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

醫療健康是現階段AI绝佳的應用場景

今年開始我分享比較多醫療相關的文章，特別最近台灣疫情仍在緊繃狀態，分享這篇我談 AI 在醫療健康領域能創造哪些價值，提供大家參考。

最近，我出席了第五屆醫療健康產業投資50人的「H50年度峰會」，就「人工智能醫療醫藥領域的應用機遇與挑戰」進行一場主題演講。我認為，傳統產業「＋AI」的時代已經到來，AI將像電一樣穿透各行各業為其降本提效，創造巨大的經濟價值。醫療健康是現階段AI絕佳的應用場景。創新工場將結合自身TECH VC基因，以醫療市場化、數字化及AI應用等方向為切入口，一起探索發掘醫療產業重塑的機會。

以下是來自峰會的現場報導，文章經21世紀經濟報導授權轉載。

「多年前，如果你問我人工智能最好的應用會是什麼，我可能在不同的時期會說是語音識別或者計算機視覺、自動駕駛、金融領域。但今天如果你問我這個問題，我覺得人工智能最好的應用場景，毫無疑問是醫療的場景。」李開復說。

也正因如此，創新工場在兩年多前設立了醫療投資團隊。這個團隊從2019年起以醫療市場化、數字化及AI應用等方向為切入口，目前已經投資了鎂信健康、艾登科技、英矽智能、沃比醫療、予果生物等20多個項目，涵蓋了數據AI、服務、器械、生物製藥等多個領域。

「隨著團隊的擴張，現在醫療投資團隊已經比人工智能團隊還要大了。創新工場將按照原有Tech VC 基因結合度，搭建醫療生物領域專業化團隊，接下來的1到2年，醫療技術領域的投資將是我們的重中之重，我們會把火力集中在IVD（In Vitro Diagnositcs）體外檢測和高值耗材兩個大賽道。」李開復說。

本次分享中，李開復談到人工智能發展的現狀、深度學習的要點及相關要求，同時，重點給大家分享了AI在病理分析、藥物研發、大數據、以及其他特定領域與場景的應用場景，並結合創新工場在醫療AI投資方面的實踐，給參會嘉賓提供了相關建議。

▎AI賦能傳統行業的時代已經到來

李開復認為，現階段能夠做AI的科學家和工程師數以百萬計，AI技術已經普及化。在過去的人工智能1.0時代，大家把AI當「黑科技」，可能最開始並不知道技術具體能創造什麼價值，就先投資進去公司，再幫牠找應用。

但現在情況已經發生改變，AI賦能傳統產業的時代到來，這裡所謂的「傳統行業」並不是說真的很傳統，而是指任何沒有AI的行業，其中也包括醫療產業。

人工智能發展到今天已有60多年歷史，李開復認為其中最重要的成果是深度學習技術的發明。對此，他總結出了深度學習最重要的四個特點。首先，深度學習能夠針對一個目標函數優化到最佳，如識別腫瘤的正確率；其次，數據量越多，結果越好；第三，千人千面，運營在醫療領域可以根據不同患者的家庭背景、基因等信息精準醫療；第四，文字、圖像、視頻等不同數據都可以作為深度學習的內容。這是此前人工智能算法做不到的，因而近年來深度學習取得了很多突破。

李開復也指出了深度學習需要滿足的五點要求：

第一，需要海量的數據；
第二，數據不能是網上爬來的，而是客觀、精準、自動地標註或打好標籤；
第三，只能在單一領域內工作；
第四，需要比較大的計算力；
第五，需要一些AI專家的參與。 AI擅長運用海量數據針對目標函數進行優化，但無法取代人抽象、分析、嘗試的能力和創造力。

至於AI是否適合用在醫療領域，李開復認為，當下醫療領域正在開始產生海量的數據。可穿戴設備、新的醫療方法、基因排序等都提供了多樣化的數據來源，他對AI+醫療的未來有非常大的信心。

但同時他也提到，AI+醫療在當前的發展過程中遇到了一些問題。首先，AI不擅長做「全科大夫」，只能解決某一特定領域的問題，不可過份神話這一技術。其次，傳統醫療需要的是小而精的數據，而AI對數據的要求是海量、結構化、精準化、閉環，因而現成的數據無法完全滿足AI的需求。

此外，李開復指出，醫療是非常神聖的，關乎人的生命與健康，與金融領域、互聯網領域不同。AI+醫療特別要尊重客戶和他們的服務或產品引進方式，而不是盲目教育市場。很多AI科學家創業會把醫療領域想得過於簡單，而李開復建議創業者需要用更嚴謹的方法適應醫院的採購流程，讓醫院現有的負責人意識到AI技術是在幫助他們，而非取代他們。

▎AI+醫療的細分落地場景

李開復認為，目前AI+醫療在一些細分領域有很多具體的落地場景。第一，病理方面有特別巨大的需求。每年會有成千上萬的病理樣本產生，而註冊的病理醫生缺口則很大。在這方面AI雖然不能做最終判斷，但可以幫助更好的篩選，提供更好的建議。

第二是藥物研發方面，最近國際上已經有了一些成果，如美國一家公司做的蛋白質折疊，以及創新工場所投資的 Insilico Medicine英矽智能，已經開始用AI技術幫助科學家發現新藥。 AI技術的加入可以幫助節約90%的新藥研發時間，對未來製藥行業會帶來很大的顛覆。

第三是大數據與AI的結合，近年來有各種新數據產生，如基因、轉錄、蛋白、代謝等等，都可以用來做新的分析，創作更多新的應用和價值，針對每個患者背景做出更精準的診斷。

此外，李開復還提到在骨科手術、神經介入、種植牙等領域，AI都可以創造價值。

AI+醫療是創新工作的醫療團隊所關注的方向之一。創新工場借助自身的AI工程院以及在AI、醫療領域的深入研究，擁有較為豐富的專業知識。李開復認為，做AI最重要的是有海量數據，創新工場會關注真正數據源頭的掌握者，獲得脫敏數據後再思考如何激活，如何做出新的產品，產生更大的價值。此外，團隊也願意接觸一些產業投資人和產業公司，因為這些人更懂醫療的具體流程，大家的合作將產生價值。

人工智慧普適研究中心(PAIR Labs)與中華民國人工智慧學會(TAAI)，年底將在台北聯合舉辦大型AI國際學術研討會ICPAI 2020 & TAAI 2020，同場地共同舉辦的還有第23屆人工智慧論壇(AI Forum 2020)，預期將匯集全台AI及資通訊的學界人才及產業菁英到場，熱鬧可期！

⭐ 鑒於現有研討會多專注於AI的核心理論研究，本中心希望能發起一個以AI應用為主，跨領域、跨學門的多元化學術會議，讓各領域學門及業界有個共同舞台交流AI 應用面的發展，ICPAI 2020研討會因此誕生！

⭐ 本會議除了研究論文的發表外，亦有國際著名學者與業界高階主管進行Keynote演說，同時設有海報展、動態成果展示等，以及邀請國內外重要產業公司與機構設攤展示、進駐交流，綜合產官學三方的AI能量，ICPAI 2020將是今年底台灣AI界最期待的盛事！

▪ 活動名稱：International Conference on Pervasive Artificial Intelligence (ICPAI) 2020
▪ 會議時間：109年12月3日至12月5日
▪ 會議地點：台灣公務人力發展中心福華國際文教會館
▪ 指導單位：科技部
▪ 主辦單位：ICPAI籌備會、人工智慧普適研究中心(PAIR Labs)
▪ 協辦單位：中華民國人工智慧學會、人工智慧技術暨全幅健康照護聯合研究中心(AINTU)、人工智慧生技醫療創新研究中心(AIBMRC)、科技部補助人工智慧製造系統(AIMS)研究中心、交通大學巨量資料技術創新研究中心

🔸考量疫情因素，ICPAI 2020將同步採取線上直播方式，廣邀各位對AI領域有興趣的產業先進報名參加，相關報名資訊請參考:
https://icpai2020.github.io/ (活動早鳥價只到10/31)