Skip to main content

教育

在實體世界引進智慧 AI

智能人工智能

供應鏈危機持續延燒,將國內貨物運輸系統的運作方式攤在陽光下,登上了主流新聞版面。顯而易見,這個數十年來運作順暢的系統,不太能因應過去這幾年出現的挑戰。過去迫切需要現代化、數位轉型和 AI 創新,現在也是,否則全國都將自食惡果。

技術解決方案供應商 Arrow雲端解決方案業務開發經理 Scott Chmiel,以及 Scalers.ai 的共同創辦人兼執行長 Steen Graham,正好能伸出援手。他們居於兩家公司之間,協助摸索客戶智慧物聯網合作夥伴生態系統,而且環境不僅侷限於智慧港口而已。各種產業皆可在實體世界部署 AI。產生的效益超越企業,甚至擴及整體社會。

企業在目前的數位轉型工作面臨了哪些挑戰?

Scott Chmiel:解決方案的複雜度大幅提高,所以挑戰也改變了。在過去,單一硬體或軟體便應有盡有,但現在多了雲端、複雜度提高,而且我們所增加的技術,無論從技術或開發觀點來看,都需要不同的技能組合。如今解決方案必須整合並部署至各不相同的現有客戶環境。現在連線裝置需要額外的作業安全性。此外,過去不可能的事,如今得以實現,例如機器學習和 AI。過去無解的業務問題,現在出現了解決的可能性。

Steen,你對這些努力有什麼看法?

Steen Graham:在實體世界部署人工智慧和物聯網是一大挑戰。以港口的情況為例。顯而易見,港口及其基礎架構都有數十年的歷史了,雖然各種既有的應用程式皆可順利運作,但您不妨考慮實作新技術。那麼到底該如何在既有的基礎架構部署這些雲端原生的方法,包括人工智慧,才能執行分析效率與監測 CO2 排放這類工作?同時從硬體和軟體的角度來看,將既有的基礎架構結合新的基礎架構,是推動產業轉型及解決供應鏈挑戰的關鍵。

目前的聯邦政府行政機構,大力支持港口現代化。然而,有趣的是,港口的管理單位其實是地方的市政府,因此這些地方首長的作為會對全國造成影響。此外,工會對這個情況也是至關重要。舉例而言,起重機操作是美國由來已久的港口工作。雖然將貨櫃從船上卸下的前端工作已經自動化,但是在卡車裝卸貨物這類工會掌控的人力作業職務,我們依舊有龐大的投資。因此,聯邦政府、地方市政府和工會這三方,全部都在當前這個危機舉足輕重。

企業若要在技術上做出有影響力的改變,該從何著手?

Scott Chmiel:第一步是瞭解他們想達成的業務成果。他們想達成什麼目標,哪些人是相關人員?以洛杉磯港口為例,公司不僅一家;還有市政府、貨櫃搬運人員、卡車司機,數十或數百名承包商,為了經營港口,所有人都必須與對方周旋。我們的解決方案側重於他們在安全性方面的挑戰,以及單純的快速追蹤。

Steen Graham:為了回答問題的第二部分,Scott 和我考慮的是某種不妥協的解決方案。從簡單的作業系統角度來看,Windows 和 Linux 這兩種作業系統在全球隨處可見。新式 AI 應用程式中的雲端原生工作負載是在 Linux 撰寫,但現有的工作負載和應用程式很多則是在 Windows 中所撰寫。透過在部分這類技術加入跨平台功能,我們能夠在現有的基礎架構修正 AI 應用程式,確保它們搭配使用時能更順暢。我們在這個解決方案採用的方式,其實就是疊加新式雲端原生屬性和 AI 功能。

推動這個跨平台互通性的因素是什麼?

Scott Chmiel:通常是既有的硬體。此外是技術,基礎架構可用於許多不同的解決方案,無論是智慧港口內或倉庫內的零售應用程式皆適用,而且存在的挑戰類型都相同,可以使用以及自訂或重新包裝相同的技術。這樣一來,既有的硬體就更有價值了,它們原本做不到的事,讓硬體更有價值。智慧港口這個例子增加的是安全性,零售業同樣也適用:起重機在倉庫移動之前,最好先確認移動的路線沒有可能擋路的人員。

Steen Graham:從技術觀點來看,透過基礎技術,我們顯然獲得了 Microsoft 與 Intel® 的禮物。我們用 EFLOW 這個縮寫代表 Windows 上的 Edge for Linux,或是更精確來說,是 Windows 上的 Azure IoT Edge for Linux。我們之所以能在 Windows 和 Linux 享有不打折扣的能力,原因就在這裡。此外,Intel 透過整合式顯示晶片能力投資的硬體加速功能,是鮮為人知的一大福音,讓我們無須升級至昂貴的 GPS,便可在部署的 Intel CPU 執行這些工作負載。我們現在可以透過經濟實惠的現成技術,例如 Intel 的 NUC 平台以及 Windows 和 Linux,執行多個 AI 模型和多重攝影機摘要。這一系列出色的技術,讓我們得以部署這些新式工作負載,並確保工作負載能夠與既有的基礎架構互通。

EFLOW 如何用在港口的例子?

Steen Graham:EFLOW 是去年才推出的技術,所以我們仍在參與階段。從業務成果的角度來看,我們想解決的是與準備時間相關的瓶頸:貨櫃裝卸速度的作業技術指標。那麼,我們該如何將起重機的準備時間最佳化?起重機的裝卸速度為何?我們該如何確保卡車在正確的時間出現在正確的地方?同時為現場員工提供安全性更強的體驗。此外,我們還追蹤 CO2 排放,因此我們參考的另一項指標,就是許多港口目前搭配柴油起重機使用的混合式起重機效率為何。

EFLOW 還能解決其他哪些使用案例或挑戰?

Scott Chmiel:機會很多:運輸、工業和零售業只是幾個不同的垂直市場。我知道 Microsoft 和 Intel 都極為側重零售業:現有的機會就是執行工作負載整合,由一部機器同時完成監視錄影與銷售點的整合。或者可能有過去無法執行的新服務;交易若是有視覺元素,您可以從中產生何種價值?

程式碼和基礎技術皆可針對任何上述的垂直市場重新規劃用途。Microsoft 和 Intel 透過 OpenVINO 提供的加速器和工具,已經為他們完成了許多工作。

Steen Graham:醫療保健是另一個可能的產業。如果觀察超音波這類醫療影像設備,許多超音波廠商都屬於 Windows 應用程式,不過他們有意加入新的 AI 功能。麻醉師有時很難找到患者血管就是一個例子。超音波設備可用來準確判斷靜脈的位置。備妥既有的 Windows 超音波設備,然後加上新式的深度學習。

我們還發現,利用電腦視覺偵測製程瑕疵的需求也很高,我認為這也是絕佳的使用案例。如果採用即時 AI 缺陷偵測,就能在製造流程及早發現有品質問題的產品。如果及早在流程解決這些問題,其實能減少執行剩下流程耗用的化石燃料。

可以請你們聊聊加入這個過程的夥伴關係嗎?

Steen Graham:Arrow 一向致力於找出讓夥伴關係發揮綜效的方式。因此,Scott 帶著展現這項基礎 EFLOW 技術價值的出色點子來找我們,而我們能夠利用 Intel 和 Microsoft 的技術,以及許多開放原始碼專案,建立解決方案程式碼。Scalers 的工作則是徹底瞭解如何將這一切整合至高擬真的企業 AI 解決方案,然後提供該解決方案,以及建立部署用的自訂 AI 模型。

Scott Chmiel:Arrow 以協調者與集合商的角色自居,包括整合不同的技術、服務或元件,或是協助設計。為了一手包辦端對端解決方案,一家有遠見或是面臨挑戰的公司,很難在公司內部備妥所有資源或技能組合。因此,Arrow 希望與終端使用者合作,並且引進合適的合作夥伴。我們不僅協助他們的終端使用者挑選合適的解決方案,更仔細檢視了該解決方案的使用壽命和整體生命週期。智慧港口不會在幾年內部署及完工。此外,它也應該要可以重複。正在開發該解決方案,或是正在整合這些環節的公司,能夠重新使用它,在整個生態系統創造更大的規模,並創造更高的價值。 

關於 EFLOW 或這個主題,還有其他我們應該知道的事嗎?

Steen Graham:在我們討論開發與軟體工程設計成本時,撰寫整合這些夥伴關係的程式碼極為重要。雖然擁有優異技術的出色公司很多,但往往缺少連接 API 的單行程式碼,無法真正推動轉型。身為產業,我們真的必須一起克服部署挑戰,因為雲端的建構功能出色、極為經濟實惠,而且當今使用容易。在實體世界部署是挑戰之所在,同時也是持續學習、遷移學習和連續註釋的必要條件。

最後,雖然我們越來越擅長合成資料,以及用小型資料集建立 AI 模型,但如果真的希望讓社會進步,就必須能夠在良好的資料集建立高擬真的模型。此外,我們必須使用可解釋的 AI 進行,這樣我們才能瞭解它為了儘量達到包容且精確的目標,做出判斷的原因。

Scott Chmiel:我在與特定垂直市場的公司討論時,一向對於他們對於自己工作的瞭解感到驚奇,無論對方是負責管理倉庫、港口,或是監視錄影,抑或是在醫療界工作。他們的特定解決方案令人感到驚豔。由於這些解決方案越來越複雜,因此我希望大家知道,你們不必孤軍奮戰。建造單一用途裝置的時代已經過去了,光是顯像的 MRI 還不夠,現在的目標在於它如何與整間醫院整合。然而,公司不需要在過程中孤軍奮戰。此外,他們使用更複雜的解決方案時,確實無法孤軍奮戰。達成目標的門檻正逐漸下降,我們現在能夠解決過去無法解決的業務解決方案,這件事真是不可思議。

相關內容

若要進一步瞭解 EFLOW,請收聽播客 快速邁向創新應用程式:利用 Arrow 與 Scalers.ai。如欲瞭解 Arrow 的最新創新技術,請在 Twitter 的 @Arrow_dot_com 以及 LinkedIn 的 Arrow-Electronics 專注他們。

 

本文由 Erin Noble 編審。

作者簡介

Christina Cardoza is an Editorial Director for insight.tech. Previously, she was the News Editor of the software development magazine SD Times and IT operations online publication ITOps Times. She received her bachelor’s degree in journalism from Stony Brook University, and has been writing about software development and technology throughout her entire career.

Profile Photo of Christina Cardoza