應用案例

運用演算法找出重要的關鍵字詞及其相關詞彙，並提供API進行加值運用

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。

於桃園國際機場官網導入ChatGPT模型的官網智慧客服「桃園國際機場官方智慧客服」，協助來到官網的旅客能夠快速找到資訊並掌握重點。

本應用透過LSTM預測模型對靈芝種植環境中的關鍵參數（如溫度、濕度、CO₂濃度）進行即時預測與動態控制。系統整合感測器與邊緣運算設備，建立智慧環控平台，自動啟動風機、加濕器與照明設備，減少人工作業與誤差。該模型結合雙向LSTM與注意力機制提升預測準確性，搭配多目標優化控制策略，有效提升靈芝產量與能源效率，並透過可視化平台（戰情室）監控整體生產狀況。

本系統透過RF訊號演算法搭配AI即時推論技術，進行非酒精性脂肪性肝炎(NAFLD)偵測，量測時間僅需10秒，即可顯示肝臟病灶影像，同時可提供影像輔助定位、局部病變結果。此外，系統可將檢測結果之嚴重程度分為四個階段，醫師可藉由分數分級進行輔助診斷。本公司透過與Intel、遠傳電信、國家衛生研究院、長庚紀念醫院合作，將AI超音波技術佈署於Intel OpenFL(Open Federated Learning)，結合遠傳電信的遠距醫療平台，為醫生和患者提供視訊門診對話，使NAFLD脂肪肝篩檢更加容易。 過去醫師以理學檢測確認新生兒髖關節有無異常，檢測一位新生兒平均所需時間為15-20分鐘，本公司與林口長庚紀念醫院骨科團隊合作，研發之AI即時推論超音波系統可將篩檢流程縮短至30秒，除運算快速、可針對超音波影像進行自動判讀，亦可量測髖關節角度，以判斷新生兒髖關節是否異常，避免錯過最佳黃金治療期。

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。

IIDs隧道事件偵測管理系統在於提升了交控管制中心面對山區隧道交通通行問題即時監控與事件觸發通報應變管理方式應用沿線隧道環境的監控系統佈設，依照隧道高度與寬度和道路實際環境狀況每70~100公尺建置攝影機進行連續隧道內道路沿線監控與偵測辨識管理，運用AI影像偵測辨識，針對車流狀態、車輛異常停等、人員闖入作業區或車道、路面散落物、煙霧濃煙產生、車輛逆行駕駛以及機車闖入行駛隧道等等，透過光纖網路傳輸即時串流至中心管理平台進行輪播監控管理，同時搭配事件偵測IID系統鎖定隧道事件觸發位置連動影像彈跳顯示於中心畫面，同時建立連續事件同質性關聯判讀篩選為單一事件減少同一事件頻繁通報造成執勤管理人員重複作業問題，同時提升管控中心對於緊急異常事件通報接收信賴度和訊息精確度傳遞，搭配電子圖資顯示和訊息同步可以大幅提升交控管理中心對於長隧道環境進行即時有效監測與精確事件觸發訊息應對管理作業。

大型人群聚集，未被合理控管，因而衍伸之公共危險可能性需被重視。依據內政部群聚管理條文顯示，室外每人活動空間為0.2787平方公尺為非自主推擠危害臨界值，活動空間為0.1857平方公尺為已達人群推擠壓力潛在危害。透過AI自動化即時計算大範圍人數，提供安全管理策略，為本產品之安全管理訴求重點。

本案AI瑕疵檢測系統採用模組化AI影像辨識架構，能依不同產線或產品特性快速調整應用模組，例如CNC加工瑕疵檢測、安全帽佩戴偵測等場域皆可靈活部署。系統具備參數化模型調控設計，可依產品規格設定辨識閾值與容許範圍，使用者能於後台即時調整以對應不同製程條件。透過邊緣運算技術結合高速工業相機與Jetson模組，系統可在0.3秒內完成瑕疵辨識與信心值判定，並自動回傳訊號至PLC進行不良品標示。此外，系統具備跨場域資料遷移學習能力，能根據既有標註資料快速微調模型，以降低重複建模成本。導入前提供POC原型驗證流程，讓客戶能於實際產線測試辨識成效與操作介面，確保後續開發更貼近實務需求。部署上採低門檻模組化設計，可透過月租或授權模式導入，提升企業導入意願。系統上線後提供模型再訓練、參數微調與遠端維運機制，確保AI辨識能力能隨產線變化持續優化，達成長期穩定運行與智慧製造轉型目標。

透過AI客服智能除錯機器人，業者的客戶可以只要輸入錯誤代碼， AI客服即可以step by step圖文顯示維修對策，引導立即排除障礙，減少機器故障帶來的營業損失，同時業者也可減輕真人客服的負擔，專注解決差異性的個別問題。 雲程在線採用人工智慧機器學習設計的聊天機器人平台，整合文字、語音的識別與對答能力，透過自然語意理解及智能學習，讓業者可以藉由智能客服展開與客戶即時互動、同時也具備錯誤矯正能力，能自動修正錯別字或同音字，讓客戶可獲得快速的互動新體驗。 本服務以AI客服-智能除錯系統為基底，並整合真人客服、網站、APP、LINE、FB 、YouTube…等社群媒體，目前已成功娃娃機、兌幣機、自動販賣機等應用。

LibraLung天秤肺影為電腦輔助偵測系統(Computer-Aided Detection, CADe)，以人工智慧(AI, Artificial Intelligence)技術，輔助專科醫師判讀胸腔電腦斷層(CT, Computed Tomography)之肺結節影像。本系統以網頁介面操作，具備「肺結節偵測」及「輔助自動報告」兩大功能。 當系統偵測肺部電腦斷層影像疑似肺結節存在，系統自動於影像中標記肺結節之VOI(Volume of Interests)，以及對應肺結節之類型(Class)、肺葉位置(Lobe)、長短軸(Axes)及體積(Volume)資訊，並經由橫切面、矢狀面、冠狀面、最大投影橫狀面觀察肺結節型態。輔助肺結節偵測範圍，包含肺結節最大直徑尺寸為4 mm(含)至30mm(含)，類型不限為實質(Solid)、非實質(Non-Solid)或部分實質(Part-Solid)。 本產品經國內醫學中心測試，模型在偵測肺結節之FROC表現，平均每例偽陽個數(average number of false positives per scan)為2時，靈敏度(Sensitivity)為94 %；在肺結節之類型分類表現為Precision=0.93, Recall=0.93；在肺結節所在肺葉位置分類表現為Precision=0.99, Recall=0.99。

透過服務設計的介入，提供完整以使用者為導向的設計規範，不單僅以現有問題解決為主，而是透過四大角色象限: 管理者、生產員、品檢員與客戶，進行以服務設計流程全盤規劃統籌並導入技術應用的思考方式。透過實地觀察、用戶訪談、用戶旅程地圖以AS IS-TO BE的方式展開，實際挖掘人、機、環三者間的關係並產生關鍵服務需求，導出設計解法與服務藍圖並執行之。 以此為觀點，場域透過智能檢測針織生產數位分析平台，可詳實記錄分析生產參數，針對產線設備與作業人員進行稼動分析，並即時了解生產狀態，透過品質預測，找出影響品質的特徵因子，達到品質監測改善之目標，提供管理者與顧客有效掌握生產進度與品質之生產數位方案。

SkyREC 與零售品牌交流的經驗中，發現普遍有三大管理問題：第一，巡店時間長，效率不彰。第二，會員制比例不高，無法有效掌握線下顧客資訊。第三，缺乏數據分析團隊，幫助品牌檢視數據、優化決策。 藉由 SkyREC 全方位管理平台，幫助品牌同步掌握質化及量化數據。首先，運用影像辨識，洞察購物旅程 3 大環節，掌握顧客從店外、店內互動至結帳前的行為表現。接著，結合「雲端分析報表」及「Video Focus」挖掘實際影響交易表現的原因，藉以對症下藥。 某知名連鎖電器品牌，推出全新電棒捲並設立門市髮捲體驗區。透過制定員工服務 SOP ，藉此提升顧客體驗度及購買意願。 活動開始後，品牌區主管首先檢視「髮捲區顧客停留率」（停留人次及停留時間），找出停留時間普遍低於 3 分鐘的店舖（因為品牌規定的髮捲體驗 SOP 至少需超過 3 分鐘。）數據發現 A 門市雖位於一級商圈，但停留率不到一分鐘。接著，運用 Video focus 快速查看門市人員服務品質後，發現當顧客接近時，店員卻沒有上前幫助體驗，導致顧客可能不清楚使用方式。以往這些資訊需透過巡店、店舖訪問、銷售資料，才能掌握店舖營運狀態。 而藉由 SkyREC 全方位管理平台，區主管即可輕鬆獲得數據及店舖互動短片，快速了解門市營運並直接對症下藥，節省超過 900% 管理時間。

物流/快遞公司每天面對的問題是： 1. 20,000件貨要遞送，公司有300輛車，哪些貨要分配到哪些車，而且不會超過貨車容量？ 2. 一旦100件貨放上了貨車，由於每件貨有貨主指定的收貨時間，司機如何決定送貨順序才能用最少時間每件都準時送完？ 3. 對於新型態的快遞業來說，如何有效率解決短時間內的大量訂單(如食物快遞)？ 4. 有些特殊遞送型態的行業，如需要邊撿邊送(pick up/delivery)，應如何進行調度才能用最少車輛進行最多路順？ 5. 台灣的貨運/快遞業有超過45000家，大部分是中小企業，公司沒有資訊人才，如何能快速導入智慧調度軟體，且不需維運軟硬體？ A.I.R是以人工智慧為基礎的車隊調度服務，以訂閱制(subscription)為主，能夠解決業者上述的痛點。

鑑識人員在現場採集「可疑指紋」跡證後，必須進行「關係人」或「被害人」指紋排除，避免比中無辜關係人，造成鑑定資源浪費。 本團隊採用最新人工智慧AI 建模協助「關係人指紋」的現場指紋排除，從原本的人工作業變成自動化。