書名：AI思維：不需艱深技術，不用鉅額投資，任何企業都適用的進化關鍵

作者簡介

姓名：周忠信
東海大學資訊工程系教授，兼任數位創新碩士學位班主任及「軟體工程與技術中心」主任，同時為亞洲物聯網聯盟理事長。曾任鼎新電腦公司（台灣最大軟體公司）技術長、鼎捷軟件公司首席技術官、臺灣軟體工程學會理事長、昇陽（Sun）公司AAJC（Authorized Academic Java Campus）臺灣區主持人，以及浙江大學計算機學院教授。
　　周教授目前專注於數位創新轉型、企業AI以及智慧製造等相關研究，同時也協助兩岸十多家機械與製造等相關企業發展AI創新應用解決方案，指導與合作的企業包括：研華科技、漢翔航空、台中精機、上銀、財團法人精密機械研究發展中心等，亦曾於阿里集團UED大學教授「AI與用戶體驗設計」公開課。
　　周教授目前擁有軟體發明專利十數件，其中AI相關專利五件，他是中文世界第一本Java專書的作者，另有《學校沒教的軟體工程》《Arduino初學完全指南》等著作。
　　周教授在2018年1月於台中軟體園區成立「智慧機械使用者體驗設計」（IMUX）基地，致力於AI思維在製造與藝術領域的創新研究。

書籍目錄

推薦序　企業AI應用成功案例實錄╱孫藹彬
推薦序　化衝擊為助力╱劉克振、楊瑞祥博士
自序　　因為人工智慧，從而擴增智慧

Part 1　人類的第二次進化

第一章　AI的憧憬與現實

001　開始的憧憬：機器人要守分寸
002　但是AI可信嗎：《2001太空漫遊》
003　可怕的魔鬼終結者
004　像人有感情
005　強大到無所不在：《疑犯追蹤》
006　現實是：過得了圖靈測試嗎？
007　人工智慧一詞首現
008　第一個機器臂
009　像專家的系統
010　會推薦東西給你的系統出現了
011　打敗西洋棋冠軍
012　想考進東京大學
013　自學下棋打敗圍棋冠軍
014　不是只會下棋的通用型人工智慧
015　未來：AI會善待我們嗎？

第二章　人類的第二次進化

016　人類的第一次進化
017　為何第二次進化已經到來？
018　AI孿生
019　維修預警的AI孿生案例
020　畫家夢的AI孿生案例
021　生產良率預測的AI孿生案例
022　改變思維是關鍵
023　具備AI思維完成第二次進化

Part 2　AI思維的關鍵

第三章　從解題變訓練

024　第一次進化：人具備解題能力
025　解題：以人臉辨識為例
026　AI思維第一步的改變：訓練
027　AI思維下的人臉辨識
028　像液體的貓
029　第一次進化的優勢不利第二次進化

第四章　AI的五種能力

030　AI思維的五種力
031　分類力
032　運用分類力協助市場區隔
033　運用分類力建立交叉銷售
034　預測力
035　運用預測力改善膠囊生產品質
036　運用預測力選擇材料配方
037　視覺力
038　運用視覺力自動讀取數值
039　運用視覺力檢測電池極板瑕疵
040　語言力
041　運用語言力協助場館導覽
042　運用語言力自動審查規格
043　推理力
044　運用推理力篩選布料設計樣式
045　運用推理力推論訂單數量

第五章　AI的四種智慧程度

046　AI思維的四個自
047　自動
048　自動檢驗輪胎機器人
049　自動發票錄入
050　自學
051　自學改善量測結果
052　自學預測離職率
053　自主
054　自主的戰情中心
055　自主的虛擬助理
056　自覺
057　自覺的虛擬客服人員
058　自覺的協作型機器人

第六章　AI的三類學習方式

059　AI思維的三類學
060　深度學習
061　運用深度學習提高加工速度
062　運用深度學習偵測詐騙
063　強化學習
064　運用強化學習自學下棋
065　運用強化學習改善出入庫管理
066　遞移學習
067　運用遞移學習提升自動駕駛能力
068　運用遞移學習提升機器臂能力

第七章　數據先行

069　一代靠經驗、二代靠數據
070　數據驅動創新
071　需要什麼數據？
072　數據先有比完整還重要
073　數據與訓練是一個反覆的迴路
074　人工智慧思維下常見的AI技術名詞

Part 3　AI經濟與企業應用

第八章　AI經濟的崛起

075　從網際網路崛起看人工智慧
076　「+AI」還是「AI+」？
077　工具機+AI
078　外送+AI
079　AI+餐飲
080　AI+時尚
081　AI+教育
082　再不AI會來不及

第九章　AI思維的企業運用

083　企業AI風起雲湧
084　AI的四種角色
085　從數位轉型到AI轉型
086　AI賦能員工
087　AI改善顧客體驗
088　作業AI化
089　產品AI化
090　三個I
091　能力AI的運用
092　互動AI的運用
093　介面AI的運用

第十章　結語：人在迴路中

094　人與AI共存
095　AI孿生的挑戰
096　介面改變
097　互動改變
098　感受改變
099　信任改變
100　每個人都需要AI思維

推薦序/導讀/自序

推薦序

企業AI應用成功案例實錄
讓人身歷其境的AI探訪之旅

孫藹彬╱鼎新電腦、鼎捷軟件創辦人

　　我不是寫家，周老師交待寫序，二十多年交情，無以逃避，學淺才疏也不及後悔，只有惶恐承受。為了不負所託，硬著頭皮，以勤補拙，認真拜讀，以減窘迫。不讀不知道，一讀讓我嚇一跳。如此般的行雲流水，就讓千舟滑過了萬重山。與周老師相識相知，當然知道他寫論文的功力，也知道他漫畫插圖的本事，知道他專業素養的紮實，也知道他藝術才華的洋溢，但是竟然不知道，他說故事的功力如此深厚。寫好書難，但是寫容易閱讀的好書更難。要能化深澀為趣味，還能深入淺出、引人入勝，真是難上加難。但是作者卻談笑間已然完成，不得不佩服。所以不以天才相誇，也至少要說是天分了，你若有不信，何妨自己一讀。

　　今天這個時代，新的科技不斷誕生，每天鋪天蓋地的在周遭飛舞，還拌雜著令人似懂非懂的一大堆專有名詞，不僅增加迷茫與困惑，更讓人不知所措，這就是需要大師的時候了。所謂大師，要能為我們開釋解惑，為我們化繁為簡，要能用我們常人的思維習慣與表達方式，把艱澀難纏的大道理，轉化成明確清晰、簡單易懂的論述，並且能夠連結我們的日常經驗，讓我們一目瞭然、豁然開朗。從這個角度看，這本書非常成功。

借力AI，避免被時代淘汰

　　AI是我們今天當然要面對的大題目。本書不從AI技術出發，是以人為主角，從思維的演變切入，論述未來人應該如何面對AI、掌握並運用AI。因此，作者從智慧代理人，談到分身，談到AI孿生，把思維的進化過程，從第一次進化演變到第二次進化，從運算思維（why & how）演變到學習思維（what & who），從上到下（top-down）思維演變到下到上（bottom-up）。這樣的論述角度，相當奧妙、有趣又深刻。用本尊的說法「人類的第二次進化，並不是長出新的器官或是新的能力，而是思維上的第二次轉變。而這個轉變我們將之稱為『AI孿生』（AI twin）。」又說「所謂AI孿生是指運用個人智慧（Human Intelligence，HI）並結合人工智慧，也就是HI+AI，去面對問題與挑戰的思維與能力。」而AI思維無論在「速度、維度、強度、粒度」上都巨大無比，必能給HI帶來很大的助力，也因此提醒了我們，若不能跟上時代借力AI，真有被時代淘汰的風險。

　　要掌握與運用AI，當然要了解AI。作者把AI思維，從五種能力（分類力、預測力、視覺力、語言力、推理力）、四種智慧程度（自動、自學、自主、自覺）、三類學習方式（深度學習、強化學習、遞移學習），用這「五四三」的手法，四兩撥動千斤，把一個超級複雜學術大題目（從1950年代開始萌芽，歷經七十年演變，歷經三次盛衰）輕鬆解構，頗有庖丁解牛的乾淨俐落，讀來暢快淋漓。這種能耐，不只需要學術理論紮實完整，解構的功力也非常人所及。

　　本書最可貴的特色，是AI應用的實際案例。作者在理論的介紹過程，搭配了豐富的案例，或為解釋或為佐證。除了一般常見案例，更重要的是作者直接參與實際指導的案例，這些應用AI孿生不斷發揮價值的案例，從問題的形成設定，到解法的研議發展，到最終成果的落實呈現，其中的實務議題與實際場景，都是作者的親身經歷，再由自己娓娓道來，讓讀者更有身歷其境的感受，很有對照或參考的實際價值，大大減低了學術與實務之間的隔閡與距離感。不會有隔靴搔癢的遺憾，不會有隔山打牛的疑惑。不同於一般坊間著作，大多談形而上的玄奧理論，?少論實質應用或實踐做法，難以舉一反三或實證效法。

數據驅動創新，AI最佳切入點

　　此外，作者還有兩個觀點值得我們特別關注：

　　其一，雖然AI思維最重要的是有數據，AI孿生要有數據才能學習，但是我們的行動卻不必等數據完整才開始。就像人類學習事物、積累經驗的過程，需要且戰且走，只要有足夠可用來訓練建模的數據，就可以逐步完善模型，就可以得到一個有用的AI孿生。所以「你不用很厲害才能開始，但你需要開始才會很厲害。」

　　第二個觀點是，如何利用數據幫助企業創新，稱之為「數據驅動創新」（Data Driven Innovation，DDI）。在AI思維中，用數據挖掘出新應用來驅動創新，是重要的手法。也可以反向思考，企業為了「掌現況」、「觀變數」、「擬預測」、「佐決策」，定義出需要的數據，再應用AI技術來解構數據，是數據驅動創新的另一方法。因此，數據驅動創新是協助我們開始使用AI最好的切入點。

　　最後用作者的一段話做總結，「企業AI化，我們將之稱為BAI（Business AI），已經是大勢所趨。運用人工智慧思維，無論是+AI還是AI+，企業才能在未來的挑戰中全面進化，全面提升企業在價值鏈上的競爭優勢。」

　　本書值得一讀！


推薦序

化衝擊為助力
企業與AI協作共存共榮的第一本書

劉克振╱研華科技董事長
楊瑞祥博士╱研華科技技術長

　　科技的進展持續改變人類經濟活動，改變商業模式及就業市場與社會體系。過去人類從農業社會，因機械動力發明而進入工業社會，農村人口大量移動到都會區。再因生產設備自動化持續提升，而就業人口大量從工廠生產移動到服務型產業。過去三十年來設備自動化以及同時並行的資訊化很大幅度的提升了各行各業的經營效率，近十五年的網路化與無處不在的雲服務更是加速改變了廣大消費市場的產業樣貌，舉凡電商、社群、媒體、金融、叫餐、叫車、訂房、食衣住行育樂醫財等等服務消費者的各行各業，都已經發生巨大的改變。每個公司在使用自動化設備與資訊系統從事每天生產業務管理活動的同時，有許多專業團隊於其中，使用設備與系統資訊做出最佳判斷決策與起動對應行動，優化經營成效。這些專業判斷與決策，或大或小，或單點或區域或全域，都有機會導入AI協作，將又再一次大幅地提升公司經營效率。人類經濟活動與各產業，將會再一次因AI科技的進展，AI開始逐漸能夠承擔各層級需要專業判斷的工作，人類經濟活動、產業樣貌、就業市場與社會結構很可能因而再次大幅改變。

　　本書以科普的淺顯易懂文字，清楚完整地說明了AI的前世今生與未來，對於AI的能力層次與強項，有效使用AI所必須的數據驅動思維，以及對各產業+AI與AI+的可能等重要突破性觀念，均有具體描繪，並說明為何再不AI會來不及的急迫性。AI將帶來的產業衝擊，將會數倍甚或數十倍高於互聯網與雲服務已經帶來的明確巨大產業衝擊。深入理解AI思維對於所有人，於此時點都極為重要。

　　高度推薦本書給對於想了解AI以及如何有效對應必然會來到的AI大浪潮，以及如何與AI協作共存共榮的所有朋友。

文章試閱

019 維修預警的AI孿生案例

　　AI孿生的二次進化會是什麼樣子呢？我們先以一個簡單的案例來說明，案例中的主角是鑄造工廠的維護工程師。

　　鑄造是一種金屬加工的方法，在本案例中的工廠是利用砂作為鑄模材料。在生產過程中，隨著金屬冷卻後，需要將砂模脫膜以便取出鑄件。因此在翻砂鑄造工廠的自動輸送帶上，通常會利用馬達震動輸送帶，以便將砂模震碎。在這整個自動運行的過程中，最怕萬一馬達未如預期震動，或者馬達出現故障等，那麼輸送帶可能停止運行。鑄件不僅無法順利取出，生產線還可能為此需要停工。若停工時間過長，這對鑄造廠而言，自是相當大的損失。所以對於本案例中的工廠而言，傳統做法就是定期維護，盡量預防故障不要發生。然而大家應該也可以猜得到事情總有例外，剛剛維護完，並不代表在下次維護前，就不會發生故障。事實上最理想的事，應該是在故障快發生前就先預測得到，那就太理想了。然而維護工程師又非三頭六臂，怎麼可能事先預知呢？

　　對本案例中的工廠而言，要預測故障的發生，說簡單實在並不容易，但是要說難，其實也並不那麼困難。重點是只要能夠感受到震動馬達快不正常前的行為，自然可以提前預警。但是要維護工程師能看出馬達震動的細微變化，實在已超出人類的能力。因此，本案例工廠在過去還是以定期維護作為主要手段。

　　若從AI孿生角度來看，在本案例中，我們為維護工程師加入數位攝影機。透過AI孿生隨時監控馬達的震動影像，並算出當下每秒震動頻率。AI孿生同時也學會震動頻率變化的各種情境，根據當下即時觀測結果，隨時提醒維護工程師，馬達的行為是否正在漸漸偏離正軌。如此，維護工程師儘管眼睛無法隨時盯住馬達，同時也欠缺看出震動頻率變化的能力，但是透過他的AI孿生，維護工程師創建出一種全新的能力。這個能力讓他可以同時掌控全廠所有的輸送帶馬達，在問題還沒發生前就提前預警並避免故障發生。所以，維護工程師，或者應該說鑄造工廠，透過AI孿生進化了。


021 生產良率預測的AI孿生案例

　　工廠產品的生產過程中，儘管所有的製造程序一樣，也使用同樣的原物料、同樣的機台、同樣的現場操作人員等，但是生產出來的產品品質，卻不見得能保證每次都一樣。而產品的良率除了會影響聲譽外，同時也會造成生產成本的增加或是訂單交期的延遲。

　　為何產品會良率不一呢？這或許會是因為生產線上的機台運作久了，精準度受影響；或是工具鈍化；或是供應商提供的原物料略有差異；或是不同工班的人員習性不一等。所以儘管製程一樣，但結果就是會有所不同。

　　在本案例中的工廠，是以生產隱形眼鏡為主。工廠負責生產的副總經理經驗豐富，但是對於不同批次生產出來的產品，品質差異卻很大。假如在製造前，就可以事先知道該批產品的良率，甚至能夠事先調整相關製造參數並預測可能良率，那麼不就可以確保每次生產產品的品質。既可降低成本又可早日交貨給客戶，確保公司聲譽。

　　上述問題，在過去或許可以依靠副總的經驗去臆測。但是隨著訂單增加、產品種類變多、生產程序變得更複雜，要純粹靠人腦依經驗來預測，顯然越發不可能、也越不可靠。因此在本案例中，我們決定運用人工智慧掌控所有過去與現場的生產數據，再加上產品類型、供應商、工班人員等所有資訊，發展出具備預測產品良率的AI孿生。從此本案例中的副總在每批產品生產前，都要求生產管理人員運用這個AI孿生，預測並調整生產程序相關參數，直到滿足預期良率後再行生產製造。

　　預測產品良率的AI孿生，不只可以幫助經驗豐富的工廠副總，更重要的是，它同時也助力工廠裡，經驗尚顯不足的生管人員演化出新能力，生產也才得以大幅改善。而這正是本書提到第二次進化的重要意涵。