AI 服務應用

AI即時監理系統，整合關聯性多面向資料，並以自動化人工智慧機器學習方式進行風險核判。系統可定期更新各因子係數、權重進行風險核判，進一步應用於即時風險偵測，將資料分析至建模，皆以自動化形式進行，節省人力及導入時間，其中包含定期更新資料集、特徵因子篩選、產製優先監控清單並依風險程度進行警示之服務。本系統已實證成功導入公民營機構，有效執行風險監理預警，可大量節省傳統人工監理稽核時間並提早預應，最高可降低成本達73%，以數據分析輔助驅動現有單位決策機制，達到監理最大效能。

貿易商透過導入流程機器人於企業流程系統後，根據預測資料再由演算法判斷最佳配貨組合，經由Line bot語音機器人與代銷商聯繫，完成配貨決策與資訊傳遞，精簡人力及提升銷售毛利率。

利用多國語音辨識與智慧點餐，協助餐飲業者接待外國觀光客，使用本國語言點餐。協助商家以AI功能自動將商品名稱、商品描述、商品加值等內容翻譯成多國語言，提供海外旅客無阻礙的在系統上直接選購，支援英文、日文、韓文、法文為基礎語言，協助店家提供海外消費者優質消費體驗。

AI專利風險監控平台可以提升廠商用戶的效率，免除單筆查閱在智財局上的觀看時間減少人力耗損情形。此平台的功能之一網絡圖的部份，依據各年份可以讓商業上決策者或者專利的申請者快速的了解自家發展的專利和哪些公司是相似度極高。由自家公司為網路圖的軸心，透過網路上的圖示呈現，快速對應競爭廠商有哪些申請專利，避免捲入侵權風暴中。 即時監控競爭對手的重要專利技術，強化研發能力。除了基本的交叉分析，AI的過人之處在於其不僅可以分析資料，還可針對既有數據進行預測。若想知道對手/產業未來的技術發展，可利用AI的預測分析能力，預測該公司（或整個產業）未來2-3年可能發展的技術。即可快速了解對手目前的技術優勢與動態，輔助公司研發部門做為日後研發方向的參考依據。

智能對話機器人運用自然語言處理（NLP）、生成式人工智慧等技術，透過深度分析使用者輸入，確保提供最相關且精準的資訊。其成功應用範疇已擴展至金融證券和醫療領域，為使用者提供智能查價、智能掛號以及專業諮詢等服務。 NLP技術不僅適用於LINE等第三方即時通訊軟體，同樣也能無縫整合於網頁瀏覽器、專屬APP等多元平台，透過全方位的智慧服務，實現觸及更廣泛的使用者族群，同時達到成本節省及全天候 24 小時的不間斷工作。 智能客服機器人為會員提供更迅速且自主的查詢體驗，藉由FAQ、自然語言理解（NLU）等技術實現自動應答。在查詢股價方面，使用者不僅可以輸入股票名稱或代碼，還能以簡化的常用語，例如：台積電輸入「台GG」即可獲得精確的結果。此外，機器人支援多功能整合，可輕鬆融入不同系統。 雲端版和落地版提供全方位的技術支援，擁有專業的人工智慧技術開發團隊，致力於為現有應用系統增添智能對話功能，進一步提升客戶體驗，使其更為智慧與便捷。

我們的AI對話式商務整合平台，從客戶端至客服端，為您串連所有的工作流程，包含相關系統整合串接，讓工作流程快速和提高效率，不單以最新的AI智能客服當第一線，更以IA人機協作方式，輔助客服人員快速了解客戶需求和維繫良善的顧客關係管理。 而我們設計的聊天機器人平台，採取最新的人工智慧Deep Learning 深度學習技術架構，可交互式問答多輪對話能力，自動學習問題類別，進而找到答案，大幅降低人力建置成本，並達到高準確率和廣知識涵蓋率。並在整合文字、語音與對答能力的同時，更能透過自然語意理解(NLP)及人臉、語音辨識，以文字客服、實體廣告機，3D智能機器人與客戶輕鬆互動對話交談，讓使用者在對話的過程當中，更能快速了解產品資訊、產品應用和其功能特色，更進一步結合真人銷售。 我們可以將所有顧客軌跡進行數據整合，不論客戶拜訪網站、APP、LINE、FB等社群媒體，以及客服中心(Contact Center) 包含真人服務包含電話、文字客服等，皆可將客戶資料統一歸戶，以利後續消費者行為分析。在這幾年中已成功導入銀行業、政府單位、電商業、交通服務、物流業各大產業，提供智慧服務、智慧交通、智慧政府、智慧物流等AI技術應用。

滿拓科技提供客製化的 LLM 演算法落地訓練服務及企業資料庫串接， 協助您領先市場推出最具競爭力之專有領域生成式對話 AI 服務， 抑或是實現內部 AI 資料化訓練，滿拓獨家 LLM 自動化訓練流程， 可在高度自動化程序下，用最短時間協助您推出新型態 AI 服務 ，提供從雲端到地端落地部署一站式整合服務，整合了 AI 專家顧問、 AIHPC 技術環境資源、大型語言模型 LLM 開發服務，並且能夠支援在地服務， 滿拓科技願與您攜手合作，協助貴司擁有最符合企業需求及 使用效益之 LLM 產品，搶佔市場領先地位

海洋公民科學家於107年建立了垂釣回報功能，公民科學係指由專家學者進行規劃，並提供一般民眾參與研究案中的部分資訊，公民參與不僅可提供海洋保育署更多的海洋資訊，亦可推動學術普及。110年導入AI魚種辨識服務，民眾上傳魚種照片後，系統會自動提供三種相似魚種以提高資料回報的準確性。為使公民科學家能更深入瞭解魚種特性、學名、俗名以及習性等資訊，介接「臺灣魚種資料庫」以提升公民科學家對於魚種的知識與認識，讓使用者更便利的進行填報。直至113年7月共有4004位垂釣公民科學家累積35,017次垂釣回報，112年度進一步增加垂釣資料的蒐集欄位，改善填報系統的便利性，針對臺灣地區常見的魚種，新增84種魚種辨識種類，使填報魚獲的資料更加豐富。

凱比機器人主要為一Android開放平台, 並開放機器人控制介面與平台供第三方進行調研開發合適之應用. 提供真實的人機交互介面給第三方進行應用部署.

iCoder AI編程可以自動判讀企業慣用的Word/Excel表格，作為表單的規格文件，透過雲端使用NPOI判讀表格內的各欄位與其特性，進一步使用JIEBA自動斷詞與分析詞性，自動決定表格上的欄位類型與表單上所要呈現的風格，來自動產生資料表結構、後端CRUD的對應程式碼、 前端RWD的UI表單(電腦手機都可以使用)，這個過程只需3秒鐘即可完成。iCoder除了以JIEBA的HMM方法來自動判讀欄位類型外，已經訓練好上千個Word/Excel商業表格作為模型，並具有高度的學習能力，可以依照個別的開發者提供私有的訓練模型，並回饋給公有的訓練模型。iCoder所匯入的Word/Excel文件，同時也是印表輸出的規格文件，隨時可以將資料套印在原來的Word與Excel格式上。iCoder也內建一個強大的Workflow引擎，以拖拉的方式讓你設定公司的組織與流程制度，並以iCoder的表單來進行線上簽核。iCoder同時具備了二次開發的能力，產生的所有程式碼都可以透過EEPCloud來進行二次開發來進行增補與微調，達到100%的需求。

UGuard AI是數聯資安根據U-SOC資安監控中心服務超過180個客戶、監控1400台以上資安設備、持續營運超過10年的在地經驗所孕育出來的資安管理解決方案。它擁有資安監控中心必備的事件收集、分析、儲存與監控功能，並具有客製化流程引擎與主機人員的入口網站。它可以串連各種資安設備、主機系統的資安訊息，產生資安的整體概況並提供即時警報，讓企業不再是被駭客打著跑，而是主動監控、鎖定、處理並遏止資安案件的發生。整合業界最強的巨量資料引擎領導者Splunk作為主要的處理核心，大幅改善傳統SIEM(資安事件管理)方案的處理效能及反應速度，並且融入數聯資安長期在SOC資安維運服務上的專業經驗所彙集之新世代SIEM知能資安整合平台。

透過奧義智慧獨家 Craft AI，使用機器學習進行威脅情資分析與關聯推論， 提供快速自動化案情調查、攻擊情境標記與威脅根因分析， 有效提高資安團隊效率，與反應精準度，瓦解潛伏中威脅，強化企業資安強韌性

學習語言與學習文化相輔相成。掌握華語才能深入了解臺灣文化，掌握臺灣文化才能把華語用到恰到好處。為了增強海外學子學習華語的動力，強化學生與臺灣的連結，僑務委員會自2020年推出首屆〈2020全球僑校學生華語口說爭霸賽〉以來，獲海外僑校師生熱烈迴響，總計有來自全球27國159所僑校學生組成511隊參賽，共計1,533人參加比賽。 僑務委員會於今年（110年）舉辦第二屆2021全球僑校學生及僑生華語口說爭霸賽，成功吸引上百組海內外6-18歲學生爭相參與。今年賽制分為朗讀賽與跟讀賽，全程採AI系統即時評分，各組並分別評選出5名優勝者，為慎重起見，僑委會請所有優勝者另檢送朗讀影片檔，並委託迪威智能公司以語者辨識演算法與參賽者原始音檔進行比對。 迪威智能公司採用領先市場的語者識別演算法進行驗證，成功複驗比對優勝者40人音檔，顯示此模型的可靠性以及適應性即便是不同的錄音環境也能夠準確的驗證出語者身份。

漆料產業所謂的電腦配色,僅為從現有色中挑選在進行配色,若遇到新色實則無法調,皆仰賴師傅的經驗進行調配,因此遇到新色時皆要重頭調配,耗費了許多的人力與時間,且每個師傅因調色習慣不同,所配出來的結果一樣但成本卻差異很大。因此欲透過 AI 的導入,透過 AI 模型的訓練,讓 AI 可直接找出最接近的配方與最省成本之配方。AI 智慧辨色系統,系統可達到色彩分析,自動調配並依據成本進行排列,協助企業追求最佳化成本與利潤。

(一). 計畫緣起 A. 廠方面臨問題： 1.製程日益精密、客戶要求全檢、量測產能已達上限 2.製程不穩定無法進行有效控制 3.首批需要投Dummy片驗證，需耗時半天 4.Layer量測難度大(破壞性檢驗)，無法全檢。 B. 執行步驟： 執行與整合步驟為： Step1. 建立AVM系統：完成100%全檢目標 Step2. 整合SPC系統：將AVM預測結果整合廠內SPC系統 Step3. 整合Alarm系統：將AVM預測結果依廠內Alarm 原則整合廠內Alarm系統 Step4. 整合Scheduler系統：建立智慧化抽檢機制 Step5. 整合當站製程：進行Feedback Control Step6. 整合後站製程：進行Feedforward Control 。 其中，Step4. 整合Scheduler系統：建立智慧化抽檢機制，需考量9項實務整合因素如下： 1.抽樣比例 2.機台穩定性 3.機台資料異常 4.AVM 模型狀態 5.預測精度水準 6.量測異常 7.產線排程穩定性 8.狀態改變: 調機或清機等。