有未來學家預測，AI（人工智慧）有機會在 2029 年達到人類的水平，雖然尚未能證實這個猜測，但沒有人會懷疑 AI 時代已來臨。從電影推薦到新藥開發、從新創公司到網路巨擘、從傳統領域到前瞻科技，無不嘗試應用 AI 來加強競爭力。
國際數據資訊 IDC （International Data Corporation）更預測台灣 AI 採用率將在 2021 年達到 43%，也就是明年幾乎每兩家公司中，就有一家會應用 AI 技術，證實了許多台灣企業必須現在就踏上 AI 之路。
但 AI 是一個廣泛的名詞，機器學習（Machine Learning）則更像是一個實踐者，從海量的數據中學習、預測，並挖掘出隱藏在背後的結構。
企業搶攻 AI 的三大方向：影像、個人化與機器學習平台
不管是 AI 或機器學習，幾十年前還只是在研究室中的論文，卻隨著雲端發展與計算能力躍進而迅速成真，但並不是所有人都能快速掌握這項技巧。開發人員必須要在短短幾年內吸收、學習、應用，甚至是部署。從零開始學習也不是不行，但放大到企業競爭力的進程上，「速度」是唯一指標。
站在巨人肩膀上是人類科技進步的關鍵，AWS（Amazon Web Services）的信念正是「讓機器學習掌握在每個開發人員手中」。透過 AWS 旗下各種機器學習平台，開發人員能把時間花在更有效率的地方，替企業在數據中找出更多的可能性與機會。
Amazon SageMaker 提供了建置、訓練並部屬機器學習模型的平台。開發人員或資料科學家不用再花心力於複雜又昂貴的開發過程，只需透過 Amazon SageMaker 的工具集與工作流程串接起來，就能用較低的成本、更有效率的工作方法開發出高品質的模型。舉例來說，繁瑣的「資料標籤」需要大量地人工投入，Amazon SageMaker 的 Ground Truth 會從人類的標記中不斷學習，最多可降低 70% 的資料標籤成本。
而影像與影片是最直觀能取得的大量數據之一，利用 Amazon Rekognition 的深度學習（Deep Learning）技術，可以簡單地在應用程式中加入影像和影片的分析技術，來辨別物體、人物、文字、場景等，也可以用來偵測不當內容。美國最大的傳播品牌 CBS Corporation 就利用 Amazon Rekognition 來審核節目中的不當內容，以近乎即時的方式每月篩選和編輯數百小時的內容。
在消費者端，發展 AI 的另外一個重點，就是極致的「個人化」，在絕對尊重消費者隱私的前提下，提前預測、推薦消費者想要內容或產品。樂天超市（Lotte Mart）就表示，透過 Amazon Personalize 的機器學習架構，推薦消費者的商品接受度增加了 5 倍，衝高了每月的營收。
從傳產、網通到醫療設備，台企搶攻 AI 佈局
不只國外企業應用機器學習服務，台灣企業也有許多為了提供更好的加值服務，率先成為機器學習服務的採用者。AWS 將在 11 月 26 日舉辦一場線上研討會，分享不同台灣企業使用 AWS AI/ML 服務的實際案例，更是適合不同領域的產業人士學習的第一手應用實例。
研討會將分享網通產業的案例，介紹企業如何利用 AI 加值的方式，讓監控系統更加有競爭力，不只監控，還能做到追蹤可疑人物，唯有更豐富、打中痛點的需求，靠軟硬整合才能做出差異性，於眾多網通產品中脫穎而出。
而塑膠製造的傳統產業也可以是 AI 的先行者。塑膠在產製的過程中衍生出相當多元的產品線，需要更有效率地進行產品與客戶之間的匹配。透過機器學習，能夠讓銷售與產線運作更有效率，以製造業聞名國際的台灣，任何有關於產線效率的 AI，都應該被好好利用。
不只競爭力與效率，AI 更能「救命」，AWS 研討會也將分享 AI 在醫療業的實際案例，介紹專注於醫療影像、雲端醫療平台研發與行銷的台灣智慧醫療品牌，如何用 AI 辨識技術來最大化病患的黃金救援時間。
還想要更深入的了解台灣企業如何應用 AI，或想更進一步地了解機器學習的導入？
AWS 在 11 月 26 日 14:30 至 15:30，舉辦了「AWS 線上研討會：開啓你的機器學習之旅」，將對 AWS 機器學習三層式的架構及相關的服務有更全面性地深入探討，還會分享 AWS 在機器學習領域超過 10 年以上的經驗，不論開發者或商業人員都能找到適合自己的學習途徑、工作坊與資源。
