搜尋此網誌

顯示具有 技術應用 標籤的文章。 顯示所有文章
顯示具有 技術應用 標籤的文章。 顯示所有文章

2025年6月26日 星期四

MSM_AI輔助創新六大模組 甘苦小故事(短文)



【會話中迷失:大語言模型在複雜任務中的瓶頸與突破】

在使用大型語言模型(LLM)進行多輪對話時,經常會遇到一個難以忽視的問題:「會話中迷失(Lost in Conversation)」。這代表一旦模型在某一輪回答中出錯,錯誤便可能如骨牌般連鎖發生,使得後續回到正軌變得困難。這類問題在處理複雜的技術創新與知識整合任務時,特別明顯。

👉 參考文獻:arXiv:2505.06120


2025.06.26 首發, 2025.07.07更新
2025©汪周禮

在兩年前(2022Dec~2023May)設計 MSM(Multi-Shots-Models AI 輔助創新方法)時,我也深刻感受到這個挑戰。為了確保模型在多次提問過程中仍能維持高品質與主題聚焦的輸出,除了進行內容的結構化設計,我也導入了多種提示工程技術(Prompt Engineering Techniques)作為模型導向與錯誤校正的關鍵手段。

但即使如此,仍會出現模型陷入迷失或產生幻覺的瓶頸,因此我當時啟用了兩個付費 GPT 帳號進行對比測試與路徑重導,終於建立起完整的 MSM 六大模組架構,並設計出超過 20 組關鍵提問模型(Key Prompt Frameworks)

MSM AI輔助創新多代理人(Multi-Agents)整合的代理式AI 工作流(Agentic AI workflow)這個架構融合了多項跨領域工具與流程:

  • 新產品開發流程:Cooper、PDMA、Crawford、IPD 等。

  • 問題解決技術:KT法、RCA、FMEA、FA等。

  • 創新方法:Design Thinking(三種版本)、TRIZ等。

  • 專利分析技術:FTO、專利地圖、佈局與迴避設計等。

  • AI提示工程策略:模組化提示描述、錯誤鏈斷點設計、多輪對話導引技術等。

這套系統的設計過程花了我三個月、研讀超過百篇 AI 相關研究文獻,才整合出這套能真正導入企業實戰的 MSM_AI 輔助創新流程 (PS. 那時候還特地寫了一篇部落格短文紀念)。兩年來已在多家企業的創新專案輔導中,證實其實效,特別是在R&D、專利布局與AI技術應用開發領域,對比過去使用的傳統模式,根據企業專案輔導的統計結果,完整的MSM_AI輔助創新流程平均縮短研發50%開發時間。




MSM_AI × Agentic LLM 平台 PoC 實戰整合

從2023六月完成開發MSM後的兩年的時間裡,在四大領域 (手機、半導體、新能源、AI技術開發) 累積38 個 成功案例!
近期(2025.07.17update)更新添化工產業,共五大領域,企業應用項目已累積 48個 有效案例。

目前,MSM_AI 模組已可結合如 Dify 等 Agentic AI 平台,作為企業導入大型語言模型的 PoC 驗證方案,協助:

  • 提升企業 自建 LLM 平台的內部使用率

  • 導入具結構性的創新思維模組,增加思考模式並提高思考效率

  • 解決 LLM 在複雜任務中的常見迷失與輸出品質劣化問題 



📌 大語言模型真正的挑戰,才正要開始。

面對複雜問題的知識組織與創新應用,若無清楚架構與提問引導,LLM 容易失準。這正是 MSM 設計的核心價值:讓 LLM 成為創新引擎,而非失控變數


後記:

知識經濟2.0- 工作流程 x AI x 專業經驗:下一波知識經濟商模產品誕生地
行業的改變從來都不是由內部開始,而是外部的影響,只是目前可能的影響會出現在ai創造的知識經濟發展模式,新的知識經濟商模正在孕育中,這也是我體驗過悲觀的環境但卻依然樂觀的理由。
或許可以這樣思考,知識經濟系統裡面的每一個構成組件中,幾乎所有的組件都會收到ai影響,這樣的影響隨技術發展與應用模式而動態變化,傳統的認知將會被改寫,簡單說,我們習慣的單點工作站模式,將會被工作流模式改變,以前要五個人(五個工作站)可以完成的事,現在可能ㄧ兩個人就可透過ai工作流完成,所以,比如說,新的價值方向會出現在不同工作站的整合上,誰能處理好新工作流的整合與輸出品質,就會創造新的知識產權商機,現在很多人都把眼光聚焦在被取代掉的工作站,這是沒有意義的事。
沒有價值或低價值的工作一定會被ai取代,這個是趨勢,時針在轉,真正要關注的焦點在於,如何從新出現的ai工作流中找到知識產權的商機。

這樣的變化用過去的思考模式一定難以理解,因此要把自己站在10年後來看過去五年的發展,就可以推測未來五年的變化與機會了。

站在10年後回看今天,我們會看到什麼?
或許我們將會驚訝地發現,不是哪個人被AI取代了,而是哪個產業沒能及時整合AI工作流,最後被時代淘汰了。

#AI_DT_TRIZ4innovation
MSM AI輔助創新 企業研發系列- 創新式專利迴避設計工作坊,歡迎企業包班~

#AI_LLM
#AI4INNOVATION
#MSM_AI輔助創新
#MSM_六大模組

企業對 MSM_AI輔助創新有興趣,歡迎與我聯絡現場 DEMO 事宜!

SERVICE@IIIINNOVATION.COM (3*I+ INNOVATION)


2025年5月19日 星期一

TRIZ實作系列 1 - TRIZ 工具僅是起點,培養系統思維脈絡與問題建模能力才是應用關鍵



TRIZ 工具僅是起點,培養系統思維脈絡與問題建模能力才是應用關鍵 

過去參加研討會時,曾經有人問我:

TRIZ 有那麼神嗎?真的可以幫企業解決研發難題嗎?」

 

我說:「真的可以,但,別神化。」

 

關鍵字:TRIZ, 創新, 問題模組, 系統思維, 技術脈絡

本文長2800多字,閱讀時間約15分鐘。


TRIZ 是一套強大的創新工具,但它不是解方的終點。

我長期協助企業進行創新產品技術開發,解決困難問題,深知TRIZ 當然是一套有邏輯嚴謹、可系統操作的方法工具。但如果你對工具一知半解、只想看案例、只想模仿操作流程、不懂如何正確使用,卻忽略背後的技術系統脈絡思維與不會解析問題本質,那就很難體會TRIZ應用關鍵—問題建模能力,那 TRIZ 很可能對你來說只是個複雜表格的工具代名詞!

甚至有可能,不但沒幫上忙,還可能讓你一團霧水,甚至用不明就裡的使用發明原則誤導決策,導致失敗,最後認為TRIZ沒用,而束之高閣。


TRIZ 應用的關鍵在於:正確使用問題建模

要能體會TRIZ大用,首先要挑戰解決困難技術問題開始,這個解決困難問題並非僅僅提供創意或概念方案,而是要能進一步找出POC方案,再篩選出具體實施方案,但這一步非常難,如果本身沒有熟悉的技術領域不容易突破,但突破這一層後,就可以踏入產品開發架構設計,甚至根據新產品開發的經驗,進一步了解如何解析商業模式、根據需求開發出適合技術核心的商業模式了。然而根據我多年解決技術問題、新產品開發問題與輔導商業模式開發設計的經驗來看,TRIZ應用的關鍵核心在於正確的使用問題建模!

 

🎯 案例學習有效複製

脫離系統思維與技術脈絡,TRIZ 很容易失靈

 

這幾年我觀察到一個常見現象:

很多人學 TRIZ,是從看案例開始。他們會說:

 • 「這個案例用了矛盾矩陣第 39 20,所以我也可以這樣套用。」

 • 「那家公司用標準解 1-2-1 解決了設計問題,我也試試看。」

 

問題來了——

你知道他為什麼選這個工具嗎?

你知道背後的技術背景、工程參數選擇的條件是什麼嗎?

你知道參數與問題模型的對應本質是否一致?

 

如果不知道,那麼你只是表面模仿,沒有真正理解。

模仿的失敗往往不是工具用錯,而是背景不同,導致效果完全相反。

 

在我過去遇過的案例中,常常看到他人模仿失敗往往不是因為工具用錯,而是背景不同、技術條件與使用工具的方式很有可能會讓效果完全不同!

 

 

工具不是主角,系統思維的技術脈絡才是靈魂

 

TRIZ 最大的價值不在於它有多少張表、多少個發明原則或標準解。

而是:

TRIZ幫助我透過系統性的結構化方式思考描述問題,重構思維框架建立正確的問題模型,選擇適合的思維模式推導出最適合的創新策略。

 

這其中的關鍵步驟,不在工具本身,而在於:

 1. 否理解問題的技術本質?這不是問你知不知道問題痛不痛,而是問你是否知道正確選擇技術系統範圍與限制!

 2. 否正確建構出問題模型?確認系統技術範圍與限制後,確認適合的問題模型以及正確而嚴謹的建立問題模型,例如矛盾在哪?哪一種矛盾層次,相關參數是否可量化或轉換為其他定性描述或結構化的方式組合?

 3. 是否知道什麼時候該用哪個工具、又有哪些工具不能用?我們知道因果鏈CECA挖掘問題很好用,但系統過於複雜的時候,並非適合所有場景,例如多系統層次整合的問題,這時候如何適當的結合其他工具發揮,就很重要!

 

這些TRIZ應用關鍵能力,完全無法靠「看案例」學會,只能靠你在熟悉系統化的技術思維脈絡中實際應用與反覆推演,或可推知一二而學會。

 

TRIZ 的三層操作結構:你在哪一層?

三層 TRIZ 應用架構:

🔧 工具操作層:  懂工具 → 工具操作有效性評估

 

📊 問題建模層:  建構正確模型 → 產生優質方案組合

 

🏗 技術脈絡層:  對接應用背景 → 精準設計架構系統方案策略

───────────────

我通常會把 TRIZ 的應用分成三個層次:

1. 工具理解層,這一層主要是熟悉triz解題工具,了解不同工具的使用範圍與限制,進一步能根據實際情況設計出適合的就提工具組合與應用流程。 這裡我會使用流程設計有效性指標來評估。

2. 問題解析與問題建模層,這一層非常重要,如何選擇並放在適當的應用流程位置,能決定未來概念方案的有效性、方案品質與方案數量。 這裡我會使用問題解析和建模有效性指標來評估。

3. 最後就是技術系統脈絡思維,也可以說是在具體特徵銜接系統架構設計的關鍵,這個需要深入理解技術背景、應用情境場域,否則很容易錯判系統範圍,造成系統分析過於複雜而無法精準鎖定應用有效區間而導致無法使用triz工具或使用失敗。 這裡我會使用系統架構分析模組來進行評估。而這也是最重要的應用技能,決定triz工具是否能應用,但這往往難以透過案例學習,需要透過長期的實務操作經驗累積。

 

TRIZ三層操作架構,你在哪一層?



第三層(技術脈絡層)是最關鍵也最困難的,因為這不僅需要 TRIZ 的工具理解,更仰賴你對技術領域的深刻認知與實戰經驗以及應用技巧組合。

 

 

TRIZ 不能解決的三種情境

 

 1. 問題定義不清楚

如果你還在說「我覺得這是個問題」,那 TRIZ 幫不了你。TRIZ 處理的是明確技術問題,不是模稜兩可的痛點。

 

 2. 🧾沒有具體技術參數可操作

TRIZ 的工具多半需要具備從定性分析到量化或結構化的分析條件,例如「壓力 vs 強度」、「成本 vs 效率」。如果你連這些基本參數都理解不明確,就很難進入工具選用階段。更何況使用複雜參數組合所建立的問題模型矩陣了!

 

 3. 🧪脫離實際工程背景

很多創新方法在白板上都看起來很美好,但一旦離開現場、缺乏脈絡、沒有工程背景經驗,就會像是拿著精密手術刀卻不知道該切哪裡或是手中拿著筷子卻無法在宴會餐桌上夾起任何美食。空談創新方法、缺乏現場經驗,只會讓 TRIZ 成為紙上談兵。

 

 

我在企業實務中的 TRIZ 操作心得

 專利迴避設計:在協助客戶做專利迴避設計時,我從不先選工具,而是先搞清楚客戶實際需求、技術限制與市場競爭定位下的應用範圍。

 研發技術人員卡關:當發現技術人員用問題模型解不了問題,我會回頭檢查:是不是問題描述出問題?是不是選擇的問題模型根本無法對應系統特徵和需求?

 技術專家說問題無解:我也遇過不少「技術專家」說:「這問題沒法解」,但我用不同的解題流程組合對應的建模方式(例如極限模型或矛盾問題模型矩陣)找出突破點。

 

這些都不是工具本身多厲害,而是是否能夠理解深度工具、建構正確問題模型、設計出有效的解題流程與選擇適合解題策略。

 

 

結語:TRIZ 要落地,請帶著「現場智慧」操作

 

TRIZ 不是魔法,更不是萬靈丹。

TRIZ是你在理解技術、正確建構模型、根據需求選擇策略後的高效率創新輔助系統工具組合包。

 

當你真正進入技術問題現場,理解技術背後邏輯與技術限制,再用 TRIZ 工具做搭配時,你會發現它就像打開了系統盲點的一把鑰匙——不是關鍵本身,但能引導你找到關鍵。

 

TRIZ 是打開創新盲點的鑰匙,不是答案本身,卻能指引你找到關鍵。

 

 

📌 你也遇到 TRIZ 落地困難的情況嗎?

 

💬 歡迎留言交流

你是否也曾遇過 TRIZ 落地困難?歡迎分享你的經驗,或是私訊我討論~

讓創新真正發生在研發現場,而不只停留在白板上。

 

作者:汪周禮

TRIZ實戰專家創新顧問

2008年起,累積將近17TRIZ應用輔導企業產品技術與商模創新實務操作經驗,協助企業成功獲得多項創新成果,累積創造超過19億(接近20億)新台幣經濟價值(客戶自評)。

2025© 複製或轉發請來信取得授權


智合TRIZ 創新專家 實戰培訓課程 2025 Q4 

智合創新 TRIZ工具實戰應用培訓班 (一年一班)

https://www.iiiinnovation.com/product-page/%E6%99%BA%E5%90%88triz-%E5%9F%BA%E7%A4%8E%E5%9F%B9%E8%A8%93%E8%AA%B2%E7%A8%8B-2020


2024年1月31日 星期三

AI 對話式機器人(CHATGPT) 在企業中的多元化應用及其價值創造

 AI 對話式機器人在企業中的多元化應用及其價值創造





隨著人工智能(AI)技術的快速發展,AI對話式聊天機器人,如ChatGPT,隨著微軟WINDOW的導入,已經逐漸成為企業數位生產力工具中不可或缺的重要工具。這些先進的數位工具結合AI的應用,正開始改變企業運營與管理的方式,豐富了企業與客戶的互動,並為企業提供多元化的價值及創造更多潛在商業機會。

聊天機器人的企業應用
ChatGPT等對話式聊天機器人的應用範圍非常廣泛,涵蓋從基本的資訊回答到創意生成的不同層次。在最基本的問答應用層次,它們可以根據用戶的輸入內容,快速回答對應的的內容,為用戶提供即時且相對豐富的內容,甚至在經過對大型語言模型(LLM) 微調(FINE-TUNING)的訓練後,可以提供更為準確的資訊內容。這不僅提升了客戶服務的效率,也提高了客戶滿意度。 在更高層次上,對話式聊天機器人可以參與內容創作和決策支持。例如,在市場營銷領域,除了可以協助撰寫創意的廣告文案,分析市場趨勢,甚至提出創新的營銷策略。在人力資源管理中,它們可以協助進行招聘流程,篩選簡歷,甚至參與初步的候選人評估。 甚至,針對特定資訊分析與評估後,快速輔助撰寫特定內容的報告,例如專利技術資訊分析內容報告。 最令人印象深刻的是,對話式聊天機器人在創意生成方面的應用。從撰寫吸引人的社交媒體帖子到創作短篇故事和詩歌,它們展現了AI技術在藝術和創意表達方面的巨大潛力。 除此之外,更可以結合創意創新的方法工具,提高創意生成的品質和使用範圍。
內容的多元化價值 對話式聊天機器人創造的內容價值除了娛樂性(有趣)、內容豐富性(有料)和實用性(有用)之外,更具有啟發性,能夠激勵人們追求創新和個人成長。在教育領域,聊天機器人能夠提供客製化的學習體驗,幫助學生和專業人士學習新技能。
而且,更可結合AI工程技術,例如RAG(Retrieval-Augmented Generation),可以增加資料庫內容的可靠性和及時性,對話式聊天機器人成為了提供最新行業資訊和趨勢的重要來源。進一步還鼓勵互動性,通過用戶參與和反饋,增強了內容的吸引力。
視覺吸引力、情感連結和原創性也是聊天機器人內容的關鍵價值來源。這些元素使得由聊天機器人創造的內容不僅信息豐富,而且利用對話式聊天的直覺式圖案創作(CHATGPT & DALLE3),更容易輕易創造出視覺上吸引人,能夠與用戶建立更深層的情感聯繫的圖案,讓產品行銷視覺圖案更親切、更容易讓市場用戶接受。
結論
總而言之,對話式聊天機器人在企業中的應用展示了AI技術的多樣性和靈活性。從基本的資訊回答到創意內容的生成,聊天機器人不斷突破技術和創意的界限。同時,通過提供啟發性、教育性、情感連結和視覺吸引力等多元化的內容價值,聊天機器人必將成為了企業中不可或缺的資產。隨著技術的進步,我們可以期待AI 對話式聊天機器人在未來將帶來更多創新和價值。


2024©汪周禮@智合創新

傳遞創新知識與服務

AI工具輔助創新與提升數位生產力應用培訓課程,歡迎與我們聯絡。
service@iiiinnovation.com



2024年1月27日 星期六

探索AI技術的三大圓滿基石:無限算力、無限資料與完美模型 [TRIZ創意發想]

 [TRIZ創意發想] 

探索未來AI技術的三大圓滿基石:
無限算力、無限資料與完美模型



現今這個科技日新月異的時代,我們正見證著人工智能(AI)和數位科技的飛速發展。這些進步背後有三大關鍵支撐點:運算速度、數位資料以及演算模型。這篇文章將以假設的角度,想像去除這三大關鍵限制,也就是在算力無限大、資料無限大以及完美演算模型的情境下,探討這三大要素及其對未來技術發展的意義。

無限大算力:技術的加速器

無限大的算力是指能夠快速處理和分析大量數據的能力,數位運算不受算力限制,或是算力強大到完全可以滿足現有情境。隨著雲端運算、分散式運算和量子運算等技術的發展,我們正朝向這一目標前進。

無限算力可以加速從氣候模擬到金融市場分析的所有過程。然而,這也帶來了運算需要大量能源與冷卻資源方面的能源消耗和發展可持續性的挑戰。

無限量資料:知識的海洋

數據是現代數位科技的石油。從社會生活中的社交媒體到支撐企業商業運行的物聯網,數據資料正在以前所未有的速度指數生成。無限量的資料為人工智慧技術的機器和深度學習模型(Machine Learning & Deep Learning)提供豐富的學習資源,加速了演算模型的發展,從而提高準確性和泛化能力下的應用範圍。然而,這也帶來了資料使用、傳遞與保存上的隱私、安全和品質的問題。

完美模型:智能的巔峰

完美模型是指能夠在任何情境下都提供準確結果的AI模型,滿足情境改變的需求。這需要不僅僅是大量的數據和強大的算力,還需要創新的演算法和模型設計。然而,這是一個極具挑戰的目標,涉及到技術、理論和倫理的多個層面的跨領域整合發展。

 

三大支柱之間的相互影響

這三大要素彼此之間存在著密切的相互依賴和影響。無限的算力可以加速資料的處理和模型的訓練。同時,豐富的資料資源是推動模型發展的重要因素。而高質量的模型則可以更有效地利用這些資源,從而提升整體系統的性能與使用範圍和應用效果。

 

未來趨勢:三大基石如何塑造未來

根據前面的內容我們可以知道,這三大要素將共同塑造數位科技發展的未來趨勢,並有著不同層面的影響,這些影響包括:

  1. 全球化與地緣政治:全球化趨勢將促進計算資源和數據的共享,但也受到地緣政治的影響。
  2. 永續發展與環境影響:隨著技術進步,對能源效率和環境影響的關注將增加。
  3. 消費者行為與市場需求:技術進步將引領消費者行為和市場需求的變化。
  4. AI倫理與社會責任:在AI的設計、開發和應用中,伦理和社会责任将成为不可或缺的部分。 5. 技術普及與教育:教育和培訓的調整將對應技術的普及,以培養未來所需的技能。
  1. 安全和隱私挑戰:隨著技術的發展,安全和隱私將成為更加複雜的挑戰。

 

可見未來的科技風格

未來科技的發展將呈現出一種超現代、前瞻性的風格。我們可以期待看到更多融合了動態數字元素、顯示屏、全息和擴增實境元素的互動式設計。這些元素不僅反映了技術的進步,增加了更多應用想像空間,當這些科技深入社會大眾後,更預示著社會和文化將隨著數位科技的轉變而開始轉變,例如平台經濟後,出現的網紅經濟與網紅引發的社會現象,逐漸將數位文化嵌溶至當代社會文化中。

 

總結

可以預見到,無限大算力、無限量資料和完美模型是構築未來理想科技發展的三大基柱,這三大基柱所打造出來的AI技術應用,將持續加速推動新的創新機會,無可避免的,同時也帶來風險和挑戰。隨著這些技術的進步,我們將見證一個更智能、更互聯和更可持續的世界的誕生。

在這一過程中,我們必須注意平衡技術進步與倫理、社會責任和環境可持續性之間的關係。隨著全球化、永續發展、消費者行為、AI倫理和安全等因素的共同作用下,未來的科技發展將是多元、動態且更加複雜。

或許這就是未來科技的景觀——一個由無限的可能性和挑戰共同塑造的世界。在這個世界中,無限大算力、無限量資料和完美模型將是我們探索未知、推動創新和實現夢想的關鍵。


2024©汪周禮@智合創新 --- 傳遞創新知識與服務
AI輔助創新二月底即將開課了,歡迎關注智合創新在ACCUPASS上帳號。


2023年11月28日 星期二

智慧手機大廠在軟硬整合的 Gen AI 行動服務中的機遇

 

智慧手機大廠在軟硬整合的 Gen AI 行動服務中的機遇



觸機

 當今科技領域正迅速進入以人工智能為核心的新時代,其中軟硬整合的 Gen AI 行動服務正成為重塑市場版圖的關鍵。對智慧手機大廠而言,這不僅是挑戰,更是轉型與創新的重大機遇。


本文嘗試探討智慧手機大廠在此領域的優勢,並分析其面臨的挑戰與未來的發展方向。




首先從知識經濟(智慧財產經濟)的核心三要素出發,接者描述智慧手機大廠的核心競爭優勢和基本優勢的角度(市場與用戶體驗),再探討環境的影響以及技術挑戰和限制,最後綜合未來發展方向,這六種面向進行初步解析。

1. 知識經濟中的核心要素: 在知識經濟時代,生成式 AI 的三大核心要素內容創造、傳遞與交易、內容儲存與管理變得至關重要。智慧手機大廠在內容儲存與管理方面擁有獨特的優勢。由於他們的設備普及率高,加上與雲端儲存服務的緊密整合,這使得他們能夠可以更有效地管理和分發生成式內容,甚至進一步結合交易與傳遞提高交換價值。


2. 智慧手機大廠的核心優勢: 智慧手機大廠在技術整合方面具有顯著的競爭優勢。他們的技術基礎和資源豐富,包括先進的硬件設計和成熟的軟件開發能力。這些公司不僅在市場上占有重要地位,而且在品牌影響力方面也有顯著優勢,這有助於新技術和服務的快速推廣。


此外,這些公司控制著從硬件生產到軟件開發的整個供應鏈,使得技術和服務可以有效整合和協調。這種能力使得智慧手機大廠能夠迅速應對市場需求的變化,並在競爭激烈的市場中保持領先地位。


同時,CHATGPT GPT Store 預計將成為傳遞交易的主要平台。智慧手機大廠如果能與此平台合作,將有機會進一步加強市場地位,創造新的商業機會。



3. 市場趨勢與用戶體驗: 市場趨勢顯示,未來的科技發展將更加重視用戶體驗。智慧手機大廠必須深入了解用戶對新技術的接受程度,並重視隱私和安全問題。提供無縫且吸引人的用戶體驗,設計直觀的用戶界面,以及保護用戶數據安全,將成為他們成功的關鍵因素。畢竟,這是智慧手機大廠面向市場用戶所擁有的相對優勢。


4. 環境和社會因素: 當前,全球越來越重視環境可持續性和社會責任。智慧手機大廠在推動技術創新的同時,必須考慮其對環境和社會的影響。這包括減少碳足跡、促進綠色能源的使用,以及確保其產品和服務不會加劇社會不平等。這一塊新興技術如AI DL和區塊鏈技術的整合應用顯得至關重要。


5. 技術挑戰和限制: 在整合 AI 和區塊鏈技術方面,智慧手機大廠面臨著一系列挑戰和限制,包括處理大量數據的能力、確保軟件和硬件的相容性,以及持續創新以跟上技術的快速發展。這些挑戰要求他們不斷投資於研發,並積極尋求創新的解決方案。


6. 未來趨勢的預測和適應: 隨著市場和技術趨勢的不斷變化,智慧手機大廠必須保持靈活和前瞻性。特別是當智慧手機應用創新已經僵化到乏善可陳的時刻,這意味著需要投入更多資源,瞄準其他可整合技術發展的潛在方向挖掘先機,甚至更進一步預測即將爆發的新興技術,並且迅速反應市場需求和用戶行為的變化。此外,考慮如何利用新興技術,如 6G 通訊、AI 深度或機器學習的新應用例如(CHATGPT),以及探索成為物聯網的關鍵節點,作為提升未來智慧手機產品服務價值的關鍵基礎。



心得

從上面的內容可以看出,智慧手機行動裝置大廠,在軟硬整合的 Gen AI 行動服務領域擁有巨大的機遇。他們的核心優勢,結合知識經濟的要素,使他們能夠在技術創新的浪潮中扮演關鍵角色。然而,為了在未來保持市場領先地位,他們需要全面關注技術進步、市場趨勢、用戶需求、環境和社會影響,以及技術挑戰。這將是決定這些廠商未來在市場上維持甚至提高影響力和保持成功或是後來居上的關鍵因素。


2023© 汪周禮 @ 智合創新


2023年10月28日 星期六

企業 發展 AI LLM (大型語言模型) 現況考慮方向

企業 發展 AI LLM (大型語言模型) 現況考慮方向

 "沒有人會否認生成式 AI 帶來的好處,但是「企業」要導入 AI 卻很不容易,最大的問題是難以監測 AI 生成內容的正確性。"

https://technews.tw/2023/10/28/tidalflow-helps-any-software-play-nice-with-chatgpt-and-other-llm-ecosystems/


企業發展 AI LLM (大型語言模型)會有幾個 有幾個方向需要考慮:


1. 技術資源和風險成本:

根據前面文章內容可以發現,的確,開發企業用的LLM(大型語言模型) 對中小企業來說技術資源風險成本太高。

畢竟自己四年前就曾經花了一年的時間找人找技術找資源,由於投入資金過高(三千萬),而且這僅僅是得到一個不確定的結果,最後只能選擇放棄。

不過現在看來慶幸當初沒有堅持下去,因為後來出現了 ChatGPT。


2. 資料品質 (GIGO) 的挑戰


ChatGPT的出現讓沉寂已久的計畫出現曙光,於是花了不少時間研究如何提高輸出品質,畢竟在LLM的應用上,具備輸出品質的資料才有價值基礎。

GIGO(垃圾進,垃圾出)是資料科學普遍的概念,也就是只有確保訓練資料的品質,輸出才有品質,但是對於大型語言模型來說,這一塊難度在不同情況下變得更複雜而難以控制。


因此如何在海量的數位資料中,不被垃圾資料影響而達到想要的輸出資料品質,為了解決這個問題,於是便開啟了使用端的挑戰之路。



3. 模型訓練與使用階段的策略

改善GIGO有不少方向,目前分享兩種方向。


一種是在模型訓練階段的做法,這些做法包括

訓練資料清理和預先處理以維持資料品質,或是

使用不同來源的資料確保模型可以學習多樣化的內容和表達方式,或是

針對資料提供準確的標記和註釋讓模型學到正確的模式和關係,或是

應用偏見緩解算法來減少模型偏見,或是

持續監控和更新設計模型的反饋循環已持續優化資料和模型效能等等。


4. 使用者教育和反饋

另一種是模型使用階段的作法,也就是以使用端輸入的做法,

例如

使用者提供準確明確的輸出提供足夠的明確提示讓模型可以提高輸出準確率,或是

持續對使用者輸入進行驗證與修改以確保輸出資料的準確性和關聯性,或是

使用者對模型輸出提供反饋以優化模型表現,或是

利用教育指導的方式幫使用者理解如何以更好的輸入方式利用模型產生高品質輸出內容等。


5. ChatGPT (GPT-4)的應用訓練

這一塊,在經過半年的研究後,在ChatGPT(GPT-4)的基礎下,結合方法論、提示工程技巧、技術分析方法等組合,成功從使用端建立穩定的輸出品質,而有了突破性的實質進展。

雖然ChatGPT有潛在的隱私問題,但在執行層面上的具體應用流程和操作細節控制,已經可以解決這個部分的問題。


心得:

看到這些成果受到企業肯定,給了莫大的信心,未來持續努力,期待能開發出更方便且高價值應用方式。

2023©汪周禮@智合創新

#CHATGPT
#GIGO
#AI
#LLM

如有任何需求,歡迎企業來信詢問。

service@iiiinnovation.com


2022年11月15日 星期二

FTX加密貨幣交易所事件心得2022nov

 


最近(2022.11月初)全球第三大加密貨幣交易所發生大事,320億美金估值的企業爆出80億美金的資金缺口,竟然撐不住兩天就宣告破產了!(*1)


以下是筆者長期關注區塊鏈技術應用,分享FTX加密貨幣交易所事件的心得:


加密貨幣是區塊鏈技術應用之一,也是最早的區塊鏈技術應用。
目前的區塊鏈技術應用類型十多種,加密貨幣也只是其中之一,根據區塊鏈技術的本質,或許可以簡化看做是一種未來世界知識經濟發展的基礎技術,從這樣的角度理解,就比較容易些。

加密貨幣從開放銀行(open banking)到開放金融(open finance)的發展過程中,加上幾次QE資金浪潮的推波下,加密貨幣的衍生性金融商品資產發展模式超越傳統金融商品迅速集中大量資本,遂成為最受資本市場矚目的焦點。

就目前已知的加密貨幣風險事件來看,加密貨幣要取代傳統金融或是說要當成金融市場的烏托邦理想,仍然有非常遙遠的路要走,從悲觀一點角度來看,這條路的終點很有可能是一個被設計好的懸崖 ─ 資本羊群效應。

不受管控的資本型態,最後終將迎來毀滅的局面,畢竟在資本的天性下,人性是不可被考驗的!

加密貨幣的風險種類很多,這些風險來源於不同的面向,從商業模式架構上的缺陷以及技術應用於商業模式的資安風險,再加上人性對資本渴求的偏差行為,產生眾多不可控的風險來源,這也讓加密貨幣市場更難以被傳統大眾所接受。
區塊鏈 (BC) 技術與應用培訓教材P.63

區塊鏈技術商業應用難度在於其本質包括了新興數位技術和未來數位經濟型態跨域整合的複雜性,這樣的複雜性又摻雜多樣化的資本商品的應用,使得這樣的技術更容易被誤解。

區塊鏈技術應用除了加密貨幣以外,目前應用範圍廣泛,對照數位經濟的核心本質來看,是唯一涵蓋數位內容創作、數位內容傳播與數位內容儲存為一體的資訊技術。

有興趣的朋友可以參考IBM和AMAZON對區塊鏈技術的簡單介紹:

#數位商業模式
#技術應用

2022©汪周禮 2022.11.15
區塊鏈技術應用科普課程 - 歡迎來信詢問
service@iiiinnovation.com
(3i + innovaiton)

題目:區塊鏈 (BC) 技術與應用 (3~12hours) 次標題:未來數位經濟時代的商模基礎 培訓大綱 1.區塊鏈前世今生 – 歷史(1989~) 問題與討論 1 2. 區塊鏈技術與應用 – 區塊鏈本技術/ 智能合約/ NFT 問題與討論 2 3. 區塊鏈攣生兄弟 – 加幣貨幣與其風險介紹 4. 區塊鏈應用現況 – to C & to B (區塊鏈生態系 & 商業模式) 問題與討論 3 5. WEB3.0 元宇宙簡介 6. 區塊鏈 未來與挑戰

2022年2月9日 星期三

淺談元宇宙(Metaverse) 2022Feb

 


元宇宙的本質是甚麼?

在討論元宇宙的本質之前,有些基礎概念需要釐清,也就是資通訊科技對人們的影響是甚麼? 如何改變人們的生活?

 

基於前面的問題,可以衍伸出一些關鍵主題,例如目前的資通訊科技發展對人們生活的影響是甚麼? 這些科技的功能理想嗎? 是否還存有很多問題?  如何解決?

 

人們是否可以放棄目前需要基於目前資通訊科技的發展而繼續使用?

 

資通訊科技發展目前已經有些發展特徵,這些特徵已經和目前生活緊密結合,而沒有辦法被忽略,這些特徵我個人稱之為理想技術因子。

 

所有的技術發展都為了滿足人們的需要而存在。

 

這些滿足人們需要而存在的技術會形成發展趨勢,而統合這些趨勢的特徵屬性,就是理想因子,我們從這幾十年手機的變化,就可以很清楚地看到這一塊的趨勢。

 





  

手機產品變化的特徵就可以反映出這些趨勢特色,這些趨勢特色的發展關鍵在於基於人們對資訊的需求,整體來說,手機技術發展朝向增加視聽資訊容量的方向前進,這可以說是資通訊產業發展的關鍵趨勢因子。

 

TIKTOK會成功,也是符合這個理想因子!增加單位時間內的視聽資訊容量!

 

Software defined by human needs! 這是軟體產品技術開發的關鍵基礎。

所以元宇宙的主題和對應的技術中,哪些符合人類需求,哪些不符合人類需求

透過結合技術發展趨勢模型的比對,或許可以發現一些方向。

元宇宙的概念就像區塊鏈一樣。

 

區塊鏈主要技術有六大類, 而區塊鏈的技術概念最早在1991年就出現了,近年崛起的關鍵在於,中本聰結合不同領域的技術並加以整合,創造出符合當時社會需求的應用,也就是在 2008亞洲金融風暴以後,世界對華爾街的信任度降低, Open Banking開始醞釀,加上資訊使用隱私議題及安全性的重視,讓個人資訊使用安全訴求提升, 具有去中心化、不可竄改與安全性特徵的區塊鏈技術得以逐漸被重視。

 

元宇宙的技術比區塊鏈技術要來得更廣泛且更複雜,且由於數位商業模式所需要的核心技術越來越多,再加上很多數位商業模式應用情境的需求尚未真實出現,或是說,目前使用者有時候根本不知道未來需要甚麼,特別是針對還沒有出現的應用情境,例如iPhone出現之前,我們不會曉得原來大家都需要iPhone這類的手機。

 

因此,基於需求發展數位技術的難度更高,唯一可以確定的是,根據過去經驗,平台模式在數位經濟模式下,是一種贏者通吃的可靠模式,這也引發科技巨頭對此興趣,我相信科技巨頭們也不知道未來的樣子,元宇宙在目前可以說是屬於百家爭鳴的初期,也因此,這時候所引發的想像空間和資本操作空間就很大了。

 

元宇宙中出現很多想像中的應用但尚未實現的產品,這也是目前數位經濟受到資本操作的影響很大的原因,但是只要清楚這一點,把元宇宙技術中可以做到的和不能做到的區分,以及那些可能涉及未來數位經濟模式下的發展需求應用技術,這樣一來,相信對於所謂的元宇宙,應該會更清楚吧!

 

在軟體技術發展的過程中,常常受到物理硬體設備能力的限制。

 

2014年開始,曾經參與360/3D/VR/AR 相關技術應用的產品開發,就曾經玩過市場面幾個主要的軟硬體,即使到現在,還沒有看到適合的硬體載體,

就目前發展情況來看,元宇宙應用發展的關鍵瓶頸會出現在人機互動操作介面硬體技術整合上。

 

接下來,有人會問,那下一個出現的會是甚麼?

 

在討論這個問題之前,要使用到技術趨勢發展分析及預測的知識角度,畢竟,如果不了解如何分析技術發展趨勢,那麼預測就很容易變成猜測了!

 

從目前實務上已經開發出數百種技術趨勢發展分析模型來看,這些技術趨勢發展分析模型都有共同的一些變化因子,這些變化因子緊密結合市場需求,可以輔助判斷是否能成為應用技術的觀察指標。

 

這些應用技術生存發展的關鍵在於其背後的市場價值,或許你可能知道,Gartner提供了一個很簡單的判斷圖表(Gartner Hypercycle),但其背後有很複雜的技術趨勢分析模型與判斷因子。

 

回到這個問題,下一個是甚麼?

 

這需要從兩個不同層次的觀點逼近方便判斷。

 

一個是先找到人類對技術需求的通泛因子,另一個是技術發展變化的特徵因子,當這兩個因子如果屬於同一個功能集合,技術就容易生存下去,當出現適當的產品載體,就會產生新應用。

 

個人化量子運算是否可能成為下一個新應用技術?

若以這幾年最新的量子運算概念的角度來看,就需要問一個問題,一般人是否需要如此強大的運算技術? 而如果需要,人們願意付出多少錢?

這樣的費用是否足以支撐量子運算個人化的發展?

這問題就會引發量子運算商業模式設計的問題。

 

下一個是甚麼?

其實很難判斷,但我們可以觀察目前一些受到現在資通訊技術發展與技術競爭變化所影響的產品與技術,並從中挖掘符合人們需求的理想因子。

符合理想因子的新技術,根據趨勢模型判斷,幾乎就非常容易生存,成為未來產品技術之一。

 

2022.02.09© 汪周禮@智合創新


參考資料:

元宇宙 

https://en.wikipedia.org/wiki/Metaverse

 

元宇宙本質是甚麼

https://segmentfault.com/a/1190000041239209?sort=newest

 

宏達電打造元宇宙 推NFT藝術品交易平台 

https://www.cna.com.tw/news/ait/202112150036.aspx


「元宇宙」的本質是什麼?未來趨勢如何 

https://inf.news/zh-tw/science/f2d7f1b4b4879fa1b538cfb4c83600e8.html

 

元宇宙的本質 

https://www.gushiciku.cn/dl/06KFQ/zh-tw

AI時代訓練認知肌肉避免思考外包- 新聞隨筆

  #AI時代訓練認知肌肉避免思考外包 今天看到一則新聞,” 研究員警告「思考外包」侵蝕知識工作者”, “薩卡爾在 TED AI 論壇上指出,當代知識工作者正陷入「思考外包」的困境,原本應展現人類智慧的過程,如今被徹底 AI 化。人們不再是思想的創造者,而變成自己思想的「中階管理...