餐廳的 AI 有助於降低成本並提升銷售

從餐食餐廳到速食外賣和工作場所自助餐廳,客戶不僅期望食物美味,也期望體驗快速便捷。同時,食品服務業正在尋求更高效的營運、準確的庫存管理,並且提升盈利能力。

為了保持領先地位,大型食品零售商仰賴邊緣 AI 和電腦視覺等轉型技術。搭載這些技術支持的平台,讓零售商從耗時的傳統結帳轉移至客戶希望的高效自助服務。此外,它們提供寶貴的資料有助於瞭解客戶的喜好設定、盡量減少資源浪費、庫存短缺和次優的效能。

IT 解決方案供應商上海凱景信息技術有限公司 開發了 AI 支援的自動結帳服務,克服食品服務的挑戰、滿足新客戶的需求,並開創新的機會。

進行中的餐飲服務零售轉型

以老鄉雞餐飲有限公司為例,這家速食餐廳(QSR)連鎖店在中國各地設立 2,000 多家分店。這家餐廳的目標是克服一系列的挑戰,例如追蹤效能,以及在所有分店地點將資源運用到極致:

大規模管理營運:全面掌握所有商店的營運情況,同時不降低服務品質是首要任務。有了大規模的版圖擴張(增加到10,000家分店)計畫,公司需要確保整個業務在如此巨大的成長中仍能持續平穩運作。

提高盈利能力:由於食品和租金成本高昂,速食餐廳的利潤率通常很低。但他們最大的支出是員工,可佔每月成本的 30%。隨分店數量不斷增加,食物浪費正在侵蝕著利潤。

改善客戶體驗:餐廳面臨的挑戰之一是維持每家連鎖店效能一致,而快速擴張版圖會使問題加劇。無論客戶在哪裡用餐,老鄉雞都必須保證每家店提供一致且正面的體驗。為了維持正面的品牌聲譽,公司必須克服服務緩慢、排隊冗長、食品品質參差不齊和區域不衛生等問題。

提升營運透明度:該公司希望更清楚掌握商店的業績,找出表現最好和最差的店家。這些資訊能讓管理階層查明哪些因素導致了結果,並實施糾正措施。阻礙在於他們使用過時且效率低的手動方法,因此幾乎不可能大規模執行任務。

顯然,老鄉雞需要上海凱景的食堂解決方案,這是一款 AI 支援的自動結帳服務端對端數位零售平台。該平台提供了 AI 和電腦視覺支援的功能模組,用於產品辨識和重量測量、定價、臉部辨識、付款、資料分析、綜合系統管理等應用。

由於食品服務地點的實體佈局和產品不同,POS 站有三種形式:桌上式一體機、櫃枱式結帳機和垂直結帳機,為老鄉雞這樣的食品零售商帶來靈活變通的便利,因應每家分店的需求(圖 1)。

三個食堂結帳站的圖片
圖 1. 自動結帳系統有三種模式:桌上型一體機、櫃枱式結帳機和垂直結帳機 POS。(資料來源:上海凱景

餐廳的 AI 提供可衡量的成果

老鄉雞與上海凱景合作後,取得了顯著的成果,包括能夠:

  • 透過即時產品 SKU 辨識和交易帳單生成,減少手動結帳任務和客戶結帳時間的需求。
  • 透過分析客戶流量模式來預測用餐高峰期,讓管理人員瞭解流量趨勢、主動為客戶爆增或人潮冷清做好準備,明智地調整營運方式和資源配置。
  • 利用有效的庫存管理,將食物浪費降至最低,確保店家依據準確的消費模式預測,讓庫存水準維持在最佳狀態。
  • 利用 AI 和電腦視覺 AI 驅動的分析,改善與食品品質、廚房衞生相關的標準作業程序,同時遵守安全法規。
  • 讓管理階層全面掌握各分店地點的績效指標,找出營運的薄弱環節,以便優先考慮並迅速調整必要的措施。

「總的來說,我們的平台讓老鄉雞實施策略決策,進而促進收益成長,改善客戶體驗,」上海凱景技長 Zhengting He 表示。每個店家每月減少 450 美元的人力成本,結帳效率提升高達 80%,消除因排隊冗長導致的客源流失。此外,該公司每天的銷售量成長了 10%,因此每個店家的利潤每年增加 38,700 美元。

技術和工具為餐廳的 AI 注入動能

為了提升食堂的平台效能,該公司轉而使用 Intel 技術。Intel® Core 處理器和邊緣 AI 技術提供近乎即時 SKU 辨識所需的效能,準確率高達 99%。「我們的測試顯示,這種效能和準確性使平均結帳時間縮短為三秒,」Zhengting He 表示。Intel® OpenVINO 工具組憑藉先進的電腦視覺功能,將推斷效能最佳化。

Intel® oneAPI 影片處理資料庫在食堂的影片分析功能中也扮演舉足輕重的角色。例如,Intel® GPU 的先進軟硬體功能可讓 AI 驅動的品質和合規性檢查在非工作時間進行。

上海凱景除了提供「食堂」等先進產品之外,也提供其他服務,包括量身打造的諮詢、產品生命週期支援、CRM 和資料分析,協助最佳化供應鏈並提升營運效率。

該公司提供的服務滿足各種客戶的需求,確保他們維持永續成長策略並遵守產業標準。「我們的領先客戶正在迅速擴張,我們相信這種趨勢會持續下去,」上海凱景行銷長 John Yang 表示。「我們很高興能協助老鄉雞等公司繼續致力為世界各地的人們提供優質且實惠的食品。」

 

insight.tech 編輯副總監 Christina Cardoza 編輯。

製造業與智慧城市的工業機器視覺

機器視覺應用能增強檢測和品質控制,因此可以提高效率、安全性和盈利能力,對工業和智慧城市部門而言更是如此。

例如,在工廠中,自動化光學檢測(AOI)可以減少製造錯誤並提升生產力。智慧城市中的視覺系統可以提供更安全的街道和更完善的城市交通控制。不過,雖然潛在的使用案例種類繁多,但這些解決方案卻難以真正落實。

「工業和室外城市環境惡劣,因此難以在那些環境中部署工業機器視覺解決方案,」製造機器視覺應用之小型工業電腦的工業運算專家 Portwell 資深業務開發經理 Kevin Lee 表示。「此外,許多工業和智慧城市的使用案例亟需可靠性,而且存在嚴格的空間限制。」

好消息是,像 Portwell 的 WEBS-89I0 這樣的現代嵌入式工業電腦(IPC)提供一個運算平台,即使在最嚴苛的情境下也能部署機器視覺解決方案。這些強大的邊緣運算平台不僅堅固、靈活且適應性強,還能實現各種新的應用,並已在多個市場中展現價值。

嵌入式 IPC 在全球釋放機器視覺優勢

Portwell 在歐盟和亞太地區的部署就是這方面的好例子。

日本一家大型建築公司正在尋找自動化解決方案,以遠端檢查及監測建築專案。該公司希望實現對現場作業的技術監督,免除派遣工程師或技術人員前往建築物進行人工監督的成本和不便。但環境條件極具挑戰性,現場的溫度最低攝氏 5 度,最高可達攝氏 45 度。

Portwell 協助該公司設立基於 WEBS-89I0 的遠端監控解決方案,其無風扇盒式電腦可承受嚴苛的作業環境,同時確保系統可靠性。現場安裝的攝影機有助於監督作業,確保遵循適當的程序,專案也依照計畫進行,IPC 進行預先處理,然後將相關資料傳輸至公司的 Microsoft® 雲端進一步分析。

落實之後,公司已達所需的監督水準,不再需要花費時間和金錢將訓練有素的主管派往工作現場。

在荷蘭的第二次部署 Portwell 中,一位系統整合商正試圖為市政府實施智慧城市解決方案。SI 和當地官員擔心城市街道的安全與保障,於是希望開發自動化監控系統,以偵測危險情況,並在必要時提醒當局。

但是基於設定因素,環境限制非常嚴苛。可靠性也是一大問題,因為室外解決方案的設備折損率很高,且 SI 派工程師到現場修理電腦既不方便,成本又高。

Portwell 協助系統整合商利用無風扇嵌入式工業電腦作為邊緣運算平台,開發機器視覺安全系統。WEBS-89I0 的無風扇設計旨在降低故障機率,因為電腦風扇是電腦持續運行時最常損壞的元件。因此,在城市周圍設立了一套安全攝影機網路。攝影機連線至嵌入式 IPC 進行邊緣分析,並使用程式設計演算法偵測會引發警報的行為。IPC 內建的 SIM 卡插槽也可以透過本地行動電話通訊網路將資料路由至遠端控制中心。

一旦部署,城市官員就會擁有他們嚮往的電腦視覺安全解決方案,在未來只需要最少的維護和保養。

工業機器視覺:靈活變通又可靠,加速上市時間

顯然,道路交通管制系統、工業 AOI 和智慧城市安全解決方案之間存在著重大差異。促進各種應用程式快速開發的嵌入式 IPC 平台的關鍵在於靈活的設計和可靠、高效能的邊緣運算。

例如,Portwell 的 WEBS-89I0 嵌入式工業電腦提供許多設計功能,讓工程師和 SI 更輕鬆地為自訂使用案例建置。

多個 USB 和 Gigabit 乙太網路連接埠可讓工程師將 WEBS-89I00 IPC 連接到攝影機等標準硬體裝置;RS-232 和 RS-485 連接埠為工業設備提供額外的連線能力;雙輸出連接埠提供將電腦與顯示器連線的方法。此外,電腦的佔地面積小巧(掌上型為 138mm x 102mm x 48mm),表示它幾乎可以嵌入任何解決方案,而不會大幅增加整體尺寸。

在可靠性方面,Portwell 與 Intel 的技術合作對開發嵌入式工業電腦很有助益。「Intel 處理器提供開發嵌入式應用程式所需的效能、穩定性與能源效率之間的平衡,」Lee 表示。「和 Intel 之間的合作關係也讓我們能夠搶先使用新一代的處理器,有助於我們向客戶提供市場領先的解決方案。」

對於試圖開發工業機器視覺解決方案的企業和公司 SI 而言,這種強大的運算和靈活、適應性強的設計融合,即使是為買家打造高度自訂的解決方案,也能更輕鬆也更快上市。

協作實現各種工業機器視覺 App

幾乎每個領域的組織似乎都希望在來年將電腦視覺技術整合至營運中。

部分原因是現在實施比以往更為容易,畢竟現代 AI 技術能比舊的方法更高效地解決機器視覺工程問題。

「過去,使用傳統程式方法建立用於缺陷偵測的工廠 AOI 系統非常複雜,」Lee 說。「但鑑於 AI 電腦視覺的現狀,這種系統可以更快設計及實施。」

特別是在智慧城市和工業領域,堅固耐用的強大嵌入式 IPC 應有助於克服採用障礙。

「智慧城市與工業領域中,人人都想要機器視覺應用,因為商業案例非常明確,」Lee 表示。「但直到最近,最大的挑戰是尋找合適的邊緣運算平台來實施這些解決方案。我們相信我們克服了這些障礙。」

 

本文由 insight.tech 編輯總監 Christina Cardoza 編輯。

利用低程式碼平台更快建置 AI 應用程式

無論目標是加速辦公室工作或透過聊天機器人令客戶刮目相看,現今的企業都愈加渴望部署 AI 應用程式。

AI 應用程式一旦推出,就能提高生產力。但是建立這種模式可能會耗費許多時間,特別是對於生成式 AI 解決方案而言,它採用大型語言模型和影像辨識系統,需要經過大量的微調和測試。

現在有更好的方法能讓 AI 解決方案開花結果。企業可以利用低程式碼平台更快開發自訂 AI 應用程式。低程式碼應用程式維護及自訂更加簡單,可適應未來的使用案例。

簡化 AI 解決方案開發

低程式碼 AI 平台開發者 Iterate.ai共同創辦人、數位長暨技術長 Brian Sathianathan 表示,在 AI 應用程式競爭激烈的世界,時機是一大關鍵因素。「許多公司都希望搶先推出創新解決方案。但這很難做到,因為他們的 IT 和技術團隊已經忙得不可開交了,」他表示。

Sathianathan 和同事創立 Iterate 是為了簡化 AI 應用程式的建置流程,將開發時間從數月縮短至數週。「平均而言,將 AI 的構想從概念化為現實的速度要快上八、九倍,」Sathianathan 說。「建立複雜度較低的 AI 解決方案,速度可提升高達 17 倍。」

Iterate 透過為各種 AI 功能(例如聊天機器人、付款系統或影像辨識)建立預先編寫的程式碼區塊來節省時間。開發者可利用公司的 Interplay 平台將程式碼區塊拖放至解決方案。

「這就像用卡車上提供的零件建造豪宅一樣,」Anton 表示。「我們把整個廚房、卧室和浴室寄給您,您三兩下就能組裝起來。」程式碼區塊分為金融、保險、零售和汽車等產業的自訂解決方案。

利用低程式碼平台節省時間

Interplay 的企業辦公室解決方案 GenPilot 讓組織利用內部資料與文件,建立自己的生成式 AI 大型語言模型(LLM)。許多 LLM 專門從事財務規劃或物流管理等任務,而 GenPilot 可讓他們選擇自己喜歡的模型。雖然 Chat GPT 和 Microsoft Copilot 等公共 LLM 解決方案也可用於生成式 AI 解決方案,但有些公司不願將資訊上傳給他們。

「公共模型在多租戶雲端環境中共享。我們提供一個安全的私密環境,讓公司在內部執行模型,」Sathianathan 表示。銀行、保險公司和其他組織也可以建立管理不同地區資料的合規規則。

對於員工而言,GenPilot 透過收集及解讀跨資料庫的文件,節省數小時的時間。例如,如果保險客戶向公司代表傳送電子郵件,但忘了提供保單編號,GenPilot 不僅能找到它,還能確定保單如何適用於問題、客戶為服務支付多少費用,以及變更是否會影響費用。然後,它會撰寫對客戶電子郵件的回覆。

「這套系統會以簡單的英文做出明智的回應,」Sathianathan 表示。公司可以制定語氣和技術等級的規則。

對於 PDF 等非結構化文件,員工可以使用另一款解決方案,即 Interplay OCR Reader。此應用程式將影像翻譯為機器可讀取的文字,並啟動工作流程。例如,銀行員工將客戶的掃描文件上傳至 OCR Reader 時,它會擷取相關資訊,並將其填入貸款申請表。

簡化零售 AI 管理

Iterate 最新的解決方案之一是 Interplay-Drive-Thru,可建立語音支援的聊天機器人,接受客戶訂單,並在繁忙的速食餐廳(QSR)提出追加銷售的推薦。

長期勞動力短缺通常需要 QSR 員工執行多項任務、包裝食品、收款,以及為店內和使用得來速的客戶提供服務。「聊天機器人能給他們多一點喘息空間,」Sathianathan 表示。訂單處理速度更快,縮短客戶的排隊時間,並提升餐廳的流通。

得來速和其他零售商可以利用 Interplay 的 LPR(車牌辨識)解決方案加速付款。選擇提供車牌和信用卡照片的客戶,一旦抵達參與的企業,電腦視覺攝影機即會識別。Interplay LPR符合 GDPR 和其他隱私法規,目前在歐洲 1,000 多家加油站和便利商店部署。

「它會自動為客戶打開油泵,向他們收取加油費。這些行動全在 30 毫秒內執行,」Sathianathan 表示。

Interplay 的 LLM 解決方案在 Intel® 處理器上部署。一如許多 LLM 解決方案,在高效能 CPU 上執行的應用程式比同樣需要 GPU 的企業更具成本效益。

「僅使用 CPU 的系統,每台機器的成本為2,500 至 4,000 美元。同等的 GPU/CPU 組合為 8,000 美元至 12,000 美元,」Sathianathan 表示。零售 IT 團隊也更熟悉標準作業系統,因而縮短訓練時間。

一旦部署低程式碼解決方案,開發者就能輕鬆地將相同的 Interplay 程式碼區塊移至新的解決方案,不必整理數百萬行程式碼來進行變更。此外,Interplay 的程式碼區塊使用了 Intel® OpenVINO 工具組,讓開發者能更高效地最佳化他們的 AI 應用程式。「使用 OpenVINO 可減少高達 350% 的運算能力。這是巨大的優勢,」Sathianathan 表示。

低程式碼 AI 解決方案的光明未來

Sathianathan 表示,現今的AI 應用程式可讓公司以前幾年無法想像的方式自動化流程。「AI 解決方案可以進行銷售電訪。也可以產生傳統上製作成本高昂的法律文件。」

無論是小型還是大型企業,都可以使用低程式碼建置組塊,快速且經濟實惠地開發此類解決方案。這有助於擴大 AI 應用程式的範圍,並創造公平的競爭環境,Sathianathan 表示:「很快您就會看到許多新的自動化功能正在開發。新創公司將能超越自身能力,成本也會持續下降,加惠所有人。」

 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。

內建功能安全加速機器人開發

在現今的工廠與倉庫,機器人與人類之間的藩籬早已消除。人類與機器人經常並肩工作,由機器人負責運輸重物等費力的工作,或是噴漆或將貨物裝到棧板這類繁瑣的工作。

這些協作機器人提高效率,並降低工人肌肉拉傷或受傷的風險。然而,確保機器人與人員安全互動並非易事。機器人開發者可能花費數年時間建立、測試及重新測試安全功能,而且必須符合嚴格的認證要求。這個過程延遲了他們發布具有最新最強大功能機型的時間,因此需要更長的時間才能實現收益。

然而,現在機器製造商有辦法讓機器人提早上市。利用預先認證的處理器、控制電路板與電子設備打造機器人,可節省數月或數年的額外工作。

加速機器人開發

關鍵系統,例如與人類合作的機器人,必須配備穩定可靠的功能安全(FuSa)控制機制。FuSa 是在關鍵系統自動偵測電子系統故障並降低其風險的國際標準方法,就這個案例而言,是指可能傷害人身安全的故障。舉例而言,如果機器人的 FuSa 系統顯示,它正偏離軌道或行進速度過快,就會發出訊號,停止所有移動零件。

開發者為了讓協作機器人通過核准,必須針對機器人執行之可能對人造成影響的每個動作,建立 FuSa 控制機制。機器人行進的速度、從人手拿取物體的力道、旋轉時施加的力矩,以及許多其他變數,都必須符合嚴格的 ISO 標準,有時還必須符合特定國家/地區標準。與功能安全相關的硬體與軟體都必須取得認證。

針對硬體,機器人嵌入式電腦龐大的電子元件,每一個都必須向合格機構取得認證。如果開發者從頭開始打造機器人,這個過程可能需要數年時間。創博機器人產品經理 Weihan Wang 表示:「為此,我們打造了採用預先認證 CPU 的安全控制器。」創博是新漢股份有限公司旗下公司,也是智慧機器人控制與運動控制解決方案開發商

NexCOBOT SCB 100 安全控制電路板包含預先認證的 Intel Atom® x6000 系列處理器,為創博及其開發者客戶節省了時間。Wang 表示:「我們不需要證明 CPU 的安全性,因為 Intel 已經做到了這一點。」此外,整個 SCB 100 電路板本身已通過 FuSa 認證。

Intel 除了提供晶片與軟體,還提供安全手冊、安全分析與使用者指南等技術文件,也讓認證流程更快速簡單。

在所有硬體預先認證的情況下,使用 SCB 100 電路板的機器人建置商可立即開發應用程式,不必先等候硬體通過核准。他們可以使用內建的 Intel 軟體程式庫,輕鬆匯入現有應用程式,並且依照特定客戶需求開發自訂安全通訊協定,進一步加速軟體開發。

確保關鍵系統的 FuSa

SCB 100 控制電路板利用整合至 Intel 處理器的 Intel® Safety Island (Intel® SI),確保機器人行為安全無虞。Safety Island 支援功能安全、協調 Intel 晶片上診斷、報告錯誤,以及監測客戶安全應用程式。機器人運作時,Safety Island 會持續即時檢查針對方向、速度、力道和其他因素的計算結果,確保機器人正常運作。Wang 表示:「有超過一百種不同的議題可能會引發問題,包括功率偏差或記憶體故障。」

如果發生安全錯誤,系統會讓機器人立即停機,並將關於問題的意見反應發送給營運商的系統整合商。

處理器具備執行多個 AI 和電腦視覺工作負載的效能功率,將非安全運動控制與安全應用程式結合。這樣一來,開發者既能建立更多功能,還可節省空間與金錢。因此,機器人不但更輕巧,也更方便客戶在狹窄的空間安裝及部署。

未來發展:機器人夥伴

機器人學會執行的任務越多,與人類的互動方式就越來越不像命令與控制,而是更像團隊合作。舉例而言,開發者可直接將未完成的零件交給機器人,然後引導機器人前往 CNC 機床進行輪廓沉積,而不是使用機器人訓練用的手持安全吊墜。

Wang 表示:「人類與機器人日後會越來越頻繁協作。」他預計,未來五至十年,具備人造手臂和人造腿的「人形機器人」可望在工廠、商店和倉庫與人類一起工作。

機器人與人類合作時承擔的職責越多,就越需要內建的安全機制。Wang 表示,監管機構本來規定開發者提供二或三種 FuSa 控制機制,如今則是要求提供 30 種以上。功能更強的機器人進入工廠和倉庫廠房之際,推出具備先進功能機型的壓力也隨之增加。採用預先認證的安全控制電路板,有助於開發者讓精密複雜的機型更快上市。

Wang 表示,採用高效能晶片也有幫助,而且「高階運算效能讓機器人無須使用多個 CPU 就能執行大量安全功能」。

 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。

醫療保健領域的 AI 提升診斷準確性與速度

醫療保健中的 AI 正在改變診斷醫學的面貌,協助醫師更準確地執行工作,改善病患的治療成果。

邊緣 AI 在內視鏡檢查程序中的使用是最佳範例。內視鏡檢查涉及將裝有攝影機(內視鏡)的管子插入身體,以取得病患器官和組織的影像或影片。內視鏡檢查程序有多種用途,其中數一數二重要的作為診斷工具,協助消化道(GI)醫學專家篩檢癌症。內視鏡檢查可讓醫師檢偵息肉、良性但可能會導致問題的生長物(特別是腺瘤),醫生認為這種息肉是癌前病變。

但即使是經驗最豐富的醫師,也難以可靠地解讀內視鏡影像。

「醫學文獻告訴我們,醫師在大腸鏡檢查過程中無法發現息肉的比例為 22% 至 28%,」全球多元化運算產品開發商 ASUStek 電腦公司產品工程師 Sabrina Liu 表示。「這項工作本身就難度很高:有的腺瘤非常小,難以查看,而息肉的形態又千百種,很容易在影片中遭到遺漏。」

除了內視鏡的技術挑戰,還存在著基本的人類限制。例如,醫生在長時間輪班結束時可能會比一天開始時更疲累、更容易出錯。此外,菜鳥臨床醫師在解讀醫療影像方面不太可能像經驗豐富的醫生那樣嫻熟。

現今的創新解決方案利用邊緣 AI 和電腦視覺來增強傳統的內視鏡設備。而這些系統已部署在實際臨床環境中,並取得令人樂觀的成果。

臨床部署示範改善準確性

目前台灣多間醫院使用的 ASUS Endoscopy AI 解決方案 EndoAim 就是典型案例。

系統透過每秒分析高達 600 張影像,即時在螢幕上突出顯示 AI 偵測到的息肉,提醒醫師注意任何遺漏的內容。如果他們想更仔細地檢查某個感興趣的區域,可以切換至窄頻成像(NBI),系統會自動將選取的息肉分類為腺瘤或非腺瘤。醫師也可以利用系統對息肉進行一鍵測量,而之前一般透過目視判斷來確定息肉大小,其準確度相對較低,約為 62.5%。

該解決方案在臨床環境下的成果令人驚豔。「醫師發現腺瘤檢測率平均提升了 15% 至 20%,」Liu 表示。「偵測小型息肉方面也有顯著改善,而且節省時間,因為醫師現在可以在內視鏡檢查時更快速準確地測量息肉。」

AI 工具組、邊緣硬體與協作加速上市時間

使用邊緣 AI 改善內視鏡檢查的準確性與診斷一致性可能會吸引許多醫師,而這些系統的實體特徵也進一步促進了其採用的動力。

EndoAim 基於微型邊緣電腦,小巧的外型規格為 12 公分 x 13 公分 x 5.5 公分 ,這對於空間寶貴的醫院檢查室來說是一大考量因素。此外,系統無需專門醫療硬體,即可連接現有的內視鏡設備,讓臨床醫師立即開始使用 AI,更輕鬆、更具成本效益。

ASUS 與 Intel 的合作關係,對開發市場就緒產品至關重要。「搭載內建顯示晶片處理的 Intel CPU 協助我們縮小解決方案的整體尺寸,並實現 60 FPS 的影像分析速率,這是醫師目前所能得到的最高速率,」Liu 表示。「使用 Intel® OpenVINO 工具組,我們也最佳化了電腦視覺模型,讓模型更順暢高效地執行。」

兩家公司之間的協作展現了技術夥伴關係如何為醫療裝置買家提供強大的解決方案,並能比以往更快實現目標。

「我們從 2019 年開始研究 EndoAiM ,並在 2020 年底推出早期模型,那時我們找上 Intel 尋求工程支援,」Liu 表示。「到 2021 年,我們有了想要推出市場的產品版本。」

醫療保健領域的 AI 未來:GI 醫藥及其他

解決方案供應商可以更快速有效地創新邊緣 AI 系統,這對醫師、病患和醫療保健 SI 來說是一大好消息,因為它無疑將在未來幾年實現其他使用案例。

ASUS 已利用現有的內視鏡系統,著手研究部分新的使用案例。Liu 表示,該公司打算將電腦視覺解決方案擴展到消化道醫學的其他方面,例如對上消化道和胃的影像進行分析。此外,ASUS 工程師正在研究利用 AI 的方法,建立超越檢測和診斷支援的解決方案,實現疾病預測,協助醫師提早發現潛在的問題,讓患者更早開始治療。

除了 GI 醫學之外,EndoAiM 背後的電腦視覺演算法最終也可以應用於其他類型的醫療影像。「我們看到了這項技術擴展至分析超音波、X 光、MRI 等影像的潛力,」Liu 表示。「這裡有很大的機會能幫助人們,我們很高興聽到不同醫療領域的臨床醫師的意見,並瞭解可以如何開發解決方案以滿足他們的需求。」

 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。

邊緣 AI 開啟海港管理新篇章

由於大多數國際貿易貨物依賴海運,港口成為了商業與經濟成長的關鍵動力。但隨著人口激增、新興經濟體發展和全球貿易量成長,海港面臨重大挑戰。

智慧城市解決方案供應商 Gamma Solution SDN BHD 的業務發展經理 Sim Tiong Yan 表示: 「現在的港口管理機關很難管理港口內外的車流,效率不好也造成延誤。工人安全和港口保全也是主要的關注點。」

諷刺的是,最嚴重的港口交通問題不是船隻,而是運送貨物的陸上車輛。這可能出乎許多人意料之外,但港口區域地面交通混亂的背後有幾個原因。

每輛抵達港口的卡車都必須先向港務局報到。登記流程通常靠手動處理,而且速度非常慢,導致等待報到的車輛大排長龍,形成交通瓶頸。另外,駕駛不時違反港口交通規則:禁停區停車、超速、單向道逆向行駛,或是逾時逗留。這些行為會干擾作業,近一步拖慢港口進出的交通。

不僅如此,尚未解決的港口堵塞問題也引發了環境方面的擔憂。

港口交通管理挑戰與解決方案

好消息是,採用邊緣 AI 和電腦視覺的解決方案有助於更有效管理港口交通,同時改善港口安全與保全。這些解決方案建立在靈活、模組化的邊緣硬體上,可部署至全球各地港口,並根據當地需求客製化。

例如 Gamma TITANYS EYEoT 解決方案採用光學字元辨識(OCR),透過於入口自動登記每輛車的車牌號碼,以及卡車駕駛所需的擷取貨櫃編號,簡化車輛報到流程。電腦視覺技術有助於偵測非法停車、交通違規,並測量每輛車在港口停留的總時間。偵測到問題後,人員將收到警報以進行糾正。

邊緣 AI 提供安全、保全和設備監測

Gamma 的解決方案有助於港口管理人員解決主要安全問題,例如偵測安全帽與反光背心,協助確保工人遵守正確程序。系統的 AI 物體辨識演算法還能區分人類與車輛,當有人進入車輛專用區或卡車闖入行人區時,便會向港口作業員發出警告。

此外,系統更具有監測敏感及潛在危險機械的功能。例如港口常出現化學設施,過熱的儲罐可能導致火災或爆炸,因此需經過嚴格監測,確保不會超出安全溫度範圍。TITANUS 系統採用熱感攝影機和 AI 分析測量儲罐溫度,偵測到危險就會通知安全人員。

結合攝影機與 AI 還能提升港口保全效率。Gamma 的入侵偵測模組採用電腦視覺,可識別蓄意潛入港口的未授權人員,但不會因物體落在周邊圍欄而發出錯誤警報。生物識別技術使港口內部區域實現分級訪問權限。例如 IT 技術人員可獲准進入辦公室區域,卻無法前往工業區域。

東協案例研究突顯客製化潛力

Gamma 在南亞某港口的客製化部署即是智慧城市解決方案的典範。一間港口營運商有多項安全和效率問題需要解決。Gamma 的工程師提出了三種可能的實施方式:

  • 在邊緣 AI 盒與 AI 攝影機上執行系統,所有處理和自動化工作都在邊緣進行。
  • 將標準 IP 攝影機連接到後端伺服器,AI 分析和決策由伺服器處理。
  • 採用混合方式,使用 IP 攝影機和邊緣 AI 盒,在邊緣進行部分 AI 分析工作負載,同時透過後端伺服器決定自動反應動作。

最後,為了達成成本和效能的最佳平衡,這間港口營運商選擇了混合方案。車輛報到處的交通流量有了顯著的改善。碼頭工人反覆進入潛在危險區域的長期問題也得到解決。在實施解決方案的前一年,港口曾發生超過 50 起工人違規進入限制區域的案例。實施解決方案後,事件數量已降為零。

Gamma 與 Intel 的技術合作協助將這項解決方案推向市場,並使提供靈活部署選項更加容易。Yan 談到:「Intel 的工程師幫我們最佳化 AI 模型,還提供基準測試工具,讓我們可以選擇部署需要的確切硬體規格。硬體效能的基準測試支援是吸引客戶的大功臣,因為我們可以幫他們控制成本,還能根據需求量身打造解決方案。」

更智慧永續的城市

在未來幾年,全球的環境與航運挑戰將變得更加嚴峻。可擴充、可客製化的解決方案可改善港口效率,將會引起港口管理機關、城市管理者和系統整合商(SI)的高度興趣。

這類解決方案的靈活性能對政府與 SI 帶來額外好處,因為其中所採用的技術可輕鬆重新應用於其他智慧城市使用案例。

Yan 表示:「智慧港口管理解決方案跟智慧城市、製造業和物流的使用案例有很多重疊的地方。這些系統還可以用在確保倉儲保全、改善工廠員工安全,或管理社區交通流量,讓我們的城市更智慧、更安全、更永續。」

 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。

使用 AI 監考實現公平透明的評估

傳統的課堂考試需要教育工作者或監考人員監督以確保誠信。若為線上教育,則可使用遠端監考軟體來滿足該需求。遠端監考軟體會透過網路攝影機錄製考生,並使用遠端真人監考員或 AI 演算法來監視考生的活動。安全、遠端的監考方式,為教育工作者和學生提供維護學術誠信所需的密切監護,即使不在同一個房間也能監考。

線上評估特別容易受到安全性問題和學術欺騙的影響。為了應對這些挑戰,教育工作者需要能執行虛擬監考的數位工具,協助評估學生的學習成果同時維護誠信。線上監考可以使用 AI、軟體,真人監考員或任何組合。

「監考能確保以公平透明的方式進行評估,」AI 教育科技公司 ExamRoom.AI資料科學副總裁 Deepak MK 表示。「透過監視考生,監考有助於維護教育和專業認證的誠信。」

AI 監考流程

ExamRoom.AI 為學校與組織提供全面性的平台,簡化且高度安全,可在全球各地監考。教育工作者可以通過學習管理系統(LMS)和網頁型監考平台,提供評估並追蹤學生成果。

考生透過網路攝影機登入參加考試,而真人監考員則負責完成身份驗證流程。平台使用網路攝影機限制考生篡改、複製和貼上文字,以及螢幕共享。「除了這些基礎措施外,我們還開發出控制硬體和軟體核心的安全演算法,以及指紋、臉部掃描和語音辨識等生物識別監視技術,進一步防範作弊。」MK 表示。

因為許多學校和企業使用其他教育科技工具,平台整合了熱門的 LMS 平台,包括 Blackboard 和 Canvas。ExamRoom.AI 也與客戶合作自訂 API 與平台使用者介面,為客戶品牌供應白標產品,例如調整字型大小與標誌等細節。

個人隱私權:平台的基礎

個人隱私權無庸置疑是學生和教育機構的重大考量。ExamRoom.AI 遵循相關資料保護法規,例如 GDPR、COPA、FERPA、ISO27001、ISO 9001 和 SOC II,具體取決於司法管轄區與處理的資料性質。除了遵循法規外,平台以多種方式保護個人資訊:

  • 透過 ExamRoom.AI 傳輸的所有資料均經過加密,以確保傳輸過程中敏感資訊的安全。
  • 在收集或處理任何資料前,使用者會被告知資料收集做法,並提供明確同意。
  • 在可能情況下,個人資料將會匿名化,以防止直接識別個人。
  • 個人資料存取權具有嚴格的控管限制,僅有經過授權的人出於有效目的才能存取。
  • 平台僅收集和處理提供服務所需的最低限度個人資料。
  • 作為通過 ISO 認證的公司,必須定期接受稽核和評估,以識別並解決與資料隱私權有關的潛在漏洞或合規性問題。
  • 使用者會獲得清楚的資訊,瞭解其資料的使用方式,包括目的、收件人和保留期限,從而促進透明度與信任。

支援無障礙功能與個人化學習

現今教育環境最大的挑戰之一是適應不斷變化的技術與方法,同時確保所有學習者都能取得教材。ExamRoom.AI 透過為學生提供方便易用的體驗,讓教育工作者能提供多模態內容和可適性學習路徑,來解決這個挑戰。例如,線上評估可能會根據先前問題的回答方式,向不同的學生提供不同的問題。「我們的工具協助教育工作者應對不同的學習風格和能力,」MK 表示。「他們也可以利用系統來蒐集資料,協助克服學習差距。」

學生、教育工作者和企業面臨壓力,要為學生和員工做好準備應對瞬息萬變的就業市場,因為技術在社會上扮演主導地位。「ExamRoom.AI 有技能評估、職涯指導和專業發展工具,」MK 表示。「我們讓教育工作者能夠量身打造教學方法,培養批判性思考、問題解決能力、創造力與協作能力,這些技能都是 21 世紀取得成功的關鍵。」

為未來需求所打造

Intel 技術在 ExamRoom.AI 解決方案中扮演關鍵角色,包括最先進的 GPU 硬體,可增強 AI 模型訓練與推斷流程的速度與效率。該公司與 Intel 合作最佳化各種機器學習模型,包括物件偵測、語義搜尋、標籤生成和翻譯。與 Intel 的合作關係有助於微調這些模型,提升效能、效率與準確性。

隨著教育繼續採用 AI 支援的工具,例如量身打造的意見回饋和可適性學習路徑,MK 期待繼續與 Intel 合作:「虛擬監考和遠端評估解決方案會不斷發展,以確保線上測驗環境的誠信。在 Intel 的支援下,我們將繼續使用豐富的資料集重新訓練和並完善 AI 模型,確保它們保持有效實用。」

 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。

A I無所不在:從網路邊界到雲端

Intel 執行長 Pat Gelsinger 在近期舉行的發佈會上,不僅推出了新產品,還介紹「AI 無所不在」的概念。在第 5 代 Intel® Xeon® 處理器和 Intel® Core™ Ultra 處理的介紹中,Gelsinger 談到 Intel 是如何將 AI 工作負荷量帶到資料中心、雲端和網路邊界。

現在,在與 Intel® Ethernet 產品北美通路銷售支援經理 Gary Gumanow 的一段對談,我們進一步瞭解 AI 無所不在的理念和網路邊界的作用。Gary 的職涯全致力於網路領域,這也可能就是他被稱作「Gary Gigabit」的原因。Gary 擁有紐約市部分頂尖律師事務所的系統整合背景,與 Intel 代理商和解決方案供應商密切合作。Gary 表示,了解科技、顧客需求以及產品是如何透過通路運輸是他最關心的事。

Intel 談到 AI 無所不在(從資料中心到邊界裝置)時,就網路邊界而言,這意味著什麼?

AI 無所不在是指從邊界到網路核心再到資料中心。就邊界而言,我們談論的是端點:傳感器、攝影機、伺服器、PC、適配器—連接到網路的裝置。核心是指向邊界提供服務的元件。資料中心的 AI 並非新鮮事,且具備處理大型 AI 負載的電源和儲存能力。但邊界推斷是全新的一件事。從精巧型/堅固型 PC 的處理能力到時間敏感的網路,以及來回傳輸資料所需的連接性,存在著許多挑戰。

有許多領域會對網路產生影響,而且網路對這些領域的重要性也同樣重要。AI 對邊界裝置意味著什麼?AI 模型的好壞取決於可以取得資料,但是該資料如何到達邊界裝置,反之亦然,以及該資料是如何返回資料中心?

重要的是,您必須在其中放置最佳數量的適應力—調整架構規模,以免對資料中心之間的網路造成負擔。這表示利用適當 CPP 隨時執行 AI ,同時降低成本並提升效能。

我們持續致力於改善網路裝置的頻寬、資料安全性和機密運算,以便在進入邊界時確保安全、低延遲,以及連接資料中心所需的效能。並以低功耗和可持續的方式實現每瓦的性價比和優化功率。

讓我們將這個想法延伸到廠房,我們擁有 AI 和電腦視覺,收集所有資料並在邊界推斷。網路邊界是什麼樣子?

信不信由你,部分工廠車間很廣,可以擁有自己的氣候模式。對於製造和自動化來說,如今最熱門的事情之一就是拉近機器人裝置之間的距離。那麼,當這些設備相距足球場之遠時,如何進行通訊?而您是如何將即時資料傳輸至對組裝生產線至關重要的邊界裝置?

這就是為什麼製造商要在工廠部署專用 5G 網路,以便可以從本地伺服器或資料中心一路連接到這些端點進行通訊。但是這類通訊需要計時準確性、低延遲和效能。

因此,5G 虛擬無線接取網路 (virtualized radio access networks, vRAN) 的基石之一即精確計時技術。全球定位衛星 (GPS) 裝置是精密計時網路的關鍵元件。基本上,網路有一顆原子鐘,通常是一項網路應用,並且您的所有裝置都與該應應用同步。但是這樣既昂貴又專有性。

對 5G 而言,另一件重要的事在於前向錯誤更正 (FEC),其向前查看並更正任何錯誤,以便在傳遞過程中消除任何錯誤;您已經知道精確計時,然後又是前向錯誤更正。所有這一切都會變得複雜。

Intel 要如何降低在工廠部署專用 5G 的複雜度?

我們直接將這些功能建構在 Ethernet 產品中。例如,以應用式原子鐘技術為例,該技術現在已整合到我們的一些網路適配器中。您可以消除網路中這些應用,並具備內建 5G 網路所需的計時準確性。省電、省錢,並且簡化網路設計,因為不必讓所有這些裝置返回原子鐘。它可以出現在需要的節點上。GPS 計時同步和 FEC 是其它內建在我們網路介面卡和裝置中的技術。

我們已經將獨立元件的需求縮小到較小的集合。因此,現在我們有 Intel® vRAN Boost 透過第 4 代 Intel® Xeon®處理器上的加速器完成大量工作。這是與 vRAN Boost 完全整合的高容量加速,可提升透過 vRAN 執行 Ethernet 所需的效能和運算量。同樣,這減少了元件需求、電源消耗和整體系統複雜性。

這就如同 Intel 的一切發展。將其整合到處理器或更少數量的元件,並簡化使其更易於部署。另一個例子是 Ethernet 如何嵌入 Intel® Xeon D 處理器。單晶片系統(SoC)處理器具有乙太網路控制器的邏輯,可在實際晶片中支援 100 GB。

相較於雲端資料中心,其尺寸適合網路設備或邊界裝置,因此具有較少核心且需要較少電源。以及專門處理網路流程和網路安全。Intel Xeon D 處理器是適合其銷售地點和嵌入位置的「適當尺寸」。您可以將其部署在醫療傳感器、閘道、工業電腦、工廠車間,所有這些地方都需要近乎即時的可操作見解。

最後,您是否想補充些內容?

我們非常重視與多個供應商的互通性。事實上,在 AI 領域,我們正在執行名為 HPN 或基於開放 API 和開放軟體的高效能網路堆疊。我們正在與 Broadcom、Arista、Cisco 以及其他許多供應商合作。Ultra Ethernet 聯盟開放給那些想要參與開放生態系統並支援資料中心 AI 的組織。

我的顧客告訴我,他們喜歡 Intel 對產業採取的開放態度。這個即將在開放環境中引入資料中心 Ethernet 的聯盟對產業來說至關重要,因為 AI 可以真正擴展至最多的位置。

Ethernet 顯然經得起時間的考驗,因為其五項原則:向下相容、無法滿足的頻寬需求、互通性、開放軟體以及不斷發展的使用案例。網路(無論是 802.11、Gigabit Ethernet 或 100 GB Ethernet)是與 5G 將整件事整合在一起的結構,讓 AI 無所不在(從邊界到雲端)。

 

insight.tech 編輯副總監 Christina Cardoza 編輯。

醫療保健 AI 解決方案簡化照護職責

我最近造訪了一家醫療保健機構進行例行醫療程序,且可能無意間讓護理人員負擔過重:因為發寒,分別要了三次保温毯。不適只有我一個人忍不住使用床邊呼叫按鈕。

雖然護理師的職責在於提供有品質的病患照護,但多數情況下,護理師是滿足所有病患需求的第一道防線,無論是額外的毯子、枕頭還是飲水。這類的要求並沒有充分利用護理師的時間。醫療最佳化解決方案開發商 HOOBOX Robotics執行長兼聯合創辦人 Paulo Pinheiro 表示:「如果使用護理呼叫鈴,護理師就必須步行至床邊處理您的要求、回護理站、協調護理或維護部門。

鑑於護理人員的高度消耗和人員短缺,醫療設施正盡力將護理資源最佳化。智慧手機應用程式型解決方案 HOOBOX Neonpass 解決了這些低效率的問題。為了尋找將 AI 應用於醫療保健的方法,HOOBOX 開發了 Neonpass,既能滿足病患的需求,又不會造成護理師負擔過重。應用程式會識別並傳送要求至醫療設施中的適當部門,必要時才傳至護理站。應用程式驅動的需求與交付方法讓 Neonpas 獲得「醫院專用 DoorDash」的稱號。

醫療保健中的 AI 最佳化工作負荷量

使用 Neonpass 不僅能讓病患與專業人員溝通,還能以數位格式在護理人員和其他相關部門之間傳送訊息。過去嚴密通訊協定曾強制護理師聯絡醫院其他部門,醫療設施現在則可依靠數位平台傳送訊息。例如,護理師可以將飲食變更直接輸入至 Neonpass 解決方案,而非告知營養部飲食變化(這可能會導致溝通錯誤)。「透過 Neonpass ,您會將所有資訊和營養照護資訊數位化,而且比電話聯繫更高效且少出錯。」

Neonpass 包含了三個 AI 模組。第一種是根據假設偵測病患的異常行為,其來自病患的訊息可作為潛在醫療需求的窗口。例如,頻繁用水的要求可能表示生理上的問題,所以 Neonpass 可以提醒護理人員,比已規劃的更提前檢查病患,以便有效干預。

「AI 會分析上次服用藥物、程序、檢查,並給予風險分數,讓護理人員可以衡量嚴重程度並優先看診。」AI 複雜到足以理解不同的藥物或程序會觸發可能屬於異常的事件,並將這些參數納入風險分數。

另一個 AI 模組會評估病患使用 Neonpass 嵌入的聊天機器人來因應心理健康挑戰。這個模組可以偵測使用者是否感到孤獨或想自殺,並相應提醒工作人員。

最後一個模組會提供來自個別醫院的大型語言模型的生成式 AI 訓練。例如,專業人士透過 Neonpass 可以驗證安全和防跌協定。這項解決方案填補了現有的醫療專業人士的訓練計畫,他們可以使用 Neonpass 學習認證課程。

AI 驅動的最佳化也會透過通用平台提供業務深入解析,讓管理階層可以利用資訊根據週期性需求來進行人員配置最佳化,甚至將護理人員配至可能需要較多人員的樓層。

自訂 AI 模型會帶來卓越的成果

HOOBOX 團隊充分了解保護敏感病患健康資訊(PHI)的嚴格法規。Neonpass 符合美國《健康保險可攜與責任法》(HIPAA) 和各項國際通訊協定。除了利用 Intel 硬體加密資料,HOOBOX 提供了多方面的員工訓練,「將每個人都變成人為防火牆」Pinheiro 說道。

巴西每家使用 Neonpass的醫院都從此解決方案中獲得了可觀的投資回報。例如,聖保羅的阿爾伯特·愛因斯坦醫學院減少了 54% 的護理需求,並且每 10 張床位上省下 100 個小時的護理時間。聖保羅的聖塔波拉醫院在使用 Neonpass 後,省下了驚人的護理時間,高達 75% 。

HOOBOX 為每家醫院量身打造 AI 模型。在巴西執行這項任務時,工程師碰到了一個有趣的問題:由於巴西不同地區有不同方言和俚語,模型需要接受所有這些方面的訓練,才能確保 AI 解決方案能理解來自不同背景的病患。Intel® OpenVINO™ 工具組有助於縮短訓練此類繁重的模型所需的推斷時間。Pinheiro 說道:「這項解決方案在搭載整合式加速器的Intel® Xeon® 處理器上執行,有助於快速處理及提供深入解析。」

這家公司與醫療設施合作,為特定使用案例自訂及部署 Neonpass,包括查出將參與解決方案的部門、在床邊安裝 QR 碼牌、訓練醫院特定的AI 模型。大多數醫院從護理、營養和維護部門開始,然後將解決方案擴展到其他垂直領域。

醫療保健 AI 的未來

使用 Neonpass 幫助病患快速取得程序、檢驗和檢測的相關資訊,讓病患可以更參與自己的治療。「我們認為這就是未來,在適當的時間提供最相關的病患資訊,對病患而言是一大挑戰」Pinheiro 說道。

他還期望 Neonpass 能夠不斷發展,提供醫療設施之外的持續性護理。Pinheiro 指出,對患者進行追蹤就診可降低再入院率,但此類措施的擴充性不是很大。雖然護理服務的方式仍將透過應用程式進行,但也有可能轉向穿戴式裝置。透過將 API 交付至其他通訊平台,Neonpass 會找到新的途徑,可以優先處理病患護理,同時減輕醫療專業人士的負擔。

Neonpass 預計會將業務擴展到巴西以外的地區,並延伸至北美市場。所以或許下次在醫院需要保温時,我不必再打擾護理人員,而是使用 Neonpass 應用程式。

 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。

無程式碼 AI 平台促進採礦安全

預防採礦環境中多個活動零件造成的意外事故。首先是感官超負荷:鑽井與礦石運輸作業聲響亮,且地下作業往往光線昏暗。各式各樣的機具以不同速度行駛,但現場沒有號誌燈,而且無法看一眼就完全清楚環境。再加上長時間輪班,從以上條件已可看出工人的安全飽受威脅。

幸好礦業可以利用電腦視覺 AI 解決方案,解決危險環境的難題。LabelFuse──機器學習與電腦視覺解決方案無程式碼平台創始人兼執行長 Kelvin Aongola 表示「預防意外事故是礦業的首要之務,只是沒有標準方法應對這項難題」。

「公司持續尋求符合成本效益的方法,解決這個問題。」Aongola 說。我們的先進駕駛輔助系統(ADAS)專為採礦和長途貨運業設計,主要作為預防意外事故的平台,並利用現有的監控攝影機,精確擷取疲勞駕駛的影像,及地面工作情形。

電腦視覺 AI 偵測疲勞

在採礦的使用案例中,因為充斥大小型機具,環境十分嘈雜。「如果高居駕駛座,您的視野會完全被擋住。」Aongola 說。有很多傳統方法讓駕駛保持清醒防止意外發生。

電腦視覺解決方案擷取人可能輕易錯失的疲勞視覺提示(眼皮垂下、頻繁眨眼),然後傳送提示給駕駛。為了提升危害途徑的預測,我們也邀請駕駛參與這項計畫,瞭解機具附近的環境狀況。「除此之外,我們串流這些活動至控制中心,只要駕駛忽略所有警示,控制中心就會接管。」Aongola 說。這些資料有助事故發生後,保險理賠的核實。

基於 AI 演算法會掃描人臉搜尋疲勞或注意力渙散的跡象,免不了產生隱私顧慮。「但 LabelFuse 遵循資料隱私法,絕不在雲端儲存個人資料,因為雲端較容易入侵」Aongola 說。再者,LabelFuse 內部部署的中繼資料只保存短短幾個月。

「雖然預防意外事故目前的使用案例是礦業,但 LabelFuse 解決方案可以承擔更多」Aongola 說。我們的系統與 ADAS 合作良好,所以日後可以延伸運用在自動駕駛使用案例。「我們目前提供的設置可以向外拓展運用」Aongola 說。

無程式碼解決方案的需求

一般公司沒有適當的 AI 專業技術,導致難以實施。「即使多數公司知道電腦視覺部署的方式,尤其是邊緣部署,也會小型概念驗證,卻無法擴充概念驗證為生產就緒的解決方案。」Aongola 說,「他們往往苦於微調模型,或弄不清如何使用適當的邊緣裝置部署他們的構思。」

企業希望部署 AI 驅動解決方案,並投入無程式碼解決方案,才能以企業主要的價值主張為重,避免淪為 AI 為主的公司。即使沒有程式設計技能,無程式碼解決方案可以普及軟體使用,協助開發可行的問題解決方案。預先組裝元件與拖放功能協助專業人士,不必深入瞭解程式設計基礎知識,就能組建功能。

LabelFuse 以無程式碼平台滿足這類需求,領域專家只要登入平台,選擇特定業務營運需求的模型。

Intel 邊緣運算的優勢

基於多項理由,包括合理成本,LabelFuse 採用 Intel 技術。「直接與客戶討論較容易成交,因為他們可以當場決定定價,不必經歷複雜的核准流程。」Aongola 說。

在雲端儲存資料困難重重,所以高功耗邊緣處理有助降低成本、減少延遲。Intel® NUC 搭載第 13 代 Intel® Core™ 處理器,滿足所有所需的高效能運算。裝置的外型規格小巧、易於安裝,所以十分適合機具狹小的空間。此外,對應採礦惡劣的環境,NUC 可設置堅固的外殼。「知名品牌是另一個重要的加分項」Aongola 說,「Intel 技術歷經長期驗證,畢竟您不會採用無名裝置協助解決問題。」

拓展電腦視覺 AI 運用

LabelFuse 知道可以立即實作礦業的預防意外事故平台,但使用案例不僅止於礦業。只要產業有工作人員可能注意力下滑,例如製造、現場服務、零售等環境繁雜的產業,這些電腦視覺 AI 解決方案都能帶來益處。

「電腦視覺工作的方式逐漸改變」Aongola 說。民眾渴望可以交流的解決方案,例如 ChatGPT 等 AI 聊天機器人提供視覺資料。LabelFuse 整合這類生成式 AI 至邊緣產品,並且預見這個領域有絕大的魅力。

 

本文由 insight.tech 編輯總監妮.貝內施(Georganne Benesch)編輯。