自主溝通、避開障礙物，讓顧客更快收到商品。 某一化學公司的重要客戶對出貨管理有很高的要求，要求出貨當天，也要把出貨相關資訊，依照其規定格式上傳到其系統上。

Levi’s會推出這款外套其實是來自於它與Google一年前便開始合作的智慧服飾專案Project Jacquard。 Project Jacquard是Google先進科技與專案（ATAP）主導的一項專案計畫，這項專案計畫的目的，在將觸控及手勢互動的能力織入任何布料，使得未來任何物件，像是衣服和家具都能轉換成互動介面。 從三倍券儀表板中，約24萬綁定卡片的民眾是自行登記或是透過機關的協助登記，最近七日的申請人數、綁定的卡證類別佔比，以及年齡、性別比例，不只是臺北市，儀表板也收整全國綁定的狀況作為參考。 臺北市政府去年響應三倍券政策，針對敬老、愛心卡領三倍券，北市加碼回饋一千元，為了三倍券加碼政策成效，大數據中心在去7月建置了振興三倍券儀表板，針對北市敬老卡、愛心卡及學生卡綁定振興三倍券加碼政策，透過即時統計與歷史數據呈現趨勢。 為了避免群聚感染風險，除了要求民眾進場要消毒、戴口罩，北市還祭出人數總量管制，限制現場人數上限為4萬人，並且配合防疫需要，活動現場控管出入口，並全面以實聯（名）制進場，包括使用身分證掃描進場，或是以臺北通App、MyCode隨行碼進場。

應用實例: 以 IT 單位「應用程式檢查與上版作業」為例

不過Levi’s這件智慧夾克，目前只有在靠近手臂衣服袖口周圍，才有採用了能感測觸控的導電材質織布，其他衣體部位都還是使用一般的布料編成，因此只能做到局面觸控操作。 應用實例 但兩家公司的下一個目標，是希望將整件夾克都能變成觸控衣，在衣服的任一部位都能控觸，以遙控手機功能，甚至利用手勢就能進行操控，將手機的所有操作功能，全面延伸到衣服來實現。 臺北市公運處利用乘車的OD（起始站點）、車上人數變化、旅次鏈查詢等資料，找出民眾在哪裡上車較多，到哪裡下車居多，作為調整行車路線的參考，例如民眾通勤以某個路段為主，可調整該路線公車的路線，也能縮減乘車時間，而較冷門的公車路線，可改採預約乘車的方式，避免運輸資源的浪費。 應用實例 針對車上人數較少的路線，改以小巴載運，讓中巴能夠挪到其他運量較高的路線使用。 這項政策研究衍生相關議題，如何疏解內湖地區交通尖峰時刻的壅塞情形。 這項研究不只是交通局，也涵蓋產業局、都發局所提供的資料，為降低計程車空車在尖峰時段前往內湖載客，大數據中心和交通局討論，利用計程車可附近公有停車場免費停車一小時，將停車場空位資訊提供給叫車業者，吸引計程車空車提前一小時至內湖，減輕內湖交通壅塞的問題。

人工智慧可說是Python如此熱門的原因，Python有許多函式庫可運用於人工智慧的開發，而且還具備高靈活度，讓工程師可以結合不同的程式語言，讓整體的演算呈現最有利的運作。 資料分析處理是Python的強項，因為Python具有很完備生態環境，舉凡數據分析中會用到的分散式計算、資料視覺化、資料庫操作等功能，都有函式庫可以幫助工程師快速完成數據分析，並且以美觀、好閱讀的圖表呈現出來。 數據科學與人工智慧這2個應用是Python的強項，也是Python近幾年來這麼熱門的原因，學會Python除了擁抱未來科技，也幫助自己的競爭力大加分。

應用實例: 區塊鏈教學懶人包：一齊認識區塊鏈和其應用實例

技嘉科技是高性能伺服器產品的知名品牌，發表本篇《科技指南》文章，回顧ARM處理器的發展過程，介紹ARM產品的優勢與特性，並且推薦適用於不同領域的技嘉科技伺服器解決方案，協助您解決在工作上可能遇到的問題。 事實上，人工智慧這項技術雖然已經發展了數十年，但商業價值浮現僅僅是近三年的事情，起初僅有資金深厚的大公司能夠投入這場資本競爭，除了人工智慧技術人才昂貴而且供給不足之外，訓練深度學習模型需要累積非常大量的數據集，而且是「乾淨、一致」的數據才可供模型進行訓練。 Google 語音助理、 應用實例 Siri 以及亞馬遜的 Alexa 現在已經能夠清楚地辨識我們的聲音與講話內容，靠的就是深度學習中「自然語言處理」的分支技術，藉由大量的文本資料搭配音訊數據，透過音樂的波長、聲音斷句、語調的頓挫，將類比資訊轉為數位音訊進行分析訓練，進而讓程式能夠辨認人類的說話內容和文法結構。

SEO服務由 https://featured.com.hk/ 提供