應用案例

1.建立以國人為樣本的AI醫療影像辨識系統：本計畫使用彰化基督教醫院的國人醫學影像為樣本訓練AI醫療影像辨識模型，並採用CNN提升模型正確性與穩定度，期望從原本之二分法（良惡性）轉變為機率表現之BIRADS分級。 2.提升乳房X光攝影判讀效率與正確性：透過AI輔助，可降低放射科醫師工作量與降低病患等待報告的時間，且可降低醫生主觀判斷的差異並避免人為疏失。 3.為AI醫療影像大數據奠基：與台大生醫電資所合作，提升乳房X光攝影的AI醫學影像診斷準確度，未來可類化至電腦斷層掃描、超音波攝影，奠定醫療大數據的基礎。

以人工智慧、電腦視覺、深度學習為基礎，透過 Viscovery 自行研究開發的技術，為電商提供【AI 圖像搜索解決方案】，打破文字搜尋的限制，讓消費者透過拍照或上傳照片來搜尋難以形容，甚至無法使用文字來做搜尋的商品，例如：外來文商品、服飾、鞋子、包包、美妝商品等，讓搜尋變得更直觀、容易，藉以提升商品搜尋效率與消費體驗，並進而提升電商轉換率與銷售額。目前已與台灣 momo 合作導入。

員工可以透過行政智慧客服得到所需的解答及服務，關於公司行政相關如人資、行政、財務、會計、法務、資訊、公關等問題，甚至在詢答後的下一步（如查詢或申請），都能透過智慧客服完成！像是請假時詢問假別資格、天數額度、影響的績效及獎金或相關規定後，可直接透過行政智慧客服幫員工請假。

Shoplus 是 iKala 在東南亞及台灣為品牌主及零售商打造的 AI 社群電商銷售工具，運用 iKala 獨家開發的 AI 語意及圖像偵測技術，協助品牌主及零售商，快速整合臉書及 IG 等社群銷售通道。透過 AI 商務機器人、訂單管理系統、及社群電商顧客管理系統，在銷售的過程中，運用 AI 傳遞人和人之間的溫度。憑藉卓越的 AI 技術實力也奪下多項 AI 應用大獎。2021 年回台落地，與全家獨家合作，推出 Shoplus 商店家，共同面向台灣市場。 三大特色： 1. AI 偵測直播留言，訂單不漏接：運用 NLP 技術協助賣家在直播銷售的同時，自動偵測具有購買意願的留言，並立即寄送 Messenger 訊息通知消費者，快速引導完成訂單。 2. 智能對話機器人引導訂單成立，購物好簡單：消費者在社群影片下方留言後，便能即時收到 Messenger 訊息，在對話中完成訂單，讓直播選購、社群消費、及訂單確認一氣呵成，體驗無縫接軌的社群電商消費流程。 3. 整合式管理後台，管理好方便：結合商品添增、訂單資訊、客戶管理及營運報表的整合式後台，讓商家一覽銷售與庫存的全貌。整合全家店到店取貨物流服務，透過整合式管理後台，便能清楚掌握包裹寄送及貨款入帳狀態。

臺灣漁港數量眾多，傳統管理方式往往耗費大量人力與時間。為解決這一挑戰，我們運用WEB-GIS空間化技術搭配3D GIS技術模擬現況輔助漁港管理。此外，為掌握更完整轄區海域船隻活動資訊，整合了船隻自動識別系統（Automatic Identification System，AIS），即時提供船隻動態資訊，並利用CCTV監控影像開發AI影像辨識技術，精確識別進出港船舶，提升港口管理作業效率。 透過空間技術化、AI影像辨識、AIS資料整合以及三維數位孿生等技術實現智慧漁港管理與永續漁業發展之目標，落實船隻智慧管理，提升施政效能。此外，「三維漁港數位孿生智慧管理平台」專案榮獲第11屆智慧城市創新應用獎的高度肯定，展現AI 服務應用在智慧漁港管理領域的卓越成就。

本計畫之適應性號誌控制策略，主要係透過本計畫建置之6支CCTV配合AI影像辨識技術，偵測路口各方向之綠燈使用率與停等長度是否回堵至上游路口，並進行適應性號誌控制參數之推導。

台灣大哥大旗下的線上音樂與影視串流平台 (myMusic & myVideo)，利用個人化影音推薦技術解決內容與用戶數不斷成長所導致的媒合效率偏低問題。 提供技術的工研院巨資中心透過巨量資料分析平台處理大量內外部異質性影音內涵資料、中繼資料、用戶行為資料；結合用戶偏好分析、內容導向推薦、協同過濾推薦以及多種統計與機器學習方法，建構可滿足個人化推薦運算之複合式推薦系統，同時改善過去由PM人為決定推薦內容的作法。

使用者將產品說明、服務描述、想法輸入至本服務平台。平台透過自然語言處理，將關鍵字進行拆解及組成，找尋最適產業領域。並運用多國多語言 AI 自動翻譯生成和多國官方專利商標資料庫串接，僅需 5 分鐘即可自動生成檢索分析報告，達到節省過去長達數週至數月的95%的作業時間。

良率是每一家製造業最頭痛也最重要的問題，數據實體系統（Data-Physical Systems，簡稱DPS）可以基於工廠生產機台設備產生的大量數據建立AI模型進行製程良率的監控、預測、模擬，不僅可以在良率即將出現問題的異常狀況發生前提出預警提早通知操作人員，並能夠對生產過程進行可視化模擬預測找出最佳的製程參數區間，給予操作人員進行參數調整的智能處理建議，進而達到提升工廠生產良率之目的。鼎新電腦的「大人物」部門具備研發整合「大數據、人工智慧、物聯網」各式應用的能力，能夠為企業分析需求並量身打造適合的人工智慧應用。數據實體系統（DPS）是利用機器學習與深度學習分析ERP、MES和物聯網等系統收集機台設備產生的大數據後建立AI預測模型，協助企業完整掌握生產現場的過去、現在、未來，進而創造更大的營運效益。

鑑於產業數據採集技術的逐年升級以及智能化辨識技術逐漸成熟普及，為有效執行環境數據的蒐集以及建立有效的空品污染源的來源蒐集與比對辨識，本計劃規劃建立一套具備整合路口機動的未定檢車輛辨識、機車AI判煙偵測與空品偵測蒐集以及結合噪音數據採集來進行建立多元化環境污染源蒐證數據庫，未來可依照個案需求或是針對區域屬性進行長期性採樣蒐證研究計畫來分析各地區污染源種類以及驗證污染源之間的關聯性。數據雲端服務平台分析功能:路口移動車輛AI黑煙汙染源及車輛類別偵測，移動源AI車牌偵測及辨識，路口車流量偵測及種類分類(大車/小車/機車)。

奕瑞科技將Deep Learning 演算法極盡所能的在各個領域做出落地的解決方案，除了本身精研的核心演算法之外，還能貼近客戶的需求，與客戶共同討論出最適合的解決方案，並且跟著客戶的SOP，不斷地做滾動式的來回討論，以期用AI 人工智能技術，真正改善客戶在管理上的困難。利用全影像的車牌辨識好處是，無論何種車牌、戶外全天候的光照、氣候，只需要經過訓練，基本上沒有不能辨識的。除了不需要像傳統做法需要設感應線圈，少一個設備維護點之外，進而大幅提高辨識率，也能為往後的發展預留許多擴充可能！

牧場即時監控與告警、產蛋率預測

1. 利用先進AI技術快速完成檢核，自動識別並標記文中的違規風險。 2. 每個違規警示均連結相關法規和裁罰案例，節省查證時間。 3. 系統自動更新法規和案例，免去手動整理的需求。

光學膜製膜裁切時，需由人員針對AOI照片一張一張分類，避開不符規格的瑕疵進行裁切，人員進行瑕疵分類時耗費大量時間與人力。我們設計了一套含有標記、資料前處理、訓練以及模型佈署預測功能的系統平台，人員只需上傳瑕疵資料，並到平台上標記瑕疵類別，系統平台利用卷積神經網路(convolutional neural network, cnn)進行訓練與分類計算。並回饋訓練成果與準確度，提供一鍵式模型佈署，將模型佈署到平台中，人員就可以利用佈署的模型進行預測分析，根據分類結果繪製裁切瑕疵map，人員即可根據瑕疵map建立裁切規格，進行裁切分調，並且有效的將A級率從69%提升至90%。

分析領域的領導者SAS為企業提供兼顧「大量選擇」與「有效控管」的AI開發平台，是更具整合性的企業級分析環境。該架構強調開發AI分析所需的企業級平台特色，包括： 「統一化平台管理／集中式分析協作／企業級AI特色／兼容開源／模型管理」 並兼顧模型生命周期的完整性，從資料存取及準備、模型建置，乃至模型的部署及追蹤等，都在同一平台上流暢操作，進而快速獲取分析價值。