2025年8月8日 星期五

2025 08 08 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 開源地端模型 與 智慧製造 開源地端模型 透過在 本地端部署具有 1.可自訂性 2.低延遲 3.高安全性 的AI 演算法 數位孿生技術 與 虛擬優化虛實融合模擬– 數位孿生 是指在 虛擬環境中建立 1.產品、 2.生產線或 3.整座工廠 的精確數位 模型

 

2025 08 08 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 開源地端模型 與 智慧製造 開源地端模型 透過在 本地端部署具有 1.可自訂性 2.低延遲 3.高安全性 的AI 演算法 數位孿生技術 與 虛擬優化虛實融合模擬– 數位孿生 是指在 虛擬環境中建立 1.產品、 2.生產線或 3.整座工廠 的精確數位 模型

 開源地端模型  與  智慧製造


開源地端模型  透過在  本地端部署具有

    1.可自訂性 

    2.低延遲    

    3.高安全性

的AI 演算法,


能夠實現智慧製造中的

    1.即時品質  監控

    2.預測性      維護

    3.生產流程  優化


開源地端模型指的是

那些  公開

   1.釋出其源代碼、

   2.模型架構  與

   3.部分或全部權 重,並且

   4.能夠在本地硬體(例如個人電腦或內部伺服器)上

   部署  與  運行的 語言模型。


 •此類模型允許使用者在無需依賴雲端服務的情況下,

  自行管理  與  調整模 型,從而更好地保護

  資料隱私  並  滿足個別化需求


  主要特性與優勢– 

    靈活度高:使用者可按需求  查閱、修改與優化  模型。

    隱私保護:資料在本地運算降低  外洩風險。 

     即時響應:減少  網路    傳輸延遲提高  系統   反應速度。 


常見的開源地端模型– 

GPT-2:

由 OpenAI發布,擁有多個不 同參數規模的版本,

其中較小版本對硬 體資源要求較低。

 LLaMA:

Meta發布的系列模型,雖然 使用上可能需遵循特定限制

(  LLaMA 的 原始權重僅對符合條件的  學術研究者  及 機構  開放),

但也被廣泛    應用於   本地化 研究與實驗– 

T5 系列:

由 Google 提出,該模型基 於「文本轉文本」架構,可根據任務需 求進行微調。

針對資源有限的情況,可 選擇 T5-Small 或 T5-Base 版本


數位孿生技術  與  虛擬優化


虛實   融合模擬– 數位孿生 

是指在   虛擬環境中建立

    1.產品、

    2.生產線或

    3.整座工廠

     的  精確 數位 模型,並以 實際資料  加以驅動。

 未來更多製造商  將運用   數位孿生  來  優化生產

透過在虛擬工廠中模擬 各種  生產  參數變化AI可以預測 不同設定對

產出、品質的影響,協助 找出    最佳方案。 


產品   研發 與 產線   導入–數位孿生

除  優化現有流程,對 新產品導入 也  極為有利

研發團隊   可先 行建立   產品的  數位孿生

在虛擬環境中  模擬    製造與組裝過程,預估  良 率 和  周期。

若結果不理想,可在虛擬模型中  反覆修改   設計 和 製程,

直到達標   再轉 到   實體試產大幅縮短  研發週期



2025年8月4日 星期一

2025 08 04 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 模型訓練 是 機器學習過程 的 核心階段,其目標是透過學習 輸入特徵 與 輸出結 果 之間的 映射關係,找出最優的模型參數。 模型訓練 通 常涉及 1.損失函數的設置、 a. 均方誤差(Mean Squared Error, MSE): b. 交叉熵損失(Cross-Entropy Loss): 2.優化演算法的選擇 以及 3.避免過擬合的策略。1. 損失函數2. 優化演算法 a. 批次梯度下降(Batch Gradient Descent, BGD):b. 隨機梯度下降(Stochastic Gradient Descent, SGD): c. Adam(Adaptive Moment Estimation)演算法:3.. 過擬合的防範  Regularization: Early Stopping: Data Augmentation:

 

2025 08 04 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 模型訓練 是 機器學習過程 的 核心階段,其目標是透過學習 輸入特徵 與 輸出結 果 之間的 映射關係,找出最優的模型參數。 模型訓練 通 常涉及 1.損失函數的設置、 a. 均方誤差(Mean Squared Error, MSE): b. 交叉熵損失(Cross-Entropy Loss): 2.優化演算法的選擇 以及 3.避免過擬合的策略。1. 損失函數2. 優化演算法 a. 批次梯度下降(Batch Gradient Descent, BGD):b. 隨機梯度下降(Stochastic Gradient Descent, SGD): c. Adam(Adaptive Moment Estimation)演算法:3.. 過擬合的防範  Regularization: Early Stopping: Data Augmentation:

模型訓練 

模型訓練  是  機器學習過程  的   核心階段,其目標是透過學習

輸入特徵  與  輸出結 果    之間的  映射關係,找出最優的模型參數。

模型訓練    通  常涉及

1.損失函數的設置、 

2.優化演算法的選擇以及

3.避免過擬合的策略。 


1.. 損失函數 

 損失函數(Loss Function)是一種用來衡量   模型預測值  與   實際目標    

之間差異的 函數。

透過損失函數的計算,模型可以得知   自身的損失(Loss,代表不準確度), 

損失值越高,表示模型預測結果與實際值的誤差越大,反之則表示模型越準確。 

因此,損失函數  可以視為   評估模型好壞的指標。 

 在模型訓練過程中,系統會不斷計算損失,並

透過  優化器(Optimizer)

   a. 均方誤差(Mean Squared Error, MSE):


用於迴歸任務,計算  預測值  與  真實值  之 間  平方誤差    平均值

   b. 交叉熵損失(Cross-Entropy Loss):

用於分類任務,衡量預測概率分佈與真實分 佈之間的差異。 


2. 優化演算法 

 模型的訓練過程  透過    優化演算法  調整參數,以最小化  損失函數的值。

最常見 的優化演算法是    梯度下降法   及其變種:


使用  梯度下降(Gradient Descent)

等方法來最小化損失,藉此降低模型的誤差,以達 到最佳化的目的。

常見的損失函數包括:

 a. 批次梯度下降(Batch Gradient Descent, BGD):

     基於整個  數據集   計算    損失函數 的梯度    並   更新參數。 

 b. 隨機梯度下降(Stochastic Gradient Descent, SGD):

    每次迭代僅使用一個樣本來 更新參數,速度較快但收斂不穩定。 

 c. Adam(Adaptive Moment Estimation)演算法:

     結合了  動量法   和 RMSProp,能夠 自適應學習率,是目前最廣泛使用的

      優化方法之一。


3.. 過擬合的防範 

     過擬合是模型在訓練數據上表現優異,但在測試數據上   表現不佳的現象。

     為 了避免過擬合,通常採用以下策略: 

  Regularization:

        在損失函數中添加懲罰項,如L1和 L2正則化。 

  Early Stopping:

        當模型在驗證集上的表現開始下降時,停止訓練。 

  Data Augmentation:

      透過   隨機旋轉、翻轉等方式   擴展  訓練數據集,提升模型的   泛 化能力







2025年7月31日 星期四

2025 07 31 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 金融業運用人工智慧(AI)指引 一、 人工智慧(AI)相關定義 (一) AI 系統定義: (二)生成式 AI 定義:二、AI系統生命週期 主要包括以下4個階段:(一) 系統規劃及設計: (二) 資料蒐集及輸入:(三)模型建立及驗證: (四)系統佈署及監控:

 

2025 07 31 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 金融業運用人工智慧(AI)指引 一、 人工智慧(AI)相關定義 (一) AI 系統定義: (二)生成式 AI 定義:二、AI系統生命週期 主要包括以下4個階段:(一) 系統規劃及設計: (二) 資料蒐集及輸入:(三)模型建立及驗證: (四)系統佈署及監控:

金融業運用人工智慧(AI)指引

一、 人工智慧(AI)相關定義

   (一) AI 系統定義:

   係指  透過大量   資料學習,利用    機器學習   或  相關建立模型  之  演算法進行

      1.感知、

      2.預測、

      3.決策、

      4.規劃、

      5.推理、

      6.溝通

   等模 仿人類   學習、思考  及 反應    模式   之  系統

    (二)生成式 AI 定義:

      係指可以生成   模擬  人類智慧    創造之內容   的   相關 AI 系統,其內容形式

     包括但不限於

      1.文章、

      2.圖像、

      3.音訊、

      4.影片及

      5.程 式碼。 


二、AI系統生命週期 

   AI 系統的  生命週期   主要包括以下4個階段:

  (一) 系統規劃及設計:

   設定   明確的  系統   目標  及  需求

 (二) 資料蒐集及輸入:

    資料   蒐集、處理  並  輸入  資料庫   之階段。 

 (三)模型建立及驗證:

      選擇  與  建立    模型演算法  及  訓練模型,並  對模型 進行驗證

      以  確保  模型    效能、安全性  與  機密性 

 (四)系統佈署及監控:

      將系統應用於實際環境中,且  關注模型   是否已 完備,並  持續監控   

     以確認系統所帶來之  潛在影響。 

      金 融機構運用AI系統,可能為自行研發3並使用,因此包含上述4階 段。

      金融機構亦可能委託第三方業者研發或購入AI系統後,再佈署 該系統並監控,

      因此金融機構  不盡然均會   經歷上開4階段。

      金融機構 運用AI系統時宜辨識4個階段中可自行監控風險之程度,並得對自 身

     較無控制權的部分或事項,透過契約其他方式與合作廠商

      明訂風 險監控責任之分工。

       為簡化文字,本指引以

    「導入(introduce)」AI,表 示   前述(一)、(二)及(三) 3階段,

     以

     「使用(use)」AI      表達第(四)階段。 


至本指引之「運用(apply)」AI則   係  整體性概念包含上述4階段。




2025年7月26日 星期六

2025 07 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 生成式AI 在遊戲設計中 應用廣泛,若要創造 可互動 的 虛擬角色 與 劇情, 其最可能應用下列哪兩種模型? (A) GAN + YOLO (B) 自回歸模型 + NLP (C) OCR + 視覺辨識 (D) 監督式學習 + 強化學習

 

2025 07 26 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 生成式AI 在遊戲設計中 應用廣泛,若要創造 可互動 的 虛擬角色 與 劇情, 其最可能應用下列哪兩種模型? (A) GAN + YOLO (B) 自回歸模型 + NLP (C) OCR + 視覺辨識 (D) 監督式學習 + 強化學習

 

  (11). 公司  為強化用戶體驗,設計能   推薦個人化   新聞文章 與 影片  的系統。

          這項推薦系統主要依賴哪種 AI 應用? 

       (A) 圖像增強 

       (B) 知識表達 

       (C) 協同過濾 + NLP

        (D) 協議交換


    (12). 以下何者  非   智慧文件處理(IDP)常見的應用功能? 

        (A) 自動合約審核  

        (B) 圖像強化 

        (C) 財報生成

         (D) 自動報告摘要


     (13). 某智慧製造工廠   導入  AI系統,能  即時偵測機台異常  並  發送閃燈警示

            這屬於哪類應用? 

           (A) 語音處理系統 

           (B) 即時異常監控與視覺分析  

           (C) NLP聊天機器人 

          (D) 數位貨幣挖礦


      (14). 某新聞媒體導入NLP技術建立事實查核平台,用來比對新聞內容與查核資料,

              此技術屬於下列哪一項? 

             (A) 自然語言生成(NLG)

              (B) 語音轉換

              (C) 語意比對與分類模型(如SBERT)

              (D) 計算機視覺


       (15). 為防止金融詐騙,銀行採用AI技術   即時分析   語音通話內容   並中斷可疑來電。

               這應用屬於下列何者? 

               (A) 圖像分類 

               (B) 強化學習 

               (C) 聲紋辨識 + 詐騙語意分析 

                (D) 機器翻譯


       (16). 生成式AI   在遊戲設計中   應用廣泛,若要創造   可互動  的 虛擬角色  與  劇情

               其最可能應用下列哪兩種模型? 

                (A) GAN + YOLO 

                (B) 自回歸模型 + NLP 

                (C) OCR + 視覺辨識 

                (D) 監督式學習 + 強化學習


           (17). 以下關於生成式 AI 描述何者正確? 

                (A) 只能處理結構化資料

                (B) 無法應用於音樂創作 

                (C) 可用於圖像、文字、語音等多媒體創作 

                (D) 僅能由 GAN 實作


          (18). AI 技術結合 NLP   可應用於  電子病歷分析,其主要效益為? 

               (A) 替換醫療器材

                (B) 減少藥品用量

                (C) 自動整理病歷內容,輔助醫生決策 

                (D) 替代手術醫生


         (19). 企業部署 AI   進行合規風險檢查  時,應優先考量   下列哪項議題? 

               (A) 內容創意 

               (B) 用戶情緒分析

               (C) 資料隱私與法規遵循

                (D) 生產排程


      (20). 針對 AI 演算法   偏見的風險,下列哪一項對應做法最合適? 

               (A) 使用 GAN 自動修正

               (B) 使用更多圖片數據訓練模型

               (C) 設計公平性驗證與多樣性資料集

                (D) 忽略偏差以提高效率


2025年7月23日 星期三

2025 07 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 當前AI技術正快速邁向2.0時代,隨著技術日趨成熟,生成式AI正逐步走出實驗室、邁入產業應用階段。全球生成式AI應用市場已進入高速成長期,市場規模預計將從2023年的113億美元,成長至2028年的519億美元,年均複合成長率(CAGR)高達35.6%。

 

2025 07 23 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 當前AI技術正快速邁向2.0時代,隨著技術日趨成熟,生成式AI正逐步走出實驗室、邁入產業應用階段。全球生成式AI應用市場已進入高速成長期,市場規模預計將從2023年的113億美元,成長至2028年的519億美元,年均複合成長率(CAGR)高達35.6%。

 

從AI趨勢掌握綠色轉型商機


可透過AI模擬離岸風場的環境與風機分布,找出最佳發電效益的配置。圖/本報資料照片

可透過AI模擬離岸風場的環境與風機分布,找出最佳發電效益的配置。圖/本報資料照片

文/工研院產科國際所研究經理 石立康


      當前AI技術正快速邁向2.0時代,隨著技術日趨成熟,生成式AI正逐步走出實驗室、邁入產業應用階段。根據多家研究機構的預測,全球生成式AI應用市場已進入高速成長期,市場規模預計將從2023年的113億美元,成長至2028年的519億美元,年均複合成長率(CAGR)高達35.6%。

        其中,2023年北美仍為全球最大市場,占比34.8%;然而亞洲市場成長動能最強,占比達22.1%,預估CAGR可達41.7%,顯示亞洲地區未來在生成式AI領域的關鍵角色。

    這股成長動能來自產業應用需求的全面擴張。

       麥肯錫報告指出,生成式AI在多元產業及企業職能中,展現出顯著的營收增長潛力。例如,行銷與銷售、銀行、保險、電信等領域的客戶服務,以及先進電子與半導體、先進製造、製藥與醫療等高科技產業的產品研發,皆能藉由生成式AI有效提升效率與創新。

     此外,生成式AI也正加速教育、法務、企業管理、社區服務、創意藝術等領域的自動化發展。特別值得注意的是,工作者教育程度愈高,其職務可被AI支援或優化的潛能也愈高,顯示生成式AI對知識密集產業的深遠影響。

    在這波AI驅動的產業升級中,「綠色轉型」也成為各界關注的關鍵方向。無論是鑑別式或生成式AI,皆具備協助產業達成淨零目標的潛力。

       短期內,以「節能減碳」為導向的應用尤為迫切。面對全球淨零排放趨勢,以出口為導向的台灣產業勢必受到衝擊,特別是高耗能的石化、電子、鋼鐵、水泥、紡織、造紙等行業。

政府亦規劃於2030年前投入9,000億元,推動邁向2050年淨零排放的目標。

      AI與大數據的整合應用正是實現低碳製造的有效途徑。

      在製造業中,AI結合大數據技術,可透過製程優化、品質預測、智慧排程等方式提升能源效率,並從製程減碳、資源配置最佳化、設備健康管理等面向減少碳排放與能耗。

     例如,工研院協助中油輕油裂解廠導入AI技術,透過數據分析與參數建議值導出,在確保產品品質的同時,有效降低能耗與每年約2萬噸的碳排放量。

       中期來看,各產業「特定應用」也帶來廣泛綠色商機。

      以能源產業為例,可透過AI分析太陽能發電與用電端的最佳轉供組合

模擬離岸風場的環境與風機分布,以找出最佳發電效益的配置。在半導體產業,

亦有國內業者將光罩生成轉向結合AI演算法與GPU運算,不僅大幅縮短開發時間

與成本,同時實現節能效益。

      展望未來,生成式AI將成為驅動綠色轉型的關鍵力量。已有業者開始將生成式AI應用於智慧製造場域,例如利用虛擬主播快速生成多樣化內容,或

     導入小語言模型(sLM)與AI代理人,使AI能學習產業知識與作業流程,進而優化加工順序與排程,達到提效降本的目的。

總結來看,生成式AI不僅是企業創新的引擎,更是實現永續目標的推進器。未來誰能有效整合AI技術與綠色轉型策略,將在全球競爭中搶占先機,開創兼具效能與永續的新局。

2025年7月17日 星期四

2025 07 17 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 AI資料處理的核心流程包含以下四個關鍵步驟: 資料收集 (Data Collection) 資料清理 (Data Cleaning) 資料分析 (Data Analysis) 資料呈現 (Data Presentation)監督學習 (Supervised Learning): 基於 標籤數據 訓練模型,用於 預測(回歸)或 分類(如邏輯回歸、神經網路)。 無監督學習 (Unsupervised Learning): 在 無標籤數據上 發現模式,如k-means聚類(分組相似客戶)或 主成分分析(PCA)。

 

2025 07 17 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 AI資料處理的核心流程包含以下四個關鍵步驟: 資料收集 (Data Collection) 資料清理 (Data Cleaning) 資料分析 (Data Analysis) 資料呈現 (Data Presentation)監督學習 (Supervised Learning): 基於 標籤數據 訓練模型,用於 預測(回歸)或 分類(如邏輯回歸、神經網路)。 無監督學習 (Unsupervised Learning): 在 無標籤數據上 發現模式,如k-means聚類(分組相似客戶)或 主成分分析(PCA)。

 

2025 07 17 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 AI資料處理的核心流程包含以下四個關鍵步驟: 資料收集 (Data Collection) 資料清理 (Data Cleaning) 資料分析 (Data Analysis) 資料呈現 (Data Presentation)監督學習 (Supervised Learning): 基於 標籤數據 訓練模型,用於 預測(回歸)或 分類(如邏輯回歸、神經網路)。 無監督學習 (Unsupervised Learning): 在 無標籤數據上 發現模式,如k-means聚類(分組相似客戶)或 主成分分析(PCA)。

AI資料處理的核心流程包含以下四個關鍵步驟: 資料收集 (Data Collection)

資料清理 (Data Cleaning)

資料分析 (Data Analysis)

資料呈現 (Data Presentation)


探索式資料分析 (EDA)

探索式資料分析 (EDA) 是一套包含 資 料 視 覺 化 統計知識

技術的 數據分析方法主要目的是 從各個面向 探索數據

找出 解決問題 的 線索 並進一步 確認問題 解決方法


數據標準化與歸一化:

標準化 (Standardization):

將數據調整為 零均值 單位方差(Z-Score)

適用於 對距離 敏感 的算法。

歸一化 (Normalization):

將數據 縮放至固定範圍(通常為[0,1]),適用於 神經網絡


處理類別數據:
標籤編碼 (Label Encoding):

每個 類別 映射 數字,適用於 有序類別

獨熱編碼 (One-Hot Encoding):

每個 類別 轉換 二進位向量,適用於 無序類別

特徵工程 (Feature Engineering):
特徵選擇:選擇 對 預測 最有影響的 變數(如卡方檢驗、相關性分析)。
特徵創建:從 現有數據 創建 新特徵,以提升模型表現(如 從日期 生成 星期幾)。
特徵縮放與轉換:對數據 進行變換(如對數轉換),使其更適合模型。

Reddit討論串的普遍共識是,特徵工程 預處理 是高度領域相關的,

預處理根據你是在做電腦視覺、自然語言處理、金融時間序列

還是通用數據科學,差異非常、非常大。」,

並沒有一個「萬能公式是每次都有效的」。


監督學習 (Supervised Learning):

基於 標籤數據 訓練模型,用於 預測(回歸)

分類(如邏輯回歸、神經網路)。

無監督學習 (Unsupervised Learning):

無標籤數據上 發現模式,如k-means聚類(分組相似客戶)或

主成分分析(PCA)

2025年7月13日 星期日

2025 07 13 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 生成式AI(Generative AI) 技術原理 1. 生成對抗網絡(GANs): 2.自回歸模型(Autoregressive Models): 3.變分自編碼器(VAE): 4.擴散模型(Diffusion Models):

 

2025 07 13 左永安 顧問/講師/委員/宮主/秘書長/永續長/執行長/理事長 永續管理師 AI企畫師 AI 管理顧問師 AI 應用規劃師 生成式AI(Generative AI) 技術原理 1. 生成對抗網絡(GANs): 2.自回歸模型(Autoregressive Models): 3.變分自編碼器(VAE): 4.擴散模型(Diffusion Models):

生成式AI(Generative AI) 

 1. 技術原理 

 生成式AI  的  核心   是使用   深度學習模型   生成  新內容,

     主要技術包括: 

      1. 生成對抗網絡(GANs): 

      由  生成器和 判別器   兩個模型組成,生成器  負責   創造新內容

       判別 器負責  辨別真偽

      2.自回歸模型(Autoregressive Models): 

       通過  逐步預測  序列生成,例如 OpenAI GPT。

      3.變分自編碼器(VAE): 

        結合  機率 和  深度學習,用於生成   圖片、視頻。 

     4.擴散模型(Diffusion Models):  

        用於  圖像生成  的  新興技術,例如 DALL-E 和 Stable Diffusion。 


 2. 日常應用場景 


      • 文本生成:ChatGPT 用於文章撰寫。 

      • 圖片生成:DALL-E、Stable Diffusion 創建藝術作品。 

      • 遊戲創作:自動生成  角色  與  場景。