夢幻天堂

工商時報【劉耕睿】

隨著物聯網時代來臨，大數據浪潮也攀上高峰，社群媒體、金融、工業、醫療與零售業者都有心參與其中。大數據發展是以技術帶動改革並改變產業的現象，廠商若不做則終將被市場淘汰。而隨著大數據的數據複雜度增加和資料量暴增，人力或既有硬體難以負荷時，人工智慧將成為協助人力並進行系統最佳化的有利助手，因此大數據和人工智慧的融合和互助也正是市場未來趨勢。

大數據核心技術建立於資料庫和資料分析等技術，因此須以企業應用為基礎向外擴散，才能協助廠商根據使用者體驗來提高對未來的預測。

舉例來說，大數據可進行重大危機管理、支援多樣化業務、內部資源最佳化、自我學習調整。最重要的是，大數據也能指出硬體設備更換時機、探測市場風向，甚至能預測疾病爆發地點，應用十分重要。

也由於網際網路和物聯網的興起，加速資訊的傳遞和創新應用，各行各業開始收集商業過程中各種數據資料，並將其利用融入既有商業模式。除社群網路平台之外，電信、金融與電子商務都加入大數據分析行列；製造、零售與醫療則是下一波加入者，食品安全與公共衛生也有大數據分析的案例。

許多廠商更能透過大數據分析來引導商業模式轉型，例如英國的勞斯萊斯，結合物聯網和大數據應用發展引擎監控維護管理服務，讓全球客戶都能在勞斯萊斯即時監控下，提供最快速的維護作業或提前更換零件，使客戶無預警故障率、維修成本大幅下降，更大幅提升飛安保障。

基礎建設與技術為關鍵

最初大數據概念幾乎都是由網路原生企業所帶領，如Google和Facebook等，這些企業在推動業務時，也同步研發出相應的大數據技術，為要將先進技術進行商轉，基礎建設和技術持續開發就成為這些網路原生企業的重要投資。

非網路原生企業的大數據應用需求近年確實顯著增加，但會面臨資料量大幅暴增和不知該如何處理的困境。從數據的收集開始，廠商就會面臨後續資料的儲存、管理、查詢、分析與呈現方式，相關基礎建設和技術如何取得的問題。而內部人才的不足、企業整體改革的決心與領導者對大數據知識的缺乏等，也都是會面臨的挑戰。

此外，大數據各技術所需的基礎建設也同樣面臨挑戰。例如資料收集有賴於感測器、智慧裝置與閘道器等硬體建置，但感測層的建置關鍵仍在於通訊協定和軟體平台的整合。儲存方面則面臨多種類的資料來源或水平和垂直擴充等需求，更有新技術或新硬體規格如全快閃儲存陣列、混合儲存陣列、超融合架構（hyper-converged）與軟體定義儲存等。而最終大量的數據與龐雜的硬體架構，將衍伸出企業在管理上的困難，IT系統的可靠性、效能以及快速因應市場的能力，將直接面臨企業在數位轉型上的重大挑戰。

大數據技術正經歷革命創新時期，開源也迅速獲得市場青睞，Hadoop、Spark與Ceph等新興架構都從開源社群中脫穎而出，並成為業界最常使用的相關技術。開源技術對初期嘗試大數據應用的廠商也是入門優先選擇，當廠商逐漸了解大數據能帶來的效益和廠商本身所偏好的技術型態，便有可能找尋解決方案廠商來使用更具架構和規模的大數據系統。

企業需要「資料驅動」

基礎建設和技術開發是大數據根本，對廠商而言，最重要的是如何將技術、人、企業流程與數據揉合於一體，如數據採集過程中需考量哪些數據是需要的、哪些數據是有用的、數據如何組合使用，以及分析結果是否符合實際商業流程等。

當大數據根基深入企業核心價值，「資料驅動」（data driven）將形成企業新文化，以資料為核心進行業務調整和資源重新配置，並從中尋求企業轉型的機會。人才的尋求和培育，也是現階段廠商需審慎思考並妥善規畫的重要議題。

大數據有所謂的3V（volume、variety與velocity）需求，為了要達到3V需求，許多技術也因應而生，例如大規模平行運算、海量資料儲存、分散式資料、高速網路與軟體定義等；擁有處理資料的能力，下一步則是希望能從中獲得洞察，及預測未來的能力，因而使人工智慧重新受到了重視。

人工智慧逐漸融合大數據

一、大數據分析需求使人工智慧再次受到重視

「經驗」是過往商業運作的依據，但經驗依賴的是人，當資訊量和複雜度增加時，人的經驗可能產生錯誤，或沒有足夠時間理出適當解決方案，大數據爆發式的資料量更讓人無所適從，因此處理大數據後續的自動化分析和洞察預測便成為人工智慧再次被討論的關鍵原因。

人工智慧在過去礙於技術能力不足，無法有實際的產品或服務出現，直到近年深度神經網路技術精進，讓機器學習與深度學習技術能有實質上的精進，資料科學家只需不斷將資料丟入機器運算中心，便會自動淬鍊出一套能跑出最佳結果的資料模型。爾後，將新資料持續丟給模型，讓模型自動透過自我的判斷、驗證與學習，來達到處理資料方面的自動化和智慧演算；再加上市場對於高性能運算的需求以及運算能力的大幅躍進，現行人工智慧已能處理大量或高度複雜資料的判讀。

二、人工智慧應用趨勢

語音辨識、圖像辨識與機器視覺、機器學習是人工智慧當前熱門主題，廠商利用這些技術可更深度了解用戶和消費者，在人機介面上也能優化流程和降低時間成本，同時給予廠商更多創新發想的機會。

舉例來說，透過亞馬遜的Alexa、Google的Google Assistant與微軟的Cortana等語音辨識系統，用戶得以直接用自然語言來達到搜尋或下指令的目的，廠商也能藉此提升個人智慧助理和智慧家庭的接受度。

圖像分析可協助智慧零售等場域，利用影像或圖像快速辨識會員和新客戶，並給予即時、精準且客製化的廣告推播或會員服務，機器視覺則是賦予機器更多元辨識能力，工業、物流與交通領域，都有機會藉此進行流程的加速與提升自動化能力，例如製造業可利用機器視覺進行零組件自動分類和組裝來加速流程和優化人力配置。

此外，機器人結合人工智慧所衍伸的服務型機器人和社交機器人也是未來趨勢，但仍需更多元的感測，以及更智慧的判斷機制（即演算法），讓機器人更加人性和友善。

由於能更加貼近用戶和消費者，英特爾、Google、推特、臉書、亞馬遜、蘋果與Salesforce等知名廠商，都對人工智慧有著相當積極的態度。2013年發生許多併購案，多數關於自然語言分析、語音辨識、圖像分析與機器學習等技術，例如蘋果收購Vocal IQ（語言處理）、Salesforce收購MetaMind（深度學習）、亞馬遜併購Orbeus（圖像辨識）、英特爾買下Saffron（認知運算）與臉書收購Wit.ai（語音辨識）等。

另一方面，IBM推出以Watson系統為基礎的認知物聯網（cognitive IoT），藉串接物聯網前端裝置和後端的應用分析，並改變以往「有前提」的分析模式，轉成以開放中立的方式進行資料萃取並給予洞察，其中便是將自然語言分析、內容分析、圖像分析與機器學習等進行融合使用，以多維度的技術架構來建構並提供解決方案。

三、人工智慧主戰場：集合大數據、提供客製化

上述人工智慧技術勢必將融入在各垂直領域與應用情境中，並從人機介面與輔助用戶的定位進行切入，而後持續進行數據與演算機制的深化。如現階段人工智慧可從智慧家庭的接入為出發點，如亞馬遜Echo、Google Home等智慧裝置，但在醫療產業應用中，大數據分析與人工智慧則可深度協助其在基因組學、藥物開發與精準醫療等領域不斷精進，知名案例如IBM Watson即可快速歸納歷史病例、進行病情分析，協助給予醫生治療建議。

零售產業亦能利用人工智慧結合物聯網和演算法的功能，了解消費者在實體店內的行為和消費模式，並預測消費者未來消費可能需求，藉此提供客製化促銷。在電商方面，則能利用大數據和人工智慧技術不斷了解和學習消費者的「數位身體語言」，全方面了解使用者網路行為，藉由動態分析進行行銷自動化的機制，並針對使用者體驗進行持續性地優化。

人工智慧將給予各行各業更高的智慧自動化和精準客製化能力，而人工智慧背後演算法的撰寫能力，將是人工智慧是否能持續精進的關鍵。

四、安全機制與防備措施

人工智慧的進步有可能大幅度改變用戶習慣、作業流程與商業模式等，其便利和效率提升將帶來巨大熱賣的便利和效益。但人工智慧發展過程中也曾被質疑，例如道德和犯罪問題，因此人工智慧發展過程中，必須設計相關防備措施。

防備措施如須以協助人類為主、過程要適度的透明化、隱私權的保護、具有解除危機的演算法與防衛誤差的機制，如何讓人工智慧發展過程中能不失去控制，有賴於初期演算架構的設計。目前有相當多新創廠商投入人工智慧（全球2015～2016年人工智慧新創廠商增加1倍至1,200家），唯有能擁有安全機制的廠商，才有機會被用戶信賴。

結論

以資料為企業驅動力的趨勢已漸漸成形，不論廠商是將數據資料用於設備改善、產品良率提升、流程精進、精準行銷或客戶服務最佳化，都將超越過往以人類經驗為基礎作為策略訂定的不確定性。

但大數據最大盲點是找錯資料和用錯資料，資料本身是中立的，當使用者搞不清楚應該使用何種資料或誤用資料，那數據分析出來的結果未必對於廠商有實質上的幫助，甚至產生誤導，最終反而造成企業損失，因此數據使用者或企業領導者對數據的知識含量必須要有一定水準。

另外，大數據可分成公有數據和私有數據，前者通常來自政府機關或相關非營利組織收集而來，如氣候、地質與人口結構等，而私有數據通常來自導入大數據應用的廠商自行收集，例如農場的設備資訊、土壤狀況與灌溉級別等。

雖然單純利用公有或私有數據都有機會提升效益，但若能混合使用並找出各數據的相關性和影響程度的多寡，公私數據的交叉應用更能讓數據的實質內涵，獲得更好的解讀和可用性，如此也能進一步降低數據收集成本，並提高數據收集的實際效益。

此外，異業結盟會是大數據成功的必要條件，因此異業彼此間的資訊分享和交換將不可避免，大數據時代將屏棄過往資訊封閉的產業狀況，唯有合作和適度開放，才能從資料的交叉對比中找出雙贏方案。（本文作者為拓墣產業研究所研究員）

下面附上一則新聞讓大家了解時事

（中央社記者李晉緯花蓮28日電）台灣新生代自行車女將陳姿吟今年在台灣自行車登山王挑戰（KOM）的成績與去年相比，進步50分鐘，拿下女子組第3名的好成績，對此她表示，會再持續訓練，希望明年拿下冠軍。

台灣自行車登山王挑戰（Taiwan KOM Challenge）今天從海拔0公尺的花蓮七星潭鳴槍出發，一路挺進至海拔3275公尺的武嶺。

宜蘭縣自由車運動協會LIV宜蘭女子培訓隊的陳姿吟，今天以4小時38分7秒11拿下女生組的第3名，是這組表現最好的台灣選手，成績甚至優於以4小時39分57秒64，排在第4名的里約奧運國手黃亭茵。

陳姿吟說，今天她騎了45公里左右後被甩開，當時她知道如果硬跟會花費不必要的體力，後面的成績可能會沒那麼理想，所以她就照著自己的配速慢慢追回落後，騎了60多公里後她看到黃亭茵，之後慢慢追上並超越黃亭茵。

回顧過去的參加經驗，已連續3年參賽的陳姿吟說，首次參賽時，她邊踩著沈重的踏板，邊在心中默默的想，「到底為什麼要報名這麼困難的比賽？」，有過經驗後，第2次參賽時就想拚完賽，這次再來，就想騎進前3名。

去年參賽，陳姿吟以5小時28分10秒95完賽，今年成績一口氣進步約50分鐘，成長幅度十分驚人，對此她對自己今年的成績表示滿意，唯一的遺憾是沒有拿下第1名。

陳姿吟說，之前兩次參賽都騎到抽筋，暑假到中國大陸做高山訓練，加上有了前兩年參賽的經驗，讓她更瞭解地形，也更能克服地形帶來的困難，今年騎起來，相對前兩年輕鬆，也沒有像前兩年一樣出現抽筋的狀況，雖然成績有大幅進步，但她看到前兩名選手的表現，就覺得自己練得還不夠多，明年她會再來挑戰，希望屆時能如願拿下第1。

台灣自行車登山王挑戰全長105公里的賽程中，約有90公里是以平均7%的爬升率穿越壯麗的太魯閣峽谷向上攀升，賽道最後10公里更是坡度陡達17%到27%的「天堂路」，是全世界少有需在極短距離內高度爬升的特色路段，因此被法國銷售量最大的自行車雜誌「Le Cycle」評比為世界十大最艱難賽事，是與歐洲阿爾卑斯山同等級的經典賽事。1051028

(WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 推薦, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 討論, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 部落客, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 比較評比, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 使用評比, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 開箱文, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運)?推薦, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 評測文, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) CP值, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 評鑑大隊, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 部落客推薦, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 好用嗎?, (WISER智慧家)勳風8公斤 /耐高扭力/超高速/更防震-脫水機(HF-838)(含運) 去哪買?

• 暢銷 吸盤式可掛放防水面紙盒-開箱
• 可刷卡 黑人全亮白牙齦護理牙膏140g-6支心得
• 最便宜 【日象】15人份金碧輝煌全不鏽鋼養生電鍋 ZOR-1558S搶先看
• 破盤 【GREE臺灣格力】1級效能除濕機12L智慧除濕機GDN12AJ最新