庫存狀況
「香港二樓書店」讓您 愛上二樓●愛上書
我的購物車 加入會員 會員中心 常見問題 首頁
「香港二樓書店」邁向第一華人書店
登入 客戶評價 whatsapp 常見問題 加入會員 會員專區 現貨書籍 現貨書籍 購物流程 運費計算 我的購物車 聯絡我們 返回首頁
香港二樓書店 > 今日好書推介
二樓書籍分類
 
深度學習的商戰必修課:人工智慧實用案例解析,看35家走在時代尖端的日本企業如何翻轉思考活用AI


沒有庫存
訂購需時10-14天
9789862357927
日經xTREND,日本深度學習協會(監修)
葉韋利
臉譜
2020年2月01日
140.00  元
HK$ 119
省下 $21
 
二樓書卷使用細則 二樓書卷使用細則





ISBN:9789862357927
  • 叢書系列:科普漫遊
  • 規格:平裝 / 336頁 / 21 x 14.8 x 1.8 cm / 普通級 / 單色印刷
  • 出版地:台灣
  • 適讀年齡:0歲~99歲
    科普漫遊


  • 電腦資訊 > 電腦硬體 > 其他

















    ────從研究邁向實用,見證35家日本先進企業如何成功應用「深度學習」────

    ?
    日本AI書籍第一人、東京大學松尾豐教授解說深度學習的發展預測

    LINE、可口可樂、本田、樂天、NHK、So-net、佳能醫療系統……

    第一手訪談先驅者的前瞻思考,掌握智慧化新技術的無限商機

    ?

    ★深入導讀深度學習的發展:影像辨識、多模式辨識、機器人學、互動、符號接地、知識擷取!

    ★為運用AI技術的企業經常遇到的疑問提出解答,次世代新興事業、企業創造價值必讀教本!

    ★直擊AI計畫推動者的挑戰與艱辛,收錄大量照片和圖表,身歷其境感受快速擴展的深度學習應用的今日與未來!

    ?

    【各界讚譽推薦】



    何英圻 ∣ 91APP董事長

    呂曜志 ∣ 台北海洋科技大學副校長

    陳良基 ∣ 科技部部長

    郭奕伶 ∣ 商周集團執行長

    張嘉惠 ∣ 中華民國人工智慧學會理事長

    陶韻智 ∣ 德豐管顧公司合夥人、LINE台灣區前總經理

    程世嘉 ∣ iKala共同創辦人暨執行長

    楊立偉 ∣ 國立臺灣大學工商管理學系教授

    盧希鵬 ∣ 國立臺灣科技大學資訊管理系專任特聘教授

    謝宗震 ∣ 智庫驅動公司知識長

    魏澤人 ∣ 國立交通大學AI學院副教授

    蘇書平 ∣ 為你而讀執行長

    ?

    以AI為眼、為腦,實現五感預測,邁向高階思考溝通!

    ?

    扮演第三次人工智慧熱潮領頭羊角色的深度學習,正以銳不可擋之姿進化。做為人工智慧時代的通用技術,「深度學習」蘊藏著能夠改變一切產業中所有業務、創造新事業的潛力。本書不是探討深度學習技術的深奧知識,而是希望藉由多樣化的實際案例,找出靈活運用的「模式」。

    ?

    豬排丼盛裝方式的判定、計算游動中的鮪魚數量、辨別送洗的衣類、文章的校閱、判斷河川護岸的損壞、輸電線的異常檢測、探測路面下的空洞、預測計程車的乘客人數、預估電視廣告的效果、便當的裝飾、黑白影像的上色技術、繪製虛擬偶像的圖像、跟專業人士一樣的主播、模仿卡通人物語音的智慧音箱……分門別類介紹深度學習的驚人運用法。

    ?

    本書由專精市場行銷和創新的日本數位媒體「日經xTREND」編纂,長期關注企業最先進數位策略和新事業規畫的專業記者撰文。此外,人工智慧專家將解答企業在商業應用上經常面臨的問題,包括值得挑戰的領域、需要的人才、費用估算、成功活用的關鍵要素等。

    ?

    或許不是每個人都會開發AI、都需要思考AI運用,但人人都是AI消費者、獲益者、享受者,也是受AI影響者。透過本書,見證人工智慧如何深入我們的生活,改變世界!

    ?

    從大企業到中小企業,從金融保險、零售流通、醫療保健、機械交通到文創媒體

    ??? 系統化歸納深度學習活用案例,找出高效運用的最佳模式!


    ?

    01?? 以影像辨識實現自動結帳的無人櫃臺,與人的合作比辨識準確率更重要

    02?? 用約七百台自行研發的人工智慧攝影機「實際A/B測試」

    03?? 日版「Amazon Go」的實驗,以人工智慧實現預防竊盜技術

    04?? 分析社群網站的圖像貼文,掌握消費情境

    05?? 大幅縮短製作估價單的時間,增加保險提案的「打數」

    06?? 以人工智慧將租賃物件照片自動分類,每個月減少三千小時的作業

    07?? 翻譯手語的小型機器人,設置於銀行櫃臺等窗口協助對話

    08?? 藉由智慧型手機圖像分析,計算食物熱量和判定體態

    09?? 使用亞馬遜的影像辨識API,將環境改善人工智慧服務事業化

    10?? 運用人工智慧掌握鮪魚養殖數量,每年減少超過兩百五十小時的作業

    11?? 福岡的乾洗店以五十萬日圓打造「人工智慧無人櫃臺」的原因

    12?? 校對人工智慧效果驚人,檢測率超過人類,只需幾秒即完成

    13?? 以人工智慧檢測河川護岸受損狀況,驗證公共基礎工程更有效的檢驗法

    14 ? 運用於檢測輸電線異常,希望提升五倍生產力

    15?? 本田旗下汽車零件製造商,試作不良品自動偵測系統

    16?? 藉由一般人工智慧與優秀人工智慧結合,實現自動化檢查半導體晶圓外觀

    17? ?追蹤路面下空洞的變化,偵測塌陷危險性高的地點

    18? ?使用滿載保全警備專業技能的人工智慧來防止竊盜

    19?? 研發車用保護駕駛感測器,判定認知、判斷和操作狀況

    20?? 使用智慧型手機拍照,就能自動輸入上架商品類別和名稱

    21 ? 菜鳥駕駛勝過經驗豐富的中堅員工!人工智慧計程車的威力

    22?? 以人工智慧預測人的移動並加以視覺化,布局近未來的交通系統

    23?? 學習約一萬支電視廣告影片,在播放前精準預測效果

    24?? 橫幅廣告點擊率高低的預測準確率,專家百分之五十三對人工智慧百分之七十

    25?? 日本國內醫療第一線首次實際使用運用深度學習的儀器

    26? ?以深度學習來讓機器人取出散裝零件

    27?? 老字號企業與新創公司合作,挑戰解開「夾取義大利麵」的難題

    28?? 實現油壓挖土機自動挖掘作業,輸入資料和人員作業一樣只靠影像

    29?? 從屬性識別到軌道生成的六項功能都適用人工智慧,朝自動駕駛邁進

    30?? 以人工智慧提升黑白影像彩色化的效率,五天的作業一日完成

    31? ?實現自動生成「偶像臉」,目標是創意人工智慧實用化

    32?? 超越亞馬遜Alexa的「人工智慧播報員」能流暢說話的原因

    33?? Clova的「個性化」策略,以約四小時的語音資料來模擬說話方式

    34?? 實現電視劇字幕自動翻譯作業超越專業人員的品質

    35 ? 讓機器人能理解情感,實現高階溝通

    ?

    對本書的讚譽

    ?

    何英圻 ∣ 91APP董事長

    對零售對品牌來說,沒有「對的資料」,就沒有AI。唯有正確的資料,機器才能理解、學習。但是零售數據龐雜,線上線下數據異質性高,我看到許多品牌,光要打通線上線下資料,再進而資料可以正確一致,就面臨非常巨大挑戰。縱使有再強的AI算力、演算法,沒有對的資料,是做不到虛實融合(OMO),遑論AI帶來的龐大效益。如本書所提,AI並非萬能,要站在實際應用場景來設計,才會做出讓企業致勝的武器。現在距離不需要人的時代還很遙遠,要使用AI驅動企業競爭力,就要回到如何理解AI善用AI,這才是未來十年的重點,也是本書精髓。

    ?

    呂曜志 ∣ 台北海洋科技大學副校長

    人工智慧應用科技的目的,事實上不是要取代人,而是要取代人的某些耗費心力的勞動與時間投入,使得人類從繁雜的勞動中被解放出來,從而投入更有創造性與決策性的心智活動。因此人工智慧在企業上的應用,其實是一種分層負責與決行的概念,讓所有能夠被清楚定義(Well Defined)與數量化,且不牽涉到動態競爭賽局的決策,賦權給人工智慧來處理過程中的決策資訊,而最後由人類來審核與拍板。

    除了解釋決策者給予的問題之外,人工智慧的下一步,將是從大量結構性與非結構性的資料當中,看到決策者所看不到的問題。因此人工智慧對企業管理的未來,有如數位的斷層掃描儀,一層一層診斷與凸顯企業的問題。既然是診斷企業,就要有大量的臨床成功病例,這本書提供了三十五家日本各領域先進企業應用人工智慧、精進企業經營的實際案例,值得任何有志於探討企業管理議題的讀者參考。

    ?

    程世嘉 ∣ iKala共同創辦人暨執行長

    數位轉型從以往的數位化、IT升級階段,正式進入以AI為核心驅動的商業轉型階段。AI技術經過多年發展,已經快速商品化,變成人人可用。現在,一位不會寫程式的行銷人員,都能輕易上手AI工具,來改善工作流程和成效。iKala 提供以AI為核心的商業轉型解決方案,在六個國家,服務超過三百五十間、橫跨超過十二種產業的企業客戶,親身參與AI在不同商業場景的落地和實踐。本書以場景分類出發,有條有理歸類不同企業使用深度學習技術改善商業流程的方式,諸多案例令人大開眼界,值得一讀。

    ?

    謝宗震 ∣ 智庫驅動公司知識長

    本書彙整了大量人工智慧應用案例,透過訪談先驅者的第一手材料,理解人工智慧應用是如何在既有工作流程中進行顛覆式創新。譬如怎麼樣讓豬排丼看起來更美味、如何系統性偵測路面坑洞、如何實現挖土機自動挖掘作業。

    在終章更整理了實務專家在商務運用的關鍵議題,包含場景、資料、人才、外援、預算。精讀本書有助於讀者建立有效的決策,創造有價值的應用,本人誠摯推薦。

    ?

    魏澤人 ∣ 國立交通大學AI學院副教授

    在產業中應用深度學習技術,需要資料科學家、資料工程師、軟體工程師、使用者經驗、行銷等等不同領域的人才。要讓這麼多不同領域的專家合作和溝通,相當有挑戰。也許需要更多像書中所提的「左右開弓型」人才。本書中舉出許多AI在日本產業上的案例,很值得參考。


     





    前言

    ?

    【第一章 ?深度學習的發展預測】



    深度學習現況╱深度學習的發展路線圖╱(1)影像辨識╱(2)多模式辨識╱(3)機器人學╱深度學習是通用技術╱提供國王般的服務╱課題是人才不足,業界不約而同開始培養人才

    ?

    【第二章 [Step 1]成為人類的「眼睛」擺脫單純的作業】

    ?

    case01 ?Signpost

    將排隊結帳當作社會課題來面對╱不知道的東西就會判斷「不知道」╱未來也會成為收集商品圖像資料的事業體╱將購買日用品變成「愉快」的場所

    ?

    case02 ?Trial Holdings

    連人工智慧攝影機也貫徹自行研發精神╱掌握貨架陳列狀況和顧客對商品的接觸度╱也測試了Panasonic的人工智慧攝影機╱讓任何人都能做到資深人員的裝盤方式╱區別「香菇山」與「竹筍村」

    ?

    case03? VAAK

    實現不需要感測器的無人商店

    ?

    case04 ?日本可口可樂? Coca-Cola Japan

    從十萬張圖像來分析飲用情境

    ?

    case05? 損害保險日本興亞? Sompo Japan Nipponkoa Insurance Inc.

    購車後保險提案困難的原因╱增加保險提案的「打數」

    ?

    case06 ?大東建託? Daito Trust Construction

    一個半月達到模型化╱追求業務上「容易操作」的系統

    ?

    case07 ?NTT DATA

    對RoBoHoN用手語交談,機器人就會發出日語╱可判讀五百個手語字彙╱運用姿態估測模型

    ?

    case08 ?FiNC Technologies

    可辨識一百三十五種料理╱運用龐大的資料量作為強項╱以一百個等級來評估體態的人工智慧╱服務研發與人工智慧研發的「雙刀派」

    ?

    case09 ?AUCNET IBS

    用深度學習來辨識照明設備的「安定器」型號╱制定實務上的最終目標,運用深度學習

    ?

    case10 ??日鮪魚養殖場鷹島? Sojitz Tuna Farm Takashima

    掌握鮪魚數量至關重要╱逐格播放影片來計算鮪魚數量╱「直覺認為那是不可能辦到的」╱研發鮪魚專用計數應用程式╱如何在網路環境不佳的鷹島實施?

    ?

    case11 ?LANDA

    只要把衣物放在桌上就能自動判別╱如果可以分辨狗跟貓,應該也分得出西裝與長褲╱相較於人工智慧完成度,更重視無人櫃臺的落實程度╱努力吸收知識,盡量控制投資

    ?

    【第三章? [Stpe 2]扮演「五官」角色,預測行動、偵測異常】

    ?

    case12? 瑞可利? Recruit Holdings

    校對員工人數大幅減少╱檢測率達百分之八十二至百分之八十三

    ?

    case13 ?八千代機械 ?Yachiyo Engineering

    將一百五十張照片加工成一萬多筆資料╱如果進一步制訂出規則等使用環境,就會儘快普及

    ?

    case14 ?東京電力電網公司? 東京電力Power Grid

    一年多達約一千四百小時監控作業╱架空輸電線診斷系統由四項功能組成╱挖掘各個事務所保存的資料來提高準確率╱應用於檢驗電塔或結構物生鏽的可能性

    ?

    case15 ?武藏精密工業? Musashi Seimitsu Industry

    幾乎能實現與人工目視檢查相近的準確率

    ?

    case16 ?藤倉? Fujikura

    正確率超過百分之九十九

    ?

    case17 ?川崎地質? Kawasaki Geological

    用過去的調查結果作為訓練資料學習╱用新的探測設備收集超過百倍資料

    ?

    case18 ?綜合警備保障 ?ALSOK

    藉由深度學習實現新型態的待客之道

    ?

    case19 ?歐姆龍 ?OMRON

    適用第二級自動駕駛的駕駛專注度感測╱以時間序列的深度學習來辨識駕駛人舉動

    ?

    case20 ?Mercari

    藉由影像辨識自動登錄分類╱準確率低仍能實現「感動上架」╱利用多模式辨識偵測違規上架╱更新模型並建立公開機制不可或缺

    ?

    case21? 東京無線協同組合? Tokyo Musen

    人口統計×行駛狀況×氣象×設施資料╱為了提升準確率而擴充資料量╱以混合方式預測,採用接近實測值的模型

    ?

    case22? 順風路? JUNPUZI

    運用從全國超過四十個地方政府收集到的資料╱計畫運用針對交通行動服務(MaaS)領域的資料╱以移動和氣象資訊等資料來預測需求

    ?

    case23 ?Video Research

    將十年分的一萬支廣告以每支十五張圖像來分析

    ?

    case24 ?So-net媒體網路公司? So-net Media Networks

    用三萬五千則橫幅廣告來學習

    ?

    case25 ?佳能醫療系統? Canon Medical System

    可以重建在低輻射量下同等解析度的電腦斷層攝影影像╱磁振造影影像也用深度學習來去除雜訊

    ?

    國外案例

    Viz.ai、IDx、Imagen Technologies?、Arterys等深度學習在美國醫療第一線陸續商品化

    ?

    【第四章 [Stpe 3]彈性因應現實社會的「機器人」、「自動駕駛」時代】

    ?

    case26 ?發那科 ?FANUC

    通知零件更換時期,減少不必要的作業╱收集大量理想的訓練資料╱實現高準確率拾取散裝的零件╱即使無法百分之百保證也能產生價值嗎?

    ?

    case27 ?石田 ?ISHIDA

    仰賴人海戰術的工廠所面臨的現實╱藉由深度學習讓盛裝作業自動化╱獲選為優良人工智慧新創研究專案

    ?

    case28 ?藤田 ?FUJITA

    日本能以人工智慧致勝的是營建領域╱將熟練操作人員的動作數據化╱準備資料和建置系統耗時一年

    ?

    case29 ?本田技研工業 ?HONDA

    只靠三架攝影機的資訊來實現自動駕駛╱認知功能與行動計畫功能大幅進化╱將自動駕駛要求的功能由上到下縱向分割

    ?

    國外案例

    Robby Technologies、BoxBot、Nuro、Robomart等威脅機器人大國日本的矽谷環保系統

    ?

    【第五章 拓展至「創作」業務的運用範圍】

    ?

    case30 ?NHK ART

    四十分鐘的彩色化費時約三個月,希望提高效率╱整體而言呈泛黃褐色,是個大問題╱從人工作業的五天到用人工智慧一天完成╱動態多的場景也能順利上色

    ?

    case31 ?DataGrid

    以深度學習來辨識偶像的特徵╱生成「擬真影像」的技術有什麼用處?

    ?

    case32 ?Spectee

    「荒木結衣」是何方神聖?╱在機器學習上加入微調讓發音更流利╱提供適用Alexa的模組拓廣運用

    ?

    case33 ?LINE

    將出現以孫子聲音發聲的智慧音箱?

    ?

    case34 ?樂天? 美國Rakuten VIKI

    卓越的自動翻譯背後有高品質的訓練資料

    ?

    case35 ?Unirobot

    適才適所運用深度學習等人工智慧技術╱也分析和運用個性等性格

    ?

    【第六章 理解商業運用關鍵的六大疑問】

    ?

    Q1? 應該積極評估運用人工智慧的商務課題是哪些?另外還有哪些具挑戰性的領域?

    從業務效率化推動使用╱不以人工智慧為前提╱參考先行案例是否恰當?╱其他公司的成功不保證自家公司也會成功╱人工智慧擅長找出規則性和順序╱看來費工耗時的作業就靠人工智慧╱人工智慧能做的是自動化和模式化

    ?

    Q2? 應該運用雲端應用程式介面提供的人工智慧是哪些情況?什麼情況又該研發自有模型?

    先在雲端上評估╱盡量輕鬆作業╱使用應用程式介面有哪些課題?╱面對的問題能否靠應用程式介面解決?╱研發適用於商業課題的人工智慧

    ?

    Q3? 人工智慧運用在哪類資料比較容易?哪類資料比較困難?

    有無後設資料將影響作業工程╱適合運用的資料的六項條件╱思考收集所需資料的機制

    ?

    Q4? 在推動人工智慧運用上,公司裡需要有哪些人才?哪些人才應靠外部支援?

    需要的人才有四種╱思考從準確率到商業上的意義╱可以運用人工智慧的人才應該了解的技術╱有完整人工智慧教育計畫的Future

    ?

    Q5? 運用人工智慧的費用應該如何估算?

    首先判斷是否該在前期概念驗證下開發╱以機器學習應用系統的每個生命週期來付費╱分割任務依序判斷是否能實現╱以導入的四個項目和運用的兩個項目來彙整費用╱別吝於在標註上投資╱同樣的專案也會有超過十倍的價差

    ?

    Q6? 成功運用人工智慧的關鍵是什麼?

    經營的想像力╱業務影響和費用估算╱以多產多死為前提,持續挑戰

    ?

    結語




    其 他 著 作