聽新聞
test
0:00 /
0:00
AI產業聚焦優化開發方案 加速企業智慧化
人工智慧已由學界走進產業界,開發方案的選擇將為企業AI應用發展的關鍵。近期AI產業發展重心為優化各式開發方案,訴求降低企業發展AI應用的門檻,利用生成對抗網路(Generative Adversarial Network;GAN)、聯合學習(Federated Learning;FL)、自動機器學習(AutoML)等技術與AI新創跨域方案,分別改善數據短缺、數據隱私疑慮、ML模型繁瑣開發過程,以及大廠方案客製化程度不足等企業發展AI應用時所面臨的挑戰。
GAN藉由生成模型與判別模型在相互對抗後生成新數據,有助於解決數據短缺的問題,也能強化AI自主學習的能力。聯合學習又稱聯邦、聯盟學習,藉由分散式邊緣運算架構、數據去中心化等特性,緩解數據隱私疑慮。
AutoML解決了過去ML訓練模型費時的問題,也緩解AI人才不足困境。由於各產業對AI應用的客製化需求較高,目前AI產業鏈中上游科技大廠所推出的解決方案無法逐一滿足企業需求,如何銜接落差造就AI新創業者商機。AI新創業者鎖定特定垂直領域落地驗證市場並累積實力,近來已朝提供跨領域解決方案發展,漸於AI產業鏈中上游與既有科技大廠產生競爭關係。
DIGITIMES Research分析師陳辰妃認為,現階段AI發展將以人機協作為主軸,接下來AI產業發展將圍繞在生成技術、分散式架構及自動化流程等趨勢,並隨各式相關開發方案持續精進成熟,將推動AI技術普及,以協助企業加速發展各種智慧應用。而伴隨而來的AI道德隱憂、AI可解釋性疑慮,以及新創業者與科技大廠間的競合,值得後續追蹤觀察。
延伸閱讀
贊助廣告
商品推薦
udn討論區
共 0 則留言
規範
- 張貼文章或下標籤,不得有違法或侵害他人權益之言論,違者應自負法律責任。
- 對於明知不實或過度情緒謾罵之言論,經網友檢舉或本網站發現,聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。
- 對於無意義、與本文無關、明知不實、謾罵之標籤,聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者,請勿下標籤。
- 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利,聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者,請勿張貼文章。
FB留言