AI 助陣醫學、防疫，個人隱私難兩全？

2021/06/09 研之有物

規範不完備是臺灣個資保護的一大隱憂，《個資法》問世遠早於 AI 時代、去識別化定義不清、缺乏獨立專責監管機構，都是當前課題。

評論

本篇來自合作媒體研之有物，作者周玉文、黃曉君，INSIDE 經授權轉載。

AI 醫療、科技防疫的人權爭議

健康大數據、人工智慧（AI）已經成為醫療研發的新聖杯，新冠肺炎（COVID-19）更將 AI 技術推上防疫舞臺，各國紛紛串聯大數據監控足跡或採用電子圍籬。但當科技防疫介入公衛醫療，我們是否在不知不覺中讓渡了個人隱私？

中研院歐美研究所副研究員何之行認為，規範不完備是臺灣個資保護的一大隱憂，《個資法》問世遠早於 AI 時代、去識別化定義不清、缺乏獨立專責監管機構，都是當前課題。

「天網」恢恢，公衛醫療的新利器
自 2020 年新冠疫情大爆發，全世界為了因應危機展開大規模協作，從即時統計看板、預測病毒蛋白質結構、電子監控等，大數據與 AI 技術不約而同派上用場。但當數位科技介入公共衛生與醫療健康體系，也引發人權隱私的兩難爭議。

2020 年的最後一夜，臺灣再次出現本土案例。中央流行疫情指揮中心警告，居家隔離、居家檢疫、自主健康管理的民眾，都不應參加大型跨年活動。而且，千萬別心存僥倖，因為「天網」恢恢，「我們能找得到您」！有天網之稱的電子圍籬 2.0 出手，許多人拍手叫好，但也挑起國家進行隱私監控的敏感神經。

隱私爭議不只在防疫戰場，另一個例子是近年正夯的精準醫療。2021 年 1 月，《經濟學人》（The Economist）發布亞太區「個人化精準醫療發展指標」（Personalised-health-index）。臺灣勇奪亞軍，主要歸功於健全的健保、癌症資料庫及尖端資訊科技。

國際按讚，國內反應卻很兩極。早前曾有人質疑「個人生物資料」的隱私保障，擔憂是否會成為藥廠大數據；但另一方面，部分醫療研究者卻埋怨《個人資料保護法》（簡稱《個資法》）很嚴、很卡，大大阻擋了醫學研發。為何國內反應如此分歧？

中研院歐美所副研究員何之行認為，原因之一是，

《個資法》早在 2012 年就實施，跑在 AI 時代之前，若僅僅仰賴現行規範，對於新興科技的因應恐怕不合時宜。

健保資料庫爭議：誰能再利用我們的病歷資料？

來看看曾喧騰一時的「健保資料庫訴訟案」。

2012 年，臺灣人權促進會與民間團體提出行政訴訟，質疑政府沒有取得人民同意、缺少法律授權，逕自將健保資料提供給醫療研究單位。這意味，一般人完全不知道自己的病例被加值運用，侵害了資訊自主權。案件雖在 2017 年敗訴，但已進入大法官釋憲。

民間團體批評，根據《個資法》，如果是原始蒐集目的之外的再利用，應該取得當事人同意。而健保資料原初蒐集是為了稽核保費，並非是提供醫學研究。

但支持者則認為，健保資料庫是珍貴的健康大數據，若能串接提供學術與醫療研究，更符合公共利益。此外，如果過往的數據資料都必須重新尋求全國人民再同意，相關研發恐怕得被迫踩剎車。

種種爭議，讓醫學研究和資訊隱私之間的紅線，顯得模糊而舉棋不定。何之行指出，「個人權利」與「公共利益」之間的權衡拉鋸，不僅是長久以來政治哲學家所關心的課題，也反映了現代公共衛生倫理思辨的核心。

我們有權拒絕提供資料給醫療研究嗎？當精準醫療的腳步飛也似向前奔去，我們要如何推進醫學科技，又不棄守個人的隱私權利呢？

「精準醫療」與「精準健康」是近年醫學發展的重要趨勢，透過健康大數據來評估個人健康狀況，對症下藥。但健康資料涉及個人隱私，如何兼顧隱私與自主權，成為另一重要議題。

去識別化爭點：個資應該「馬賽克」到什麼程度？

何之行認為，「健保資料庫爭議」短期可以從幾項原則著手，確立資料使用標準，包括：允許退出權（opt-out）、定義去識別化（de-identification）。

「去識別化」是一道安全防護措施。簡單來說：讓資料不會連結、辨識出背後真正的那個人。何之行特別分享 Google 旗下人工智慧研發公司 DeepMind 的慘痛教訓。

2017 年，DeepMind 與英國皇家醫院（Royal Free）的協定曝光，DeepMind 從後者取得 160 萬筆病歷資料，用來研發診斷急性腎衰竭的健康 APP。聽來立意良善的計畫，卻引發軒然大波。原因是，資料分享不僅未取得病患同意，也完全沒有將資料去識別化，每個人的病史、用藥、就醫隱私全被看光光！這起爭議無疑是一大教訓，重創英國社會對於開放資料的信任。

回到臺灣脈絡。去識別化指的是以代碼、匿名、隱藏部分個資或其他方式，無從辨識特定個人。但要達到什麼樣的隱匿保護程度，才算是無從識別特定個人？

何之行指出，個資法中的定義不甚清楚，混用匿名化（anonymous）、假名化（pseudonymised）、去連結（delink）等規範程度不一的概念。臺灣也沒有明確定義去識別化標準，成為爭點。

現行法令留下了模糊空間，那麼他山之石是否能提供參考？

以美國《健康照護可攜法案》（HIPAA）為例，法案訂出了去除 18 項個人識別碼，作為去識別化的基準；歐盟《一般資料保護規則》則直接說明，假名化的個資仍然是個人資料。

退出權：保留人民 say NO 的權利

另一個消解爭議的方向是：允許退出權，讓個人保有退出資料庫的權利。即使健保資料並沒有取得民眾事前（opt-in）的同意，但仍可以提供事後的退出選項，民眾便有機會決定，是否提供健康資料做學術研究或商業運用。

何之行再舉英國國民健保署 NHS 做法為例：英國民眾有兩階段選擇退出中央資料庫 （NHS Digital）的機會，一是在一開始就拒絕家庭醫師將自己的醫病資料上傳到 NHS Digital，二是資料上傳後，仍然可以在資料分享給第三方使用時說不。畢竟有人願意為公益、學術目的提供個人健康數據，對商業用途敬謝不敏；也有人覺得只要無法辨識個人即可。

近年，英國政府很努力和大眾溝通，希望民眾認知到資料分享的共善，也說明退出所帶來的社會成本，鼓勵人們留在資料庫內，享受精準醫療帶給個人的好處。可以看到英國政府藉由公眾溝通，努力建立社會信任。

參照英國經驗，目前選擇退出的比率約為 2.6%。保留民眾某種程度的退出權，但善盡公眾溝通，應是平衡集體利益與個人隱私的一種做法。

歐盟 GDPR 個資保護的四大原則

健保資料庫只是案例之一，當 AI 成為大數據浪潮下的加速器，最周全之策仍然是針對 AI 時代的資料運用另立規範。 歐盟 2018 年實施的《一般資料保護規則》（General Data Protection Regulation，以下簡稱 GDPR），便是大數據 AI 時代個資保護的重要指標。

因應 AI、大數據時代的變化，歐盟在 2016 年通過 GDPR，2018 年正式上路，被稱為「史上最嚴格的個資保護法」。包括行動裝置 ID、宗教、生物特徵、性傾向都列入被保護的個人資料範疇。
歐盟在法令制定階段已將 AI 運用納入考量，設定出個資保護四大原則：目的特定原則、資料最小化、透明性與課責性原則。

其中，「目的特定」與「資料最小化」都是要求資料的蒐集、處理、利用，應在特定目的的必要範圍內，也就是只提供「絕對必要」的資料。

然而，這與大數據運用需仰賴大量資料的特質，明顯衝突！

大數據分析的過程，往往會大幅、甚至沒有「特定目的」的廣蒐資料；資料分析後的應用範圍，也可能超出原本設定的目標。因此，如何具體界定「特定目的」以及後續利用的「兼容性判斷」，便相當重要。這也突顯出「透明性」原則強調的自我揭露（self-disclosure）義務。當蒐集方成為主要的資料控制者，就有義務更進一步解釋那些仰賴純粹自動化的決策，究竟是如何形成的。

「透明性原則的用意是為了建立信任感。」何之行補充。她舉例，中國阿里巴巴集團旗下的芝麻信用，將演算法自動化決策的應用發揮得淋漓盡致，就連歐盟發放申根簽證都會參考。然而，所有被納入評分系統的人民，卻無從得知這個龐大的演算法系統如何運作，也無法知道為何自己的信用評等如此。

芝麻信用表示，系統會依照身分特質、信用歷史、人脈關係、行為偏好、履約能力等五類資料，進行每個人的信用評分，分數介於 350-950。看似為電商系統的信用評等，實則影響個人信貸、租車、訂房、簽證，甚至是求職。

這同時涉及「課責性」（accountability）原則 ── 出了問題，可以找誰負責。以醫療場域來講，無論診斷過程中動用了多少 AI 工具作為輔助，最終仍須仰賴真人醫師做最後的專業判斷，這不僅是尊重醫病關係，也是避免病患求助無門的問責體現。

科技防疫：無所遁形的日常與數位足跡

當新冠疫情爆發，全球人心惶惶、對未知病毒充滿恐懼不安，科技防疫一躍成為國家利器。但公共衛生與人權隱私的論辯，也再次浮上檯面。

2020 年 4 月，挪威的國家公共衛生機構推出一款接觸追蹤軟體，能監控足跡、提出曾接觸確診者的示警。但兩個月後，這款挪威版的「社交距離 APP」卻遭到挪威個資主管機關（NDPA）宣告禁用！

挪威開發了「Smittestopp」，可透過 GPS 與藍牙定位來追蹤用戶足跡，提出與感染者曾接觸過的示警，定位資訊也會上傳到中央伺服器儲存。然而，挪威資料保護主管機關（NDPA）宣告，程式對個人隱私造成不必要的侵害，政府應停止使用並刪除資料。

為何挪威資料保護機關會做出這個決定？大體來說，仍與歐盟 GDPR 四大原則有關。

首先，NDPA 認為挪威政府沒有善盡公眾溝通責任，目的不清。人民不知道這款 APP 是為了疫調？或者為研究分析而持續蒐集資料？而且，上傳的資料包含非確診者個案，違反了特定目的與資料最小蒐集原則。

此外，即便為了防疫，政府也應該採用更小侵害的手段（如：僅從藍牙確認距離資訊），而不是直接由 GPS 掌控個人定位軌跡，這可能造成國家全面監控個人行蹤的風險。

最後 NDPA 認為，蒐集足跡資料原初是為了即時防疫，但當資料被轉作後續的研究分析，政府應主動說明為什麼資料可以被二次利用？又將如何去識別化，以確保個資安全？

換言之，面對疫情的高度挑戰，挪威個資保護機關仍然認為若沒有足夠的必要性，不應輕易打開潘朵拉的盒子，國家採用「Smittestopp」這款接觸追蹤軟體，有違反比例原則之虞。

「有效的疫情控制，並不代表必然需要在隱私和個資保護上讓步。反而當決策者以防疫之名進行科技監控，一個數位監控國家的誕生，所妥協的將會是成熟公民社會所賴以維繫的公眾信任與共善。」何之行進一步分析：

數位監控所帶來的威脅，並不僅只於表象上對於個人隱私的侵害，更深層的危機在於，掌握「數位足跡」(digital footprint) 後對於特定當事人的描繪與剖析。

當監控者透過長時間、多方面的資訊蒐集，對於個人的「深描與剖繪」（profiling）遠遠超過想像──任何人的移動軌跡、生活習慣、興趣偏好、人脈網絡、政治傾向，都可能全面被掌握！

AI 時代需要新法規與管理者

不論是醫藥研發或疫情防控，數位監控已成為當代社會的新挑戰。參照各國科技防疫的爭論、歐盟 GDPR 規範，何之行認為，除了一套 AI 時代的個資保護規範，實踐層面上歐盟也有值得學習之處。

例如，對隱私風險的脈絡化評估、將隱私預先納入產品或服務的設計理念（privacy by design），「未來照護機器人可能走入家家戶戶，我們卻常忽略機器人 24 小時都在蒐集個資，隱私保護在產品設計的最初階段就要納入考量。」

另外最關鍵的是：設置獨立的個資監管機構，也就是所謂的資料保護官（data protection officer，DPO），專責監控公、私營部門是否遵循法規。直白地說，就是「個資警察局」。何之行比喻，

如果家中遭竊，我們會向警察局報案，但現況是「個資的侵害不知道可以找誰」。財稅資料歸財政部管，健康資料歸衛福部管，界定不清楚的就變成三不管地帶。

綜觀臺灣現狀，她一語點出問題：「我們不是沒有法規，只是現有的法令不完備，也已不合時宜。」

過往許多人擔心，「個資保護」與「科技創新」是兩難悖論，但何之行強調法令規範不是絆腳石。路開好、交通號誌與指引完善，車才可能跑得快。「GDPR 非常嚴格，但它並沒有阻礙科學研究，仍然允許了科學例外條款的空間。」

「資料是新石油」（data is the new oil），臺灣擁有世界數一數二最完整的健康資料，唯有完善明確的法規範才能減少疑慮，找出資料二次利用與科技創新的平衡點，也建立對於資料二次利用的社會信任。

資料來源：https://www.inside.com.tw/article/23814-ai-privacy-medical?fbclid=IwAR0ATcNjDPwTsZ4lkQpYjvys3NcXpDaqsmE_gELBl_UNu4FcAjBlscxMwss

找出AI「真實力」，商業價值無限大

2020.11.03 by 劉奕成 作者簡介

若沒有充分考量商業價值及目的，所謂的AI應用，不一定能徹底解決商業問題，反而抓住重要命題，才是贏家。

微軟與安永聯合會計師事務所（EY）於今年8月連袂發布、針對兩岸三地116家企業的《大中華區人工智慧成熟度調查》，顯示逾7成企業認為人工智慧是停留在高階管理層面的話題，僅有4％的企業已積極投入該技術到多個流程中，並有能力處理高階任務。而有72％的企業相信，「人工智慧將在5年內對產業產生較大，甚至是重大的影響……。」

無庸置疑，人工智慧（Artificial Intelligence，以下簡稱AI）將是企業營運的關鍵科技能力，很多人開始想試試看，還沒有能力試的，也多少想玩玩看。

不過，所謂的AI，到底是什麼？

普羅大眾對AI的印象，從擊敗西洋棋冠軍、IBM的Deep Blue，到戰勝圍棋世界棋王、Google DeepMind開發的AlphaGo等，這些具備強大運算效能及自動學習能力的AI，在棋藝領域陸續超越人類智慧。

除了前述案例，更多的印象，是來自歷年電影裡鮮活有個性的機器人，看似無生命的機器或個體，卻能自己獨立思考、學習，並在功能表現上持續進化。諸如《2001太空漫遊》裡控制飛船的電腦，《魔鬼終結者》的T800，甚或《雲端情人》裡沒有形體的珊曼莎——一個擁有自我人格意識、可以發展感情的AI系統。

無論現實世界或想像中，AI對人類帶來的威脅有增無減，而今年股價曾暴漲4倍的電動車龍頭Tesla，其創辦人馬斯克（Elon Musk）曾言：「未來的AI，會讓很多工作變得沒有意義，或許人類的最後一份工作，會是撰寫AI軟體，但最後AI會直接取而代之，自己寫自己的軟體。」

超越人類，AI能否「真情流露」、增進服務體驗？

當科技持續進步，例行庶務類、勞力投入、欠缺創造性的工作會逐步被機器取代。將來AI技術的最大挑戰，仍在於如何觸動人心的那分溫暖。

說實話，現階段AI的商業應用，要完全做到「真情流露」，並非那麼容易，但若只是模仿人類語氣、在基礎互動中完成交辦業務，倒也沒這麼難。

從AI基礎應用談起，包括語音轉文字、自然語意分析（NLP）、機器學習、光學字元辨識（OCR）、聲紋辨識、數據分析及行銷決策系統等，由演算法構築而成的「智慧」技術比比皆是。更重要的是：如何將這些技術應用帶到商業活動裡，協助流程優化、提升客戶體驗？

關鍵在以商業智慧（Business Intelligence, BI）為核心，從創造商業價值的角度思考，落實到客戶體驗的各個環節裡，包含AI行銷溝通、授信審核、資訊安全管控及客戶服務等。

以FinTech（金融科技）領域為例，國際間，早已有多家銀行採用智慧客服機器人，代替行員回覆客戶詢問，或是運用聲紋辨識、核實客戶身分。

資產管理公司（俗稱催收公司）更運用AI技術，以催收機器人致電債權人，替銀行催收帳款、降低人力成本。機器人更可依據客戶回應，語音辨識後進一步對話，亦可適當調整為更強硬或溫和一些的口吻。

保險業則可運用AI影像識別，辨識車禍發生的真實性，同時搭配衛星定位系統（GPS）移動軌跡，釐清肇事責任，綜合評估理賠與否。

解決商業痛點，擺脫「虛晃一招」

近幾年，金融機構在法令遵循、風險管理等領域，投入的人力成本逐年攀升，RegTech（法遵科技）也成顯學。

如「智慧法遵分析」需求，建立法規整合資料庫，AI自動撈取監管機關或政府機構發布的法令規章，透過語意分析技術，比對金融機構的內部規範，提出調整與更新建議，降低法遵人力負擔。

像是法遵科技新創Corlytics，能做到自動法規分類，找出與客戶業務相關的遵循法規、監管機關的公告，並運用大數據建立客戶當前或未來的監管風險模型，提醒企業合規、提供法遵的計畫建議，大幅降低法遵成本。

未來更進一步應用發展，或許還能由AI系統直接解讀商業活動、提出法遵建議，即時判斷「規畫中的專案業務是否合規？已上線的產品或活動是否需要因應調整？」

若沒有充分考量商業價值及目的，所謂的AI應用，可能只是虛晃一招，不一定能徹底解決商業問題。舉例來說，現今OCR辨識成功率高達97～99％，但這是就字數而言，每100個字，可辨識出97～99個字。實際應用上，更重要的命題在於：身分認證的證件比對時，每100件申請案裡，系統正確辨識成功率有多少？

能解決真正痛點、有效地執行，才是贏家；在將來的世界，AI的發展，勢必要將基礎技術與商業智慧結合，才能創造商業價值。企業追著消費需求跑的時代已經過去，要利用AI從數據當中抓住顧客體驗，最終目標是提供超乎客戶期待的服務——客戶智慧（Customer Intelligence）。

附圖：若沒有充分考量商業價值及目的，所謂的AI應用，可能只是虛晃一招，不一定能徹底解決商業問題。
pixabay
如何讓AI應用在商業活動上發揮實力？關鍵是以商業智慧為核心，從創造商業價值的角度思考，落實到客戶體驗的各個環節裡。
needpix

資料來源：https://www.bnext.com.tw/article/59913/find-the-true-power-of-ai?fbclid=IwAR3Is_v4h5gDPjCahcxZCYGJF6pMpDt2FmXfYyVBPDI3cEhFiUKECrkyWbo

從製造、運送到零售，四解方邁向智慧工廠新時代

作者 TechNews | 發布日期 2018 年 08 月 14 日 17:45 |

從網路時代到物聯網興起，工業 4.0 強調自動化與生產線聯網功能，而新一代的智慧工廠發展，則更仰賴邊際運算、AI 和數據分析。結合 AI 人工智慧的「智動化」模式，將成為未來智慧工廠升級與轉型必備的解決方案。集邦科技於 8 月 2 日國際自動化工業大展期間舉行「AI 智動化研討會」，會中除了旗下拓墣產業研究院分析師，也邀請了意法半導體、IBM、安川電機等大廠，從製造、運送到零售等重要環節切入，剖析台灣在智慧製造的應用、趨勢及商機。

拓墣產業研究院物聯網分析師劉耕睿指出，從德國提出工業 4.0 口號開始，智慧工廠發展的脈絡將會繼續往數位轉型的趨勢發展。從網路興起開始，工廠生產線在不同層級中已經透過 ERP、MES 等資訊系統架構開始轉型，接下來經由數位轉型，結合物聯網、機器人等技術進入流程與製程的最佳化與智慧化，而未來的智慧工廠將會在 AI 人工智慧、邊際運算與數據分析的輔助下，從基本的「自動化」演變為進階的「智動化」工廠。

劉耕睿表示，新型態的「智動化」工廠也將帶動一條龍式的產業升級，從智慧工廠到智慧物流再到智慧服務，藉由數據整合、流程整合、供應鏈整合到商業整合，到 2020 年時，根據拓墣預估，智慧製造的整體市場規模將會超過 3,200 億美元。其中工廠數位化、設備 / 用戶價值、工業物聯網、重塑商業模式與 AI 人工智慧將最為被看重。對此，劉耕睿也對智慧製造轉型提出建議，在未來 3 到 5 年內，產業必須即時導入物聯網、AI、數據分析、智慧化生產與供應鏈管理，才能跟上世界潮流。

未來在機聯網智動生產的世代，控制與演算晶片將扮演關鍵性的角色，在這次 AI 智動化研討會中，意法半導體亞太區技術行銷專案經理余玟宏以意法的 32 位元處理器 STM32 系列舉例，分享在晶片產品中與機聯網相關應用，提供從半導體晶片角度對 AI 的看法。而提到 AI 就要先提到嵌入式系統的進化，從過去單純的演算法到機器學習（Machine Learning），嵌入式系統承載了大量的數據和資料，而接下來從機器學習進化到深度學習（Deep Learning）將會促使AI發展更為迅速。

在這個進化的過程當中，余經理也藉由實例來說明像 STM32 這類產品所提供的優勢為何。首先要提到的是，意法半導體在 AI 智動化的趨勢中以「Make Everything Smarter」為主軸，透過 Deep Learning 和 Neural Networks 神經網路，讓機器可以更精確有效的學習，之後再結合各種感測器、聲音分析與電腦視覺，打造出多元的應用。此外，意法半導體也推出 STM32CubeMx.AI 這個應用，結合 STM32 系列產品，讓使用者可以打造包括「動作偵測」、「聲音場景辨識」、「語音關鍵字辨識」、「手寫字跡辨識」、「物件識別」等智慧功能。另外，透過電腦視覺除了可以辨識字跡與物件外，還能夠透過 Deep Learning 技術做到從人臉辨識出性別與情緒等。

余經理也強調，不論是 Machine Learning 或是 Deep Learning，事實上全球有超過十幾億部裝置中的資料無法上傳到雲端進行運算，在「智動化」的未來，運算的趨勢將持續往 Edge 端（邊際運算）發展，唯有支援 ML、DL 和 AI 技術的晶片產品，才能把 AI 帶進裝置中，讓工廠製造、供應鏈或是物流，都可以隨著提升智慧運算能力，往更先進的 AI 智動化模式邁進。

智動化生產除了 AI 與機器學習外，在運送、倉儲與配送上，也需要新技術促進產業轉型，台灣 IBM 技術長暨業務副總經理徐文暉，也在這次研討會中提出區塊鏈技術在物流相關產業中的應用案例，透過去中心化、多點記帳、全網共識的特點，為物流產業帶來更高的效率、更低的成本與減少風險。而 IBM 在全球已經有超過 400 個案例，其中 35 個區塊鏈系統已經進行商轉，徐副總經理也強調，區塊鏈技術不是只有加密貨幣功能，透過加密與共享帳本技術，讓物流與倉儲相關產業可以共享可信賴的規劃與物流數據，提高國際貿易上下游物流運輸體系的生態系信任度與透明度，並且達到即時規劃和倉儲管理到糾紛解決，減少各種浪費同時進行品質控制。

徐副總經理表示，台灣運輸物流產業可以在供應鏈、行銷、營運和通路及銷售等多個領域利用區塊鏈技術進行業務轉型及營運優化，藉由導入區塊鏈技術解決業務流程中的痛點，結合新的平台商業模式、流程與產品，打造更大數位轉型價值。徐副總經理同時也舉例，過去一批貨物從生產製造、物流配送，最終交付到消費者手中，可能需要 30 個獨立單位或組織簽核，甚至需要 200 份訊息與文件簽核，只要其中某個訊息遺失或延遲，貨物的配送可能就要延後一個月甚至更長時間，導致人事、文件傳遞、倉儲和配送等環節增加昂貴的成本，透過區塊鏈技術將文件數位化就可以減少大量的成本浪費，為產業創造更多價值。

工業 4.0 伴隨著自動化智慧製造生產發展，在這過程中機器人扮演著不可或缺的角色，台灣安川電機業務改革室協理黃啟昌表示，面對新形態的產業自動化革命，安川電機提出「整合的（integrated）、智慧的（intelligent）、創新的（innovative）i3──Mechatronics」新觀念，利用數位數據的管理達成機電整合的進化。

透過將生產現場獲得的數據上傳，經過數據活用與分析後，利用AI進行模組化與學習，最後將其回傳到現場機具中，透過數據管理與自動化，以技術創新提高生產力。黃協理也強調，透過 AI 可以擴大機器人的學習與自律能力，讓協動機器人能夠擁有更多功能、柔軟性與協調性，同時還可以免除安全柵設計，提高簡易性與配置和移動的自由度。黃協理也提到，在導入擁有 AI 技術的機器人後，透過 Machine Learning 與 Deep Learning，可以讓機器人在各種生產面向上獲得更多應用，甚至單一機器人就可以在不同工作站中進行各種不同工作，讓機器人成為智動化工業製造中的好幫手。

附圖：智慧架構打造機聯網平台──劉耕睿／拓墣產業研究院物聯網分析師
創新晶片思維，整合人工智慧與機聯網可以更簡單──余玟宏／意法半導體亞太區技術行銷專案經理
智慧物流：運送、倉儲、配送的智慧化與區塊鏈應用──徐文暉／台灣 IBM 技術長暨業務副總經理
製造業與機器人在智慧工廠中的發展──黃啟昌／台灣安川電機業務改革室協理

資料來源：https://technews.tw/…/trendforce-automation-intelligence-a…/