2017年10月29日 星期日

2017 10 29 左永安顧問  UPS則是透過較大的輪調計畫(Job-rotation Program) 跟柯克派屈克(Kirkpatrick)學習績效 打造高效企業 Jim Kirkpatrick *Kirkpatrick Partners創辦人暨首席資深顧問 *「New World Kirkpatrick Model」創建者 *提供頂尖企業包含Harley-Davidson、 L’Oreal、美國政府及人道主義等組  織培訓與諮詢服務超過十五年以上 著有:《Four Levels of Training Evaluation》,另與Donald Kirkpatrick合 著有:《Kirkpatrick's Four Levels of Training Evaluation》 與《Training  on Trial》 國際學習績效評估大師Jim Kirkpatrick親臨現場授課 通過課程即具備國際銅牌認證資格 1959年被提出的Kirkpatrick Model堪稱培訓界的長青樹,其將評估指標分為L1~L4共四個層次:反應(reaction, L1)、學習(learning, L2)、行為(behavior, L3)、 結果(result, L4),能夠精準反映出學員實際學習及後續實行成效。採用過的機構包含美國政府、滙豐銀行、IBM、Microsoft……等知名企業,影響所及包括:促使顧客抱怨率降低60%、節省正式人事培訓成本85%等,為目前備受全球廣泛應用的最佳評估模式。全球快遞巨頭UPS台灣分公司人力資源部經理余佳昱 全球最大的財富投資機構瑞士銀行(UBS)財富管理部門副總裁顏明宏



國際學習績效評估大師Jim Kirkpatrick親臨現場授課 
通過課程即具備國際銅牌認證資格
【Jim Kirkpatrick國際認證工作坊】

全球最多企業採用,最具公信力的培訓評估工具Kirkpatrick Model (柯氏四層次評估模式)KP創辦人兼首席顧問Jim Kirkpatrick以創新洞察,賦予盛行逾半世紀的Kirkpatrick Model全新風華。

【關於Kirkpatrick Model】


1959年被提出的Kirkpatrick Model堪稱培訓界的長青樹,其將評估指標分為L1~L4共四個層次:反應(reaction, L1)、學習(learning, L2)、行為(behavior, L3)、 結果(result, L4),能夠精準反映出學員實際學習及後續實行成效。採用過的機構包含美國政府、滙豐銀行、IBM、Microsoft……等知名企業,影響所及包括:促使顧客抱怨率降低60%、節省正式人事培訓成本85%等,為目前備受全球廣泛應用的最佳評估模式。

Jim Kirkpatrick提出的New World Kirkpatrick Model,建構在原始Kirkpatrick Model之上,以其長年累積之經驗強化學習績效評估,讓L1與L2與時俱進,L3與L4不再紙上談兵。

【大師簡介】


Jim Kirkpatrick
*Kirkpatrick Partners創辦人暨首席資深顧問
*「New World Kirkpatrick Model」創建者
*提供頂尖企業包含Harley-Davidson、 L’Oreal、美國政府

     及人道主義等組 織培訓與諮詢服務超過十五年以上
著有:《Four Levels of Training Evaluation》,另與Donald Kirkpatrick合 著有:《Kirkpatrick's Four Levels of Training Evaluation》 與《Training  on Trial》


課程效益:
透過此工作坊,深入了解Jim Kirkpatrick所提出的New World Kirkpatrick Model,以其長年累積之經驗強化學習績效評估,讓L1與L2與時俱進,L3與L4不再紙上談兵,並能更靈活運用於工作實務上。進而協助企業接軌國際 建立培育評估機制 打造高績效人才!

【10月26日(四)】
08:30-09:00 報到
09:00-09:05 開場致詞:CPC知識分享與客服中心主任
09:05-10:10 單元一 Kirkpatrick學習評估模式介紹
    -學習評估的目的
    -四層次學習評估模式與其背景說明
    -有效的訓練vs.訓練成效
10:10-10:20 點心&休息
10:20-12:00 單元二 層次四:成果
    -層次四之原則、運用技巧與時機
    -定義屬於您的層次四成果
    -領先指標
12:00-13:00  午餐與交流
13:00-14:00  單元三 層次三:行為
     -層次三之原則、運用技巧與時機
     -關鍵行為與必要驅動因子
14:00-15:00  單元四 層次二:學習 
     -層次二之原則、運用技巧與時機
     -回顧性自評
15:00-15:10  點心&休息
15:10-16:30  單元五 層次一:反應
     -層次一之原則、運用技巧與時機
     -形成性評估方法

【10月27日(五)】
08:30-09:00 報到
09:00-09:05 開場
09:05-10:10 單元六 有目的性的進行訓練與評估
    -優先排定培訓方案的順序與評估資源
    -混合式評估™工具
10:10-10:20 點心&休息
10:20-12:00 單元七 個案分析
    -從個案中了解應用技巧
12:00-13:00 午餐與交流
13:00-15:00 單元八 應用所學知識
    -建立與呈現您的實際評估計畫
    -透過課堂演練的回饋與學得之技巧,改善實際的混合
         式評估計畫
15:00-15:10  點心&休息
15:10-16:30  單元九 行動計畫
     -後續執行說明
     -相關資源介紹
     -建立行動計畫
*現場有中文逐步口譯*

*單人報名即獨享:
Kirkpatrick國際論壇票券一張(含午餐、點心一人份)
Kirkpatrick國際認證工作坊票券一張(含午餐、點心一人份)
工作坊課程講義一份
能力雜誌主題套組一組
大會手冊/活動相關資料一份(總價值70,000元)
 
*國際銅牌認證定價:NT$ 60,000元/每人($1,995美元)  
 優惠價:NT$ 35,000元

※重要事項說明
1. 參考講師所提供的範本,以個人或小組方式完成一份計畫書,
並於課後18天內E-amil 至2734@cpc.tw、2877@cpc.tw信箱,
計畫書上請務必註明清楚個人或組員姓名。
2. 主辦單位收到計畫書後,將於1~2個月,E-mail告知學員計畫書之回饋
內容,計畫書獲講師認可後,本中心隨即寄發正式紙本證書。凡通過此
工作坊合格者,即具備Kirkpatrick®國際銅牌認證資格。
3. 全程參與本工作坊之學員,於當天課程結束時,中國生產力中心將頒發
受訓證明乙份。


 

跟柯克派屈克(Kirkpatrick)學習績效 打造高效企業


【文/吳俊毅 圖片提供/達志影像、東方IC】
  想像一下不久的將來,在酷熱的9月,新鮮人來到剛剛錄取的公司,
發現評估他們績效的,已經不再是HR同仁,而是透過蒐集他們的成績,
轉化成數據,而AI人工智慧就分析數據來評估生產力跟績效,
但是這樣的AI專員是否就能取代真實人類,或者,
更多的企業是把AI當成輔助工具。
笨蛋,「人」才是重點
  學習績效評估大師Jim Kirkpatrick認為,在AI新時代,
專業培訓人員的角色也隨之改變,15年前也許只要講授一堂很棒的
訓練課程就已經足夠,但如果現在還是這麼做的話,就可能會有被
智慧型手機內APP取代的危機,因為它是即時、
只花您少許錢或甚至是免費就可以做一樣的事情。
然而,新柯式學習評估模式引導學習與成效的專業人員,
從培訓提供者轉換為策略性夥伴,這就是科技所無法代替的。
關鍵在於確定人為干預將會
對計畫產生最大影響,善用擁有的資源,並利用科技幫助持續傳播訊資訊、
擴大接觸點以及線上評估等效益。
  全球快遞巨頭UPS台灣分公司人力資源部經理余佳昱認為:
「目前我們還是會以人為主,人才是我們的核心,讓員工滿意,
才能提供客戶好的服務,」就像運務員對於客戶的了解與需求,
不是機器所能取代的。
  全球最大的財富投資機構瑞士銀行(UBS)財富管理部門副總裁顏明宏
認為:「金融服務業最重要的資產就是『人』,機器無法取代人的重要性,
只有不懂得運用科技的人,短期內很容易被取代」,
因此如何讓瑞銀的員工在有了高科技奧援下保持高增長,
就必須依賴「培育與訓練」。
  師徒制雖然已經存在已久,但對於許多企業來說,
還是非常實用的人才培育機制。由於事務所組織層級分明,
職務分工也分級負責,經手案件都需由下往上層層覆核,
例如:審計員做好的東西交給領組確認,然後理級覆核,最後會計師定案,
而這種組織層級分明,並且要層層通關的工作流程,
也建立了事務所特有的學徒文化。
勤業眾信雖然沒有明確地要稱呼主管為「師傅」,或是資深同事為「學長姐」,
但由上一級帶下一級,用團隊接力的工作模式,
無形中也讓工作方法與企業文化持續「傳承」。
  可以看到即使是善於應用科技的產業巨頭或者精於績效評估的大師,
都還是把「人」擺在首要位置,
那麼不同的企業對於人才績效的應用是否各有妙招呢?
新人、主管兩樣情
  在台灣已經很少像勤業眾信聯合會計師事務所,
一次舉辦500人的新人訓練,這樣壯觀的新人訓練可以帶來什麼優勢呢?
對於勤業眾信同仁發展組負責人許晉銘來說,
新人訓練最重要的目的就是要透過課程,產生企業文化認同,
才能快速融入團隊,分工合作,來提昇企業競爭力。在這500人的新人訓練中,
不會以隸屬部門為分組依據,反而以打散的方式分組,
對於日後工作需要進行跨部門或是跨領域的專業協助時,
自然就會想到新人訓練認識的同期同事,在踏入企業的前期,
就已經建立的廣大的人脈,這也是舉辦龐大新人訓練的優勢之一。
除此之外,在新人訓練課程,建立基本工作態度與技能也是其重頭戲,
尤其因為勤業眾信需要了解客戶的期望,聆聽客戶的需求,
所以「傾聽與溝通」將由講師模擬客戶或是主管「只會說一次」的情境,
要求專注傾聽,才能掌握工作的正確性,把事情做對。
  UBS則透過扎實的「面對面訓練」來提升一般員工的「基本功」。
例如:在「晨會」會由研究單位報告當天該留意的國際市場動態,
但會後,主管一定會進行抽問,理財專員或理財顧問必須輪流回答,
與會旁聽的同事或主管則可以利用電腦評分機制給予回答表現評分。
而且主管或資深同事會進行定期和不定期的角色扮演,
透過「Coach」方式,提昇在面對客戶時候的溝通與表達能力,
在演練的同時,部門中所有的同事都可以透過數位電話來參與評分。
  對於一般員工的學習績效評估通常藉由主管來進行,
而主管們該如何被評估呢?是否跟一般員工一樣,或者有其他的進階模式?
  不同於一般企業的教育訓練,
瑞士銀行成立瑞銀大學(UBS University)作為人才發展系統基地,
除了設計豐富且多元的課程外,針對高潛力的keyperson,
要取得相關職級課程的文憑資格(Diploma)。
瑞銀大學內的課程除了擷取哈佛、哥倫比亞等名校授課內容外,
更邀請普華永道、畢馬威等知名顧問專家設計相關課程,
培養提昇員工的領導能力和專業技巧。
以上這個文憑必須得要在到職後18個月內取得,否則就會被開除。
除此之外,瑞銀也會藉由各國主管的一同受訓,分組完成可執行的專案,
來強化專業,才有機會達到更高層次。
別讓明天後悔
  UPS則是透過較大的輪調計畫(Job-rotation Program)
打破人員狹隘的成長模式。例如:運務部經理可能有過在工業工程部(IE)、
市場行銷部等服務經驗,他對於運務中心的運作還有績效考核都有深入的了解,
也知道如何用IE計算,當從市場行銷部學習知道市場需要什麼、
哪些關鍵客戶,在他到了新的運務中心後,因為運務員站在面對客戶的第一線,
他可以很快地讓運務員知道顧客的要求是什麼,
也能很快速地回應市場脈動。除此之外,UPS的「職涯管理系統」
讓企業內部人才更加活化,員工可以在「職涯管理系統」
中找尋感興趣的工作,並了解工作內容,把感興趣的部分(Job Interests)
選出來放在系統裡面,他的主管就會針對他的Job Interests進行評估,
給他一些意見或方向,甚至在未來有類似或適合的專案也會拉他進來,
初步接觸該工作業務,假如績效優異,未來在該職務有空缺時,
優先遞補這樣的人才。這個機制可以真正了解員工的需求,
並且公司也能找到合適的人才,一舉兩得。
  很多企業容易用景氣起落而撙節員工訓練資源,
但許晉銘指出「很多訓練現在不做,明天一定會後悔」,除了專業技能訓練外,
在勤業眾信中對於管理層級的培訓課程,特別重視「軟實力」
的管理技巧培訓課程,更會因為無法立即看到成效而難有立竿見影的感受。
管理能力屬於抽象能力訓練,就算完成課程,未必能夠和「學會」劃上等號。
這時候需要的是「行為評估」,在培訓結束後的一段時間裡,由主管、
同事,甚至客戶,來觀察受訓者的行為在培訓前後是否發生變化,
是否在工作中運用了培訓中學到的知識。
「這樣的觀察可能會需要1至2年時間,當課程上的訓練內化到行為上,
才會看到成效。」,尤其是對管理層級,公司提供一連串的管理技能提昇訓練,
像是溝通、激勵等,都需要時間累積,才能看得到具體成效。
  新柯氏學習評估模式與風行超過半世紀的柯氏學習評估模式差別何在?
可否在這科技爆發的時代,挖掘出更多「人」的潛力,

2017年10月9日 星期一

2017 10 10 左永安顧問 雲端酒指數團隊 Wine index 左記歐洲商行 黃金牛蒡茶 左記歐洲商行 安永經營管理顧問集團 安永全球電商 台北左府(無極)道德宮 無極鳳清道德宮 台北市酒類商業同業公會 美酒網 天藍海 養天正 玉井香 鹿鳴國際電子商務有限公司 台大 台師大 EMBA 共通核心職能 TTQS ICAP PMP 塞勒是芝加哥大學教授 72歲的塞勒抱回900萬瑞典克朗(約新台幣3362萬元)獎金。諾貝爾評審委員會說,美國學者塞勒(Richard H. Thaler)2017 10 09 今天獲頒諾貝爾經濟學獎,以表揚他對整合經濟學和心理學的開創性成就。塞勒曾客串演出電影「大賣空」。2016年諾貝爾經濟學獎由英美學者哈特(Oliver Hart)和芬蘭學者荷姆斯壯 (Bengt Holmstrom)共享,他們研究契約理論, 有助設計保險保單和高層主管薪酬。摩根大通委託這家基金公司管理的UBVLX投資依據就是投資者的行為偏差。如投資者對老舊、負面資訊的過度反應,或者投資者對新生、積極資訊的不理不睬等。 2015年,UBVLX膨脹一倍,沖至37億美元,目前,資產總規模已達60億美元。

發稿時間:2017/10/09 17:52
最新更新:2017/10/09 22:10


2017年諾貝爾經濟學獎得主9日揭曉,獎落美國學者塞勒,得獎原因是「對行為經濟學的貢獻」。(圖取自諾貝爾獎臉書www.facebook.com/nobelprize)2017年諾貝爾經濟學獎得主9日揭曉,獎落美國學者塞勒,得獎原因是「對行為經濟學的貢獻」。(圖取自諾貝爾獎臉書www.facebook.com/nobelprize)
(中央社斯德哥爾摩9日綜合外電報導)諾貝爾評審委員會說,
美國學者塞勒(Richard H. Thaler)2017 10 09 今天獲頒諾貝爾經濟學獎,
以表揚他對整合經濟學和心理學的開創性成就。塞勒曾客串演出電影「大賣空」。

法新社報導,評審委員會在聲明中說,「藉由探索有限理性、
社會偏好和缺乏自制的後果,他證明了這些人類特質如何有系統地影響個人
決策和市場結果。」

聲明還說:「他的實證研究發現和理論上洞見,
有助創造嶄新且快速發展的行為經濟學領域,
對許多經濟研究和政策層面帶來深遠影響。」

行為經濟學之父塞勒透過視訊告訴諾貝爾委員會,他很「高興」能獲此殊榮。

塞勒說,他的研究帶來的最重要影響是「確認經濟代理人是人類」,
以及金錢決策並非完全理性。

72歲的塞勒抱回900萬瑞典克朗(約新台幣3362萬元)獎金。

他說,他可能會以符合其研究的方式,來利用這筆獎金。

塞勒說:「我將試著儘可能用非理性方式把這筆獎金花掉。」

他還開玩笑說,「嗯,我很高興。我總算不需在高爾夫球場稱呼我的同僚法瑪為
『法瑪教授』」;他指的是他在芝加哥大學(University of Chicago)的同事、
2013年諾貝爾經濟學獎得主法瑪(Eugene Fama)。

塞勒曾客串演出2015年上映的「大賣空」(The Big Short),
這部電影的劇情描述次貸風暴和房地產泡沬導致2008年全球金融危機。

詢及他是否認為這項研究也適用於美國總統川普時,塞勒回答說:
「至於川普總統,我認為,他最好還是看看那部電影。」

塞勒是芝加哥大學教授,這所學校頗受諾貝爾經濟學獎委員會青睞。
截至目前79位桂冠得主,其中超過1/3與這所大學的商學院有所關連。

2016年諾貝爾經濟學獎由英美學者哈特(Oliver Hart)和芬蘭學者荷姆斯壯
(Bengt Holmstrom)共享,他們研究契約理論,
有助設計保險保單和高層主管薪酬。

諾貝爾經濟學獎為瑞典中央銀行在1968年為紀念諾貝爾而增設,
其他獎項則是1895年依黃色炸藥發明人諾貝爾(Alfred Nobel)遺囑而設立。
(譯者:中央社劉文瑜)1061009


塞勒教授。(圖/芝加哥大學)
塞勒教授。(圖/芝加哥大學)
 
旺報記者/許昌平

塞勒
2017年諾貝爾經濟學奬得主是芝加哥大學的塞勒教授。(圖/芝加哥大學)
知識就是力量!華爾街見聞報導,剛剛獲得2017年諾貝爾經濟學獎的芝加哥大學經濟學家理查德·塞勒(Richard H. Thaler)還是一家基金公司的創始人。
1993年,塞勒和Russell Fuller基於行為金融學理論創建名為「Fuller & Thaler Asset Management」的基金公司,專注美國小企業股。
在他的行為經濟學理論下,公司替摩根大通管理的一隻基金Undiscovered Managers Behavioral Value Fund(UBVLX)表現優異,在過去五年中大多數時間裏都跑贏了標普500指數。
該公司的核心理念是,投資者都會犯錯,公司的目的就是找出這些錯誤。
該基金公司簡介,其中還引用了塞勒在電影《大賣空》中的一句臺詞:「把人想象成以邏輯指導行為的動物,實在是瘋狂之舉。」
摩根大通委託這家基金公司管理的UBVLX投資依據就是投資者的行為偏差。如投資者對老舊、負面資訊的過度反應,或者投資者對新生、積極資訊的不理不睬等。
2015年,UBVLX膨脹一倍,沖至37億美元,目前,資產總規模已達60億美元。
(旺報)

經濟學獎
2017年諾貝爾經濟學獎得主揭曉。(圖/諾貝爾官網)

2017年6月8日 星期四

2017 06 09 左永安顧問李開復、洪小文、王堅堪稱兩岸AI界的先驅 人工智慧(AI)成為熱門顯學,政府、企業爭相發展,但台灣缺乏軟實力,又沒有龐大的市場數據做後盾,能否發展成形,創新工場創辦人李開復、微軟亞洲研究院院長洪小文、阿里巴巴集團技術主席王堅等兩岸「AI三巨頭」,為此掀起論戰。


2017-06-07 00:07 經濟日報 記者曾仁凱/台北報導
人工智慧(AI)成為熱門顯學,政府、企業爭相發展,但台灣缺乏軟實力,又沒有龐大的市場數據做後盾,能否發展成形,創新工場創辦人李開復、微軟亞洲研究院院長洪小文、阿里巴巴集團技術主席王堅等兩岸「AI三巨頭」,為此掀起論戰。
李開復、洪小文、王堅堪稱兩岸AI界的先驅,三人系出同門,曾在有「亞洲AI黃埔軍校」美譽的微軟亞洲研究院共事。李開復是微軟亞洲研究院創辦人;被稱為「阿里雲之父」的王堅加入阿里巴巴前,擔任微軟亞洲研究院常務副院長;洪小文則是現任微軟亞洲研究院院長。三人最近為台灣的AI未來隔空交鋒,引發外界矚目。
事件導火線源自李開復一席「台灣根本沒機會發展AI」。他認為台灣缺乏軟實力,又沒有技術、資金、應用情境、實驗場域,以及能識別並幫助創業的創投,也沒有大數據及市場可以推動發展。
王堅認為「李開復錯了」。人工智能一定要數據,數據不是你所擁有,不代表不能做任何事。例如不擁有高速公路,仍可以做最好的運輸公司。或正因為不擁有基礎建設,才會想做一家好的運輸公司。
他強調,AI是台灣很好的機會,「鴻海郭董做很多事情,都是台灣AI的機會」。另外,所有晶片製造業也是AI產業的一環。
洪小文也認為,AI是模擬人類的思考邏輯,再透過大數據運算及演算法分析,協助人類解決問題,應用範圍很廣,每個政府、企業、個人都會受到影響、參與其中,台灣不會沒有機會。
他針對台灣發展AI提出四個思考方向,
例如
1.每家公司都有自己的「產品」,如學校產品就是教育,每個公司要思考如何善用AI,
     幫助產品做更好。
2.在「行銷」面,可利用各種AI技術、發揮創意,讓產品賣更好。
3.其次是每個公司內部有很多「運作」流程,可思考如何運用AI讓運作更有效率;
4.「員工」是公司最大的資產,隨著AI技術成熟,機器可以幫助人類分擔更多重複、
     單調的工作,員工就可專注更重要的事情、產生更高附加價值,進而兼顧工作與家庭。

2017 06 09 左永安顧問 SAP物聯網暨數位供應鏈資深副總裁 Hans Thalbauer人工智慧及物聯網市場趨勢發展的Gartner研究副總裁蔡惠芬就指出,「AI技術的成熟,是邊緣運算興起的一大關鍵。」瑞典百年老牌的金屬刀工具製造商Sandvik Coromant,為了加快反應設備故障預警,而改採用了邊緣運算架構,將原放在雲端上的機器學習預測模型,改直接在工廠設備前端來執行分析後,能做到比以前反應速度快20倍,大幅縮短預測停機故障的反應時間。早在AI領域深耕多年的臉書,2017年4月就開源釋出了一個輕量版深度學習框架Caffe2,開始能在iOS、Android以及Raspberry Pi裝置上執行較簡單的深度學習模型,可以用於辨識影像、圖片、聲音及文本。


邊緣運算關鍵技術AI,讓瑞典工具機大廠異常預警速度加快20倍

工具機大廠Sandvik Coromant將機器學習放到靠近資料源的設備前端來分析,省下資料兩地往返的等待時間,讓異常事件預警可以更接近即時反應,甚至沒有網路也不怕
文/余至浩 | 2017-06-09發表

瑞典百年老牌的金屬刀工具製造商Sandvik Coromant,為了加快反應設備故障預警,而改採用了邊緣運算架構,將原放在雲端上的機器學習預測模型,改直接在工廠設備前端來執行分析後,能做到比以前反應速度快20倍,大幅縮短預測停機故障的反應時間。
瑞典百年老牌的金屬刀工具製造商Sandvik Coromant,過去在全球設有好幾座工業自動化工廠,主要從事生產各種先進工具機零配件,因為生產過程需經過非常高精密複雜的金屬切割作業,所以工廠內的每臺切割設備都需具備高精細切割操作的能力,所以一臺造價昂貴,動輒上百萬美元甚至每部機器就有將近一千個可動式零件組成,只要一個細小零件脫落,都可以讓該機器故障停擺,所以這些生產設備內也具備很多感測器,以便蒐集資料來進行機器學習分析,來做為預防性的設備維護。
改採邊緣運算架構,以縮短機器學習預判時間
以前,Sandvik Coromant的作法,是將事先已訓練過的機器學習模型放在雲端,所以從設備蒐集大量感測器的資料後,得先回傳雲端才能使用機器學習來分析,判斷有無異常,再將預判結果傳回本地端的設備,這對於Sandvik Coromant來說,反應還是太慢,而且網路斷線時,無法將資料傳回雲端分析,承擔的故障風險更高,畢竟只要一臺機器停機,可能導致整座工廠產線受牽連,生產延遲的後果,就是每小時損失超過數百萬美元。
所以,Sandvik Coromant後來決定開始採用了邊緣運算架構,不只是將資料放在本地端設備處理,更開始將機器學習直接使用在工廠設備前端,來加快異常事件預警的反應時間。以前,經由網路將資料傳回雲端處理完,再回傳結果到反應,平均需要花2秒,現在改將機器學習模型就近放置在工廠設備前端來執行,只須0.1秒就能反應,兩者反應時間相差多達20倍。
能有快20倍的反應速度,靠得就是把機器學習放到最靠近資料源的設備前端來分析,讓異常事件預警可以更接近即時,因為省下了資料兩地往返的等待時間,所以能更快處理,可以更即時現場判斷,甚至,因為在設備前端就可以執行機器學習模型,所以一旦網路斷線也不怕。長期研究人工智慧及物聯網市場趨勢發展的Gartner研究副總裁蔡惠芬就指出,「AI技術的成熟,是邊緣運算興起的一大關鍵。」
瑞典百年老牌的金屬刀工具製造商Sandvik Coromant,為了加快反應設備故障預警,而改採用了邊緣運算架構,將原放在雲端上的機器學習預測模型,改直接在工廠設備前端來執行分析後,能做到比以前反應速度快20倍,大幅縮短預測停機故障的反應時間。(圖片來源/Bulid 2017)
AI技術成熟成為推動邊緣運算的另一股力量
這就是為什麼微軟今年要押寶邊緣運算,甚至還在2017年Build開發者大會推出了一項全新邊緣運算服務Azure IoT Edge,可以利用容器(Container)技術,將Azure機器學習、微軟AI認知服務的程式碼,打包成為一個個可以在閘道器上啟用執行的微服務(Microservices),讓企業就近能在本地端裝置上結合AI技術,以便於更快現場進行預判。Azure IoT Edge也支援了Windows或Linux兩大作業系統,對於硬體運算能力要求也不高,即使是記憶體容量只有128MB大小的Raspberry Pi單板電腦也能用。
除了微軟之外,另一家今年也開始布局邊緣運算的雲端ERP商用軟體巨頭SAP最近也在新推出的SAP Leonardo邊緣運算服務中,開始將SAP雲端上的機器學習服務,直接改就近提供在本地端的IoT閘道器來部署,以便於前端設備能更快現場即時反應,同時還可以和後端的SAP S/4HANA ERP系統串接,以加強自動化工廠管理。「AI技術的成熟,更將加速邊緣運算的發展。」 SAP物聯網暨數位供應鏈資深副總裁 Hans Thalbauer最近來臺時表示,因為有了AI技術的加入,物聯網邊緣裝置將變得更聰明,而不需要將資料回傳雲端,現場就能立即分析處理,以便於企業運用在更多需要即時分析的IoT應用上,例如預防性維護等。
除了雲端、商軟業者開始將AI技術帶進裝置,也開始有越來越多可以支援邊緣運算生態系發展的AI硬體和開發工具出現。連全球兩大行動晶片業者高通和聯發科都不約而同,從2016年開始針對自家的Snapdragon 820及Helio X20高階行動處理器,提供深度學習的SDK套件,讓手機晶片也能具備執行深度學習處理的能力,來提高用戶的使用體驗,使得將深度學習部署到行動裝置上變更容易,也能用於常見的AI應用,如臉部辨識、影像識別及自然語言分析等。
更瘦身的深度學習框架,前端裝置開發AI應用變更容易
而在AI布局已大幅領先的GPU處理器大廠Nivdia也不遑多讓,在AI專用伺服器以外,最近也推出一片體積只有信用卡大小的AI運算硬體Jetson TX2,因為搭載最新Pascal架構的GPU,因此具備有更強大的運算能力,可以用在安防攝影機、商用無人機、機器人等裝置上,來提高在影像辨識、導航以及語音辨識方面的應用。
有了更容易開發AI應用的硬體之後,過去1年來也開始有更多的AI開發工具推出,讓即使是運算能力不強的邊緣裝置,也能具備有提供基本的機器學習,甚至是深度學習處理的能力。
早在AI領域深耕多年的臉書,2017年4月就開源釋出了一個輕量版深度學習框架Caffe2,開始能在iOS、Android以及Raspberry Pi裝置上執行較簡單的深度學習模型,可以用於辨識影像、圖片、聲音及文本。目前Caffe2的開放原始碼已在GitHub上釋出。在早之前,臉書也曾推出另一個不同版本Caffe2Go,同樣也可以在手機上執行深度學習。
另外,臉書前不久才開源釋出的AI快速文本分類工具FastText,最近也開始能部署在手機及Raspberry Pi上,來優化機器學習的相關應用。
Google2017年5月也將兩年前才開源的深度學習框架TensorFlow大瘦身而釋出TensorFlow Lite的精簡版本,可以在Android裝置提供AI應用。甚至Google還在新版Android Wear 2.0穿戴式裝置作業系統中,首次加入機器學習功能(on-device ML system),可以提供使用於支援穿戴裝置的AI應用,例如新增的智慧訊息回覆功能,可依據收到訊息上下文的內容關聯,來提供更聰明的訊息回覆,因為在裝置端就可以執行機器學習模型,所以不用連網就能用。
甚至近來也開始有大數據分析服務商MapR試圖將大數據分析技術輕量化後,帶進裝置端,而推出一款迷你版的融合資料平臺MapR Edge,讓大數據分析處理引擎Hadoop,也開始能在多臺裝置建立運算叢集來分析。
不過,蔡惠芬也表示,目前並不是所有的AI技術都適合用在邊緣運算上。「若是需要利用巨量資料訓練機器學習模型時,因為需分析的資料量過於龐大,所以通常還是得傳回雲端來處理。」另外,當預測模型需要的運算分析越複雜時,若裝置本身的運算力不夠強大,也沒有足夠軟硬體做搭配時,還是得靠雲端才能解決。