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。
|
首頁|手機版|Chip123 科技應用創新平台 |新契機國際商機整合股份有限公司
GMT+8, 2024-12-20 06:22 PM , Processed in 0.100000 second(s), 16 queries .
Powered by Discuz! X3.2
© 2001-2013 Comsenz Inc.
