繼2011年工業4.0席捲全球後近10年，直到疫情期間企業開始積極數位轉型，協助全球製造業不斷演進升級；並加入了自2016年AlphaGo帶動的機器學習（Machine Learning）等人工智慧（AI）科技，陸續發展出生成式（Generative AI）與鑑別式人工智慧（Discriminative AI），促進自動化、高速化與準確性效益。


依工研院產科國際所產業分析師熊治民表示，其中鑑別式AI係經過標記資料學習訓練，針對輸入資料進行辨識、分類，目前更已結合自動光學檢測（AOI），被大量導入應用到諸多場域，包括人臉及車牌、人體病徵辨識，產品瑕疵辨識與分類，讓製造業者能提高零組件與產品自動化檢測速度與準確性；甚至是設備健康診斷、確保人員及工作場域環境安全辨識與警示等，降低人力需求與誤判率，並提升人員安全與作業效能，顯現AI應用方案價值。


生成式AI則可透過輸入大量的非標註、非結構化資料，提供大語言模型（Generative Pre-trained Transformer；GPT）與自監督式學習（Self-Supervised Learning）的過程訓練，再建構出基礎模型（Foundation model），自主生成創新的資料內容，包括立即式問答與自動回應文字、語音、圖像、影像、程式碼、3D模型數據等相關資料內容，正持續探索與驗證在製造領域的應用模式與價值。


工研院資通所副所長暨AI辦公室副主任黃維中進一步表示，目前生成式AI生態系在台灣企業可發展的定位，由下而上依序可概分為：晶片、伺服器、軟體平台與垂直應用。建議可從具備台灣特色與優勢的垂直領域深入規劃，加速釋放GAI潛力，提升產業競爭力；進而透過AI產業化、產業AI化，來提升各行各業競爭力，帶動資訊服務與新創商機。


至於在台灣最常見的就是內容創作，像是製作2D文稿及圖片、3D影音等；還有用於商業服務，如行銷、客服，已有不少企業藉此積極將生成式AI導入內部研發與製造，建立規格與流程，用於模擬、編程、設計、維修工作，進而產生各式專業文件內容；或是擴展至整個營運供應鏈提升效能，提供所需諮詢、訓練等擴充資料。

-工研院剖析生成式AI於垂直應用　須加強資料品質與精確性
-台灣工具機產業引進AI　投入銷售前後訓練與維運
-所羅門奠基AI視覺　實現自動化永續及生成式AI應用


詳細內文請參考網址...