物聯網與人工智慧於建築照明之應用調查研究

(1)

108 年度「智慧化居住空間整合應用人工智慧科技

發展推廣計畫協同研究計畫」

第 1 案「物聯網與人工智慧於建築照明之應用調查研究」

資料蒐集分析報告

內政部建築研究所協同研究報告

中華民國 108 年 12 月

(本報告內容及建議，純屬研究小組意見，不代表本機關意見)

(2)

計畫編號:10815B0008

108 年度「智慧化居住空間整合應用人工智慧科技

發展推廣計畫協同研究計畫」

第 1 案「物聯網與人工智慧於建築照明之應用調查研究」

資料蒐集分析報告

研究主持人：羅時麒

協究主持人：周鼎金

研

究

員：游璧菁、林霧霆、徐虎嘯、蔡介峰

研究助理：黃筱丹、林鈺琪

研究期程：中華民國 108 年 3 月至 108 年 12 月

內政部建築研究所協同研究報告

中華民國 108 年 12 月

（本報告內容及建議，純屬研究小組意見，不代表本機關意見）

(3)

目次 ... I 表次 ... III 圖次 ... V 摘要 ... VII ABSTRACT ... IX 第一章緒論 ... 1 第一節研究緣起與背景 ... 1 第二節研究目的 ... 1 第三節研究範圍 ... 1 第四節研究方法與流程 ... 2 第二章物聯網與人工智慧於建築照明應用文獻蒐集與整理 ... 5 第一節物聯網與人工智慧於建築照明研究發展現況 ... 5 第二節物聯網與人工智慧於建築照明產業發展現況 ... 26 第三節智慧照明相關國家標準及產業標準 ... 35 第三章建築智慧照明之應用技術及參考案例彙編說明 ... 53 第一節建築智慧照明之應用技術及參考案例彙編制定說明 ... 53 一、彙編目的... 53 二、智慧照明相關名詞解釋... 53 第二節智慧照明之定義與構成 ... 56 一、智慧照明之定義... 60 二、智慧照明之構成... 60 第三節智慧照明在建築設計及室內裝修等注意事項 ... 63 第四節智慧照明之技術與應用 ... 68 一、智慧照明之技術... 68

(4)

二、智慧照明之應用... 68 第五節智慧照明案例 ... 72 一、國外案例... 72 二、國內案例... 73 第四章智慧建築照明量化效益之評估基準訂定說明 ... 75 第一節智慧照明之效益評估 ... 75 第二節建築智慧照明之量化效益評估基準研擬 ... 77 第五章結論與建議 ... 79 第一節 結論…. ... 79 第二節建議 ………...80 附錄一、建築智慧照明之應用技術及參考案例彙編(草案) ... 81 一、前言... 82 二、智慧照明應用技術... 86 三、智慧照明案例... 104 附錄二、智慧建築照明量化效益之評估基準(草案) ... 145 一、前言... 146 二、智慧照明之量化效益評估... 146 三、智慧建築照明量化效益之評估範例... 149 附錄三、專家座談會紀錄 ... 155 附錄四、工作會議紀錄 ... 169 附錄五、期中報告審查意見回應 ... 175 附錄六、期末報告審查意見回應 ... 179 參考書目 ... 183

(5)

表次

表 1.1 研究進度及工作項目說明表... 4 表 2.1 韓國人工智慧創新成長引擎內容... 16 表 2.2 智慧照明發展... 27 表 3.1 智慧照明調光技術比較... 56 表 3.2 智慧照明連網技術比較... 57 表 3.3 智慧照明 Bluetooth 連網技術比較 ... 58 表 3.4 智慧照明規劃層級說明... 61 表 3.5 感測器佈建考量因子與感測器特性彙整表... 64 表 3.6 各空間類型可採用照明節能控制手法建議... 67 附表 1.1 智慧照明規劃層級說明... 85 附表 1.2 智慧照明系統節能控制方式與平均節能效率... 87 附表 1.3 智慧照明系統控制方式比較... 89 附表 1.4 智慧照明系統無線訊號傳送方式比較... 90 附表 1.5 降低照明耗能策略說明... 90 附表 1.6 照明物聯網應用於商業零售應用案例... 95 附表 1.7 照明物聯網應用於健康照護應用案例... 96 附表 1.8 照明物聯網應用於辦公空間應用案例... 98 附表 1.9 照明物聯網應用於運輸管理應用案例... 99 附表 1.10 照明物聯網應用於室外環境應用案例... 100 附表 1.11 照明物聯網應用於休閒娛樂應用案例 ... 101 附表 2.1 人員感知控制之效益係數... 147 附表 2.2 照度調光控制之效益係數... 147 附表 2.3 排程設定控制之效益係數... 147 附表 2.4 減少人力效益係數... 148

(6)

附表 2.5 提升利用效率效益係數... 149 附表 2.6 智慧建築照明量化效益之評估範例(一)改善前後說明 ... 150 附表 2.7 智慧建築照明量化效益之評估範例(一)設計示意 ... 150 附表 2.8 智慧建築照明量化效益之評估範例(一)-節能效益評估... 151 附表 2.9 智慧建築照明量化效益之評估範例(一)改善前後說明 ... 152 附表 2.10 智慧建築照明量化效益之評估範例(二)- 降低維運成本效益評估 ... 154

(7)

圖次

圖 1.1 研究流程圖... 3 圖 2.1 近年各國人工智慧策略發展動向... 19 圖 2.2《台灣人工智慧行動計畫》推動架構示意圖... 20 圖 2.3 智慧照明系統架構... 26 圖 2.4 智慧照明控制場域關係... 26 圖 2.5 智慧燈光控制系統架構... 28 圖 2.6 Philips 智慧照明 Dynalite 照明控制系統架構 ... 31 圖 2.7 Philips 智慧道路照明解決方案架構 ... 31 圖 2.8 GE 智慧道路照明解決方案架構 ... 32 圖 2.9 物聯網之四層級說明... 43 圖 2.10 智慧照明物聯網之四層級說明... 44 圖 2.11 物聯網照明標準體系架構 ... 45 圖 2.4 Philips 公司利用 VLC 進行智慧照明連網服務架構 ... 59 圖 3.1 GE 公司利用 VLC 進行智慧照明連網服務架構 ... 60 圖 3.2 數位照明的階段示意圖... 68 附圖 1.1 室內照明控制系統... 104

附圖 1.2 大和 HOUSE 工業將人工智慧喇叭「Google Home」 ... 105

附圖 1.3 Amazon Echo 開放生態系多元服務系統 ... 109

附圖 1.4 Amazon Echo 亞馬遜公司的一款智慧型語音助理 Alexa 的智慧型喇叭 ... 109

附圖 1.5 照明及空調的控制系統「T-Zone Saver」感測控制模組 ... 110

附圖 1.6「T-Zone Saver」人體感測與照明、空調連動關係 ... 111

附圖 1.7 「T-Zone Saver」智慧化空調控制 ... 111

(8)

附圖 1.9 「T-Zone Saver」智慧化照明控制現況 ... 112 附圖 1.10 上海宏匯蓮花路辦公大樓智慧照明系統架構圖... 113 附圖 1.11 鹿島 KI 大樓智慧照明設計平面 ... 123 附圖 1.12 晝光一日當中色溫度變化... 124 附圖 1.13 一日當中照明色溫度變化... 124 附圖 1.14 鹿島 KI 大樓智慧照明色溫度變化 ... 125 附圖 1.17 鹿島建設『醫院 NEM-愛茉莉(Nemamore)』技術，收集醫院中感測器的訊息連動空調、照明等設備 ... 125 附圖 1.15 鹿島建設『醫院 NEM-愛茉莉(Nemamore)』技術，利用 IoT 技術對空調、照明等設備 ... 126 附圖 1.16 鹿島建設『醫院 NEM-愛茉莉(Nemamore)』技術，利用 IoT 技術進行設備模式控制 ... 126 附圖 1.11 群光電子總部大樓智慧照明系統架構 ... 127 附圖 1.17 群光電子總部大樓 IWA 智慧照明系統功能說明 ... 128 附圖 1.18 群光電子總部大樓照明晝光調節系統... 128 附圖 1.19 群光電子總部大樓現場照明控制介面... 130 附圖 1.20 工研院 In-Light 智慧照明管理系統架構 ... 132 附圖 1.21 工研院 In-Light 智慧照明管理系統管理報表 ... 132 附圖 1.22 全漢電源 FSP GROUP-智慧照明系統自動學習控制功能 ... 136

(9)

摘要

關鍵詞：物聯網與人工智慧、建築智慧照明、效益評估 一、研究緣起 基於建築智慧照明技術有別於傳統之建築照明，了解物聯網與人工智慧於建築照明上之應用，本計畫期能提出智慧照明於建築應用之技術與案例彙編草案，俾供建築師及室內裝修從業人員等實務界參考。同時，彙整相關文獻、案例完成建築智慧照明量化效益之評估基準草案，俾利於規劃設計階段，可依具空間使用、環境特性，選擇最適之建築智慧照明設計手法。 二、研究方法與過程 本研究之研究方法說明如下： 1. 文獻調查分析法：本計畫將依研究議題，蒐集國內、外建築智慧照明文獻及案例，歸納彙整智慧照明在建築節能、舒適、便利等面向之效益及照明配線、設備選用、設備維護更新、建築設計及室內裝修等注意事項。 2. 比較分析法：針對文獻探討與蒐集國內、外建築智慧照明相關國家標準、產業標準、文獻及案例進行比較分析，充分掌握建築智慧照明之適用性。 3. 專家諮詢法：研究結果經過初步整理後，邀請相關專家學者，進行意見之交流溝通，並針對本研究內容進行審議，提出應修正及增刪之意見。 三、重要發現 智慧照明的發展趨勢，使照明不再僅是工作、氣氛所需要的燈光照明，不僅是滿足空間照度、色溫度而已。從本計畫探討可以了解智慧照明隨著物聯網以及人工智慧的技術發展，建築智慧照明在空間應用上，將可以達成更好的效益與服務。從本計畫探討也了解照明已經由單純的照明設備，進展置空間服務的重要載體，因此物聯網以及人工智慧應用於建築照明，將會隨著市場規模之逐年上升以及技術更為成熟，就如同 LED 照明技術與應用的演進過程，未來物聯網以及人工智慧應用於於商業與政府、公共建築物、住宅建築物、路燈及其他戶外建築場所之將會更普及。從量化效益來看，節能效益之投資回收年限短，而降低維運成本效益較長，如前述隨著市場普及價格將會降低，預期未來之投資回收年限將會

(10)

縮短將會有更多應用之機會。 四、主要建議事項 建議一研訂智慧照明於建築空間應用之技術參考手冊:立即可行建議主辦機關: 內政部建築研究所協辦機關: 內政部營建署本計畫主要完成建築智慧照明量化效益評估，但是智慧照明的效益除了、節能、降低維運成本等可以量化之外，如本計畫之探討也有舒適、健康等質性效益，建議後續可以深入探討智慧照明於舒適、健康等質性的效益以及應用面，最後完成智慧照明於建築空間應用之技術參考手冊，供建築師於規劃設計參考。建議二建立物聯網以及人工智慧應用於建築照明之實證場域:中長期建議主辦機關: 內政部建築研究所協辦機關: 經濟部技術處建議相關計畫能建立物聯網以及人工智慧應用於建築照明之示範、實證場域，引進物聯網以及人工智慧相關技術，除了可以實證智慧照明效益的因子之外，藉此推廣與帶動相關設計概念、技術，並提升產業技術以及相關產品之驗證。

(11)

ABSTRACT

Keywords: Internet of Things and artificial intelligence , Architectural intelligent lighting, Benefit evaluation

Origin of Research

Building intelligent lighting technology is different from traditional building lighting. Understand the application of the Internet of Things and artificial intelligence to architectural lighting. During the planning period, we can propose a compilation of technologies and cases of intelligent lighting in architectural applications for architects and interior designers. Decoration practitioners and other practical reference. At the same time, the relevant documents and cases are compiled to complete the draft assessment benchmarks for the quantitative benefits of building intelligent lighting, which is conducive to the planning and design stage. According to the space use and environmental characteristics, the most suitable building intelligent lighting design method can be selected.

Research methods and processes

The research methods of this study are described as follows:

1. Literature survey and analysis method: According to the research topics, this project will collect domestic and foreign architectural smart lighting literature and cases, and summarize the benefits of smart lighting in building energy saving, comfort and convenience, as well as lighting wiring, equipment selection, and equipment maintenance. Renewal, architectural design and interior decoration.

2. Comparative analysis method: Compare and analyze the relevant national standards, industrial standards, literatures, and cases of domestic and foreign architectural intelligent lighting based on literature research and collection, and fully grasp the applicability of architectural intelligent lighting.

3. Expert consultation method: After the preliminary collation of the research results, relevant experts and scholars are invited to exchange opinions and opinions, and to review the content of this research and put forward suggestions for amendments, additions and deletions.

(12)

The development trend of smart lighting makes lighting not only the lighting required for work and atmosphere, but not only for space illumination and color temperature. From this plan, we can understand that with the development of the Internet of Things and artificial intelligence technology, intelligent lighting in buildings will achieve better benefits and services in space applications.

From the discussion of this plan, it is also understood that lighting has become an important carrier for space services through simple lighting equipment. Therefore, the application of the Internet of Things and artificial intelligence to architectural lighting will increase year by year and the technology is more mature. Like the evolution of LED lighting technology and applications, in the future, the Internet of Things and artificial intelligence will be more widely used in commercial and government, public buildings, residential buildings, street lights and other outdoor building places. From the perspective of quantitative benefits, the investment recovery period of energy-saving benefits is short, and the cost-effectiveness of reducing maintenance costs is longer. As mentioned above, with the popularization of the market, the price will be reduced. It is expected that the future investment recovery period will be shortened and there will be more applications. Opportunity.

Major recommendations

Suggestion one

Developed a technical reference manual for smart lighting applications in building space

Host: Institute of Architecture, Ministry of the Interior

Co-organizer: Construction Department, Ministry of the Interior

The plan mainly completes the quantitative benefit evaluation of smart lighting in buildings. However, in addition to the quantifiable benefits of smart lighting, energy saving, and maintenance costs reduction, as discussed in this plan, there are qualitative benefits such as comfort and health. Explore the qualitative benefits and applications of smart lighting in comfort and health, and finally complete the technical reference manual of smart lighting in architectural space for architects' reference in planning and design.

(13)

Empirical field of building the Internet of Things and artificial intelligence applied to architectural lighting

Organizer: Institute of Architecture, Ministry of the Interior

Co-organizer: Technology Division, Ministry of Economic Affairs

It is suggested that related plans can establish demonstration and empirical fields for the application of the Internet of Things and artificial intelligence in architectural lighting, and introduce related technologies of the Internet of Things and artificial intelligence. In addition to the factors that can demonstrate the benefits of intelligent lighting, they can promote and drive related design concepts , Technology, and upgrade the verification of industrial technology and related products.

(14)

(15)

第一章緒論

第一節研究緣起與背景 照明用電占建築物整體耗能約 20～25%，如何在符合室內光環境基準的前提下，應用資通訊科技建立節能之建築照明環境，是智慧照明最重要之課題。照明除質、量的需求設計外，建築智慧照明控制系統亦是落實建築智慧照明之重心。智慧照明控制由過去依需求啟閉、調控外，透過資通訊系統於使用區域內進行佈線，運用設備之感知判斷並依據使用者身心理要求，進而整合並調整空間中之情境使照明設備應用。在滿足量化指標外，可因應使用者需求進行遠端監控，達到安全、健康、貼心、節能與方便維護之需求。因此，結合智慧化科技，系統藉由電腦、伺服器及控制主機等構成管理平台，分析使用、環境條件等因素，透過內部程式運算，處理所接收到的光環境感測資料後，下達指令回饋於照明設備之開關運轉。除了滿足健康舒適條件外，並可達成智慧照明設計的目的、依據使用需求進行管理與調整、營造適當的光環境、確保節能、優化光環境等目標。基於建築智慧照明技術有別於傳統之建築照明，本計畫期能提出智慧照明於建築應用之技術與案例彙編草案，俾供建築師及室內裝修從業人員等實務界參考。同時，彙整相關文獻、案例完成建築智慧照明量化效益之評估基準草案，俾利於規劃設計階段，可依具空間使用、環境特性，選擇最適之建築智慧照明設計手法。 第二節研究目的 本計畫目的說明如下： 1. 蒐集分析國內、外建築智慧照明相關國家標準、產業標準、文獻及案例，提出智慧科技於室內停車系統、窗邊照明、遠端控制等建築照明之應用技術及案例彙編。 2. 透過文獻及案例等資料分析、專家座談會等方法，歸納彙整智慧照明在建築節能、舒適、便利等面向之效益及照明配線、設備選用、設備維護更新、建築設計及室內裝修等注意事項。 3. 透過資料分析，歸納提出量化效益評估方法與評估基準，使不同之評估者對於智慧照明的效益能有一致性的評估結果。 第三節研究範圍 本研究主要係探討建築室內空間之智慧照明設備、系統，不探討戶外照明。比較分析智慧照明設備、系統之應用，不涉及設備、系統之技術研發。

(16)

第四節研究方法與流程 一、研究方法 1. 文獻調查分析法本計畫將依研究議題，蒐集國內、外建築智慧照明相關國家標準、產業標準、文獻及案例，歸納彙整智慧照明在建築節能、舒適、便利等面向之效益及照明配線、設備選用、設備維護更新、建築設計及室內裝修等注意事項，作為提出智慧照明量化效益之評估方法參考。 2. 比較分析法針對文獻探討與蒐集國內、外建築智慧照明相關國家標準、產業標準、文獻及案例、智慧照明量化效益之評估方法進行比較分析，以充分掌握建築智慧照明評估方式之差異與適用性。並做為建立智慧照明量化效益之評估方法之參考。 3. 專家諮詢法研究結果經過初步整理後，邀請相關專家學者，進行意見之交流溝通，並針對本研究內容進行審議，提出應修正及增刪之意見，作為本研究研擬智慧照明量化評估方法之參考依據。二、研究流程研究流程說明如下：

(17)

圖 1.1 研究流程圖 (資料來源:本研究彙整) 研究動機、目的相關文獻蒐集與整理蒐集國內、外建築智慧照明國家標準、產業標準、案例彙整建築智慧照明應用技術、參考案例彙整建築智慧照明效益與評估之技術資料研究範圍、方法確立研究過程研究初步成果研究結論建議專家諮詢座談會研訂建築智慧照明之應用技術及參考案例期中報告、審查研訂建築智慧照明量化效益評估方法期末報告、審查結案報告  完成蒐集國內、外建築智慧照明相關國家標準及產業標準  完成建築智慧照明之應用技術及參考案例彙編草案  完成建築智慧照明量化效益之評估基準草案

(18)

三、研究進度及完成之工作項目研究進度及工作項目說明，如下表： 表 1.1 研究進度及工作項目說明表 月工作項目第 1 個月第 2 個月第 3 個月第 4 個月第 5 個月第 6 個月第 7 個月第 8 個月第 9 個月第 10 個月第 11 個月備註蒐集相關文獻建築智慧照明國家標準、產業標準之彙整建築智慧照明效益、配線選用、設備維護更新、設計注意事項彙整建築智慧照明應用技術、參考案例收集、彙編專家諮詢座談會 ☆期中報告(06.28)、審查會議 ☆ 研訂建築智慧照明量化效益評估方法專家諮詢座談會建築智慧照明效益之評估基準草案 ★期末報告(10.15)、審查會議 ★ 結案報告(12.10) ★ 預定進度 (累積數) 10﹪ 20﹪ 25﹪ 35﹪ 45﹪ 55﹪ 65﹪ 80﹪ 90﹪ 95﹪ 00﹪ (資料來源:本研究彙整)

(19)

第二章物聯網與人工智慧於建築照明應用文獻蒐集與整理

根據 CNS 智慧照明(Intelligent Lighting)系統標準中定義，智慧照明系統為可依據人類心理/生理需求或被照物，自動調制出最舒適的色溫及亮度之照明。簡而言之，智慧照明由照明產品(以固態照明為主)、感測器(Sensor)、通訊技術以及軟體(控制系統)等技術整合實現。藉由感測器收集資料、共享大數據分析，能夠持續提供高效率的照明解決方案。智慧照明被視為智慧城市的第一步，因此為照明產業帶來新契機，也促使相關廠商積極布局智慧照明。目前智慧照明廠商相當多元，包括既有照明廠商、 BEMS/HEMS 廠商、既有專攻照明控制廠商、相關零組件廠商以及其他等。既有照明廠商布局偏向於垂直整合發展，藉由本身燈具以及掌握照明通路客戶優勢，逐步跨足控制元件，甚至發展到平台/系統，代表廠商包括 Signify、Panasonic、 Acuity Brands、Toshiba 等。 BEMS 廠商則藉由其原本的自動控制技術以及掌握建築業者優勢，將智慧照明納入產品項的一環，藉此提供客戶更多建築能源管理解決方案。代表廠商包括 Schneider Electric、Leviton、Honeywell 等。亦有原本就專攻照明控制的廠商如 Lutron，透過併購持續強化在照明控制的優勢，逐步跨足至建築能源管理系統 (BEMS)。本計畫收集物聯網與人工智慧於建築照明應用相關文獻，了解國內外發展之趨勢，作為制定智慧照明效益評估草案之參考，相關文獻彙整如下： 第一節物聯網與人工智慧於建築照明研究發展現況

物聯網概念最早出現於 1999 年，由美國 MIT Auto-ID Center 的 Ashton 教授在研究無線射頻識別技術(RFID)時所提出的概念，乃運用 RFID 結合 Internet 網路架構，讓 PC to PC(P2P)架構擴展到 Machine to Machine(M2M)架構。它的定義是：把所有物品通過無線射頻識別等訊息，將感測設備與網際網路連接起來，實現智慧化的識別和管理。而後，國際電信聯盟(ITU)在 2005 年發佈的《ITU 網際網路報告 2005：物聯網》中指出，無所不在 (ubiquitous) 的物聯網時代即將來臨，在網際網路的基礎上，利用 RFID、無線數據通信等技術，將可建構一個覆蓋世界上所有事物的物聯網。在這個網路中，物品能夠自動識別，彼此進行資訊交流，而無需人為的干預。並以 Internet Of Things 為名，正式提出「物聯網」架構，強調未來數位生活中網際網路將無所不在的發展趨勢。IBM 前執行長 Louis V. Gerstner 認為科技發展每隔 15 年就會發生一次大的變革，1965 年前後以大型

(20)

主機為代表，1980 年前後個人電腦普及帶動一波風潮，1995 年前後進入網際網路的年代。過去的資訊處理模式，往往是將物品設施、空間和資訊設備分開：一方面是機場、公路、建築物、家電用品，而另一方面是電腦與寬頻網路等，透過將物品設施抽象化的方式建置於資訊系統之中，兩者並不能互相直接溝通。物聯網是透過在物品上嵌入無線電子標籤與感應器，通過網路的方式將其發送到訊息處理的平台，而各訊息處理平台可互相連結形成一個龐大的網路，從而對物品進行跟蹤、監控等智慧化管理與分析的目的，實現人與物之間的訊息溝通。在物聯網的整體架構下，電冰箱、冷氣機、燈具等家電設備都可透過有線網路聯網或無線射頻技術、感測設備與網路整合為統一的基礎設施，所有的人與機器以及機器之間的互動都會在上面進行，然後將物聯網與現有的網際網路整合起來，實現人類社會與實物系統的整合。相較於早期只是單純運用各種感測裝置記錄資訊，目前，物聯網發展最大的進步，乃是運用 IT 系統將收集的資訊串接，進一步分析出更有價值的資訊。因此，物聯網技術不只是 RFID、ZigBee、電力監控機制、溫度感測器等感測或識別機制而已，而是後端 IT 系統的串連，將感測器、設備提供的資訊彙總，分析營運決策資訊，甚至預測未來態勢以提高營運調度的效率。這些技術的總和就是現在的物聯網(Internet of Things)。而過去如此龐大的感測和 IT 系統，只有像 Wal-Mart、Tesco 等超大規模的企業才有能力建置。隨著感測技術和網路技術逐漸成熟，相較於 2005 年時 Wal-Mart 採用的技術，感測網路從只能連結同類物體，到現在可同時串連異質性的物體，讓物聯網的運用能夠更具規模，蒐集不同類型的資訊，使資料更有價值。以中國小米物聯網平台服務的 IKEA 智慧照明產品為例，2019 年 12 月推出支援蘋果 HomeKit 與小米物聯網平台串連，可將 IKEA 的智慧燈泡等產品應用在更廣泛的物聯網，透過米家品牌裝置普及應用情況，讓 IKEA 智慧照明裝置可被廣泛使用。目前支援小米物聯網平台的裝置已有近 2000 款品項，總連接數量更超過 1.32 億台，小米旗下數位助理服務小愛同學更已經在超過 1 億台裝置內被啟用，每月活躍用戶人數則超過 3400 萬人。小米未來結合人工智慧的物聯網裝置會是發展重心，同時預期 AIoT 應用設計，將會廣泛地整合在每一項裝置內，未來可看見每一款連網裝置都會有 AIoT 的應用設計。過去資訊化的思考，思考如何來將具體世界抽象化，運用模型呈現問題的解決方案，隨著資通訊技術的推陳出新，物聯網提供了新的維度。除了過去人與人

(21)

之間可以在任何時間、任何地點交換與處理資訊外，現在更加入任何物體的資訊溝通與處理分析的角度。根據 ITU 和歐洲物聯網研究計畫小組等機構針對物聯網的定義與概念，物聯網的架構主要可分為三層： (一) 下層為「感知層」：由各種資訊擷取、識別的感知元件所組成。 (二) 中間為「網路層」：即各類傳輸技術。 (三) 上層為「應用層」：即物聯網的各種應用領域。物聯網是技術依賴於技術創新，無線射頻識別技術、傳感器技術(transducer)、智慧型嵌入技術、雲端運算技術(cloud computing)、奈米等技術，將使物聯網更廣泛的應用。目前，物聯網重要技術的發展方向，可概分為下列各項： (一) 物品識別：利用無線射頻識別技術隨時隨地獲取物體的識別。 (二) 感測傳遞：透過傳感器的感測(sensor)與觸動執行(actuator)，將訊息得以透過與網際網路的結合方式即時準確地傳送與接收。 (三) 運算分析：利用雲端運算對龐大的數據和訊息進行即時的分析和處理。除此之外，在物聯網的發展趨勢下，所有的物件都必須要具備接受、傳遞與處理資訊的能力，因此嵌入式技術的發展更顯相得益彰；奈米材料技術可使得體積越來越小的物體能夠進行交互和連接，也是物聯網發展的技術議題。物聯網的建構將融合上述技術，來提供一個完全可交互溝通、回饋、即時處理分析的服務環境。針對與資通訊相關的技術發展狀況，說明如下：

(一) 無線射頻識別技術 (RFID, Radio Frequency IDentification)：使用無線電波來識別物體的無線射頻識別技術，是物聯網發展的中樞。就物聯網來看，RFID 的應用與技術有：物體本身要與其他物體溝通，本身的識別是最基本的因素，一套簡單易用並有效的物體識別系統是相當重要的。物體本身收到事件經過捕捉與查詢處理，可觸發動作並做本身或相關物體狀態的改變。

EPC global 致力於全球標準的創造與應用，推動 RFID 標準化。產品電子碼 (EPC, Electrical Product Code) 是透過 RFID 標籤，應用在識別實體物件。而標準化的 EPC 標籤編碼資料包括：可獨一無二辨識各別物件的 EPC 號碼，及有效區分品項類別和品項序號的過濾值等，EPCglobal 已公告 1.5 版的標籤資料標準(Tag Data Standard)。

(22)

應用層事件(ALE, Application Level Events)為一 EPC global 軟體標準的名稱，這標準規範客戶端應用程式欲與來自不同源頭、已過濾、篩選過的 EPC 相關資料產生互動所需要的軟體介面。換句話說，ALE 提供了便利的方式供應用程式和 RFID 讀取設備互動，進行 RFID 標籤的讀取或寫入動作。EPCIS 位於 EPCglobal Network 最頂層之位置，位於標籤及讀取器還有中介軟體之上，由於每個企業內部的 IT 環境大不相同，為了達到企業間 EPCIS 資料分享的目的，EPCIS (EPC Information Service) 比起 EPC 網路架構底層的成員更為複雜及多樣化，抽象資料模型定義所有 EPCIS 型式的資料結構與特性、相關性，以及使用規則；資料定義層定義了 EPCIS 核心事件資料型態，目前已有 Object Event、Aggregation Event、 Quantity Event、和 Transaction Event 共四種型態; EPCIS 服務層提供兩項核心服務，藉由 Capture Interface 捕捉在真實世界發生的 EPC Event，由 Query Interface 負責處理 EPCIS 的查詢請求並回傳相關資料； Bindings 的目的在於連結資料定義層與服務層的元件好讓 EPCIS 具有資料分享的能力。 (二) 智慧型傳感技術(Smart Transducer)：傳感器具備探測和記錄物體物理狀態改變的能力，也可觸發周圍環境的變化。一般而言，感測器和執行器是常見到的傳感器。傳感器在連接物理世界和資訊虛擬世界上有界接的作用，感測器從環境中收集資料、生成資訊，並提高對周圍環境的意識；執行器使得物體能夠對周圍物理環境的改變做出反應。傳感器的範圍廣泛，包含溫濕度計等感應裝置、指紋與聲紋生物本身識別特質等位置感測技術等。未來透過奈米技術，甚至如灰塵微粒都能被識別並納入物聯網，在環境中處處嵌入智慧，刺激更多創新產品和服務的誕生。物聯網應用在智慧型傳感技術而言，物品本身與外界溝通，常具有探測物體物理狀態改變與觸發執行的能力。透過 TIM (Transducer Interface Module) 來與外界實際連結，物體中的嵌入式智慧，透過網路邊界轉移資訊處理能力而增強網路的威力，提供更高的資料處理能力和網路彈性，可藉由 NCAP (Network Capable Application Processor)技術達成。

傳感器的應用包含製造業、工業控制、汽車、航太、建築及生物科技等，日益朝低價位、多用途、網路及無線訊號傳輸的方向發展。由於每家傳感器製造商的界面標準不同，傳感器製造商要製造可支援所有的界面標準的元件，相當困難、且耗費時間及增加成本，這是目前智慧型傳感器的開發及重要的課題。

(23)

國際 IEEE 1451 系列標準是很好的依循準則，IEEE1451.1 標準定義了網路獨立的資訊模型，使傳感器透過具備網路能力應用系統處理器 NCAP 連接到控制網路；IEEE1451.2 標準定義了一個智慧傳感器介面模組 STIM (Smart Transducer Interface Module)，主要包括電子資料工作表單 TEDS (Transducer Electronic Data Sheet) 和與傳感器無關的標準介面 TII (Transducer Independent Interface)。IEEE 1451.5 標準則定義無線傳輸的相關規範，包含 Blue Tooth、WiFi、ZigBee 等。

(三) 雲端運算技術(Cloud Computing)：國際主要的資訊服務業者如 Google、 IBM、Microsoft、Amazon 等，大力推動並提供強大雲端運算能力與完善的應用服務環境。雲端運算是 Google 提出的分散式運算技術，讓開發人員很容易開發出全球性的應用服務，雲端運算技術可以提供自動管理大量標準化(非異質性)電腦間溝通、任務分配和分散式儲存等服務。然而以企業考量資安問題，內部資料的安全性與管理權限的掌握是極大的發展議題。物聯網提出千千萬萬的物體做即時溝通與訊息處理，如果接收到的訊息能透過雲端運算，進一步提供資料處理與訊息解析，將會提供更完善、全面、多元的服務。

分析目前市場應用趨勢，ITU(國際電信聯盟 International Telecommunication Union，簡稱 ITU)在 2005 年的報告中描繪「物聯網」年代到來時的場景：當司機出現操作失誤時汽車會「自動報警」；公文包會「提醒」主人忘帶了什麼東西；衣服會「告訴」洗衣機對顏色和水溫的要求等。物聯網可以把新一代資通訊技術充分運用在各行各業之中，近年來 RFID 被認為是影響未來全球產業發展之重要識別技術，目前在商業市場中應用最多的有貨物管理、物流運輸系統、物料控制管理、門禁管制，還有其它的包括運動休閒賽會計時計測、醫療應用、交通運輸、防盜應用等。目前光除了可以照明也可以傳送資料及影像，以工研院開發的「LED 可見光通訊系統」為例，將可見光通訊模組裝置在 LED 燈具上，透過 LED 照明，在傳輸距離約 3 公尺時能達到每秒約 100Mbps 的傳輸容量，讓 LED 燈兼具節能照明與智慧通訊的特性，提供寬頻上網、室內導航、服務人員位置管理。與手機結合後，還能協助賣場進行定位服務等商業應用。目前「可見光通訊系統」主要採用耗電低、壽命長的 LED 燈，並透過所發出的可見光來傳輸資料。因此除了在發射端會將通訊網路與 LED 燈連結，並將資料經轉換後隨可見光傳送出去，同時在接收端還會設置可見光接收器，用以接

(24)

收解讀資料後傳至電腦或手機等資訊設備中。如果有資料上傳的需求時，則可視應用場域狀況，利用紅外線、Wi-Fi 或是增加可見光設備等方式傳輸。該系統整合了通訊與照明，讓資料的通訊傳輸可以有新的頻譜；且異於電磁波的可見光譜，不僅不需要昂貴的頻譜授權(License-Free)，更不用和既有的 Wi-Fi、Zigbee、藍牙等通訊技術使用相同頻段，可避免互相干擾，甚至對人體也無害，更適合用在醫院、飛機等較易受電磁波影響的場域。此外，由於透過可見光傳輸資料，加上 LED 光波具有指向性、有一定發光角度，只要接收端一離開發光範圍，或是 LED 可見光被遮蔽，就會立即斷訊、中止傳輸，不像 Wi-Fi 等通訊技術可以廣域使用。「可見光通訊系統」更具備資料及網路安全的特性，可用於需要保密的會議室通訊系統等。同時也因為 LED 的照明範圍有限，只要經過燈光下就可有效辨識位置，還可當成精準室內定位的工具。這項技術的多種特性，能帶來廣泛應用。例如在餐廳中提高調度人員效率，以便就近服務有需求的客人，或確保大樓保全人員在各重要地點都有巡視等。而在各類商店及賣場中，也可以藉由「可見光通訊系統」傳送商品優惠或促銷資訊，消費者只需透過手機就可接收訊息。其他較特別的應用場域，包含用在水中的訊號傳輸，讓潛水人員之間可以透過光來傳遞聲音等訊息、進行水中導覽，同時也提高安全性。或是對於海域狀況的監控、水中工程的施作等，也能先將影像等資料儲存後，再派水下無人載具將資料收集回來，這時就能透過可見光來傳輸，並減少佈建網路線的成本。照明原本單純的只是人類對抗黑暗的手段之一，由最早的火焰，歷經各種傳統光源，直至發光二極體的問世，當照明控制數位化之後，智慧照明成為智慧生活的重要一環，不僅做為夜間的主照明，更可以配合不同的需求，創造出不同的情境。且控制的方法也不再侷限於傳統的二線式控制，而是進一步的可以透過廣域網路進行遠端控制，或透過場域網路進行近端控制。除了使用實體的網路線材及電力線(PLC)進行控制訊號的傳輸之外，近幾年，智慧照明控制更發展至無線技術，常見的有 Bluetooth、Zigbee 及 Wi-Fi。智慧照明廣泛應用在每個人周遭，而且常常搭配其他終端設備，如下面案例： (一) 室內停車系統：當車輛經過車牌辨識確認身分後，昏暗的室內停車場隨即點亮相對應的指示燈，引導車輛行駛至正確的停車位。 (二) 窗邊補光系統：人們喜愛坐在窗邊的位置，但窗邊的照明容易受到戶外氣候的影響，因此，窗邊補光系統可以維持窗邊位置一定的照度。 (三) 保全安控系統：使用頻率較低的區域(例如，茶水間、梯廳、走廊、洗手間等)，可以採用感知器，根據人員存在與否開啟或關閉該區的照明系統，

(25)

甚至可以設定無人或離峰時段開啟 20%的亮度，可以避免跳燈設計上的不舒服感。 (四) 公共區域預約系統：透過區域網路的預約系統，預約社區的公共區域，或是預約辦公大樓的會議室，當該區的綠色指示燈亮起時，表示尚未被預約；若該區的黃色指示燈亮起時，表示該區已被預約，但還沒使用；若該區的紅色指示燈亮起時，表示該區正在使用中。 (五) 居家照明管理：在玄關處設置人機介面，收集屋內各種用電資訊，包含照明系統。除了出門前可以再次確認屋內的電氣設備是否關閉外，返家時亦可在玄關處開啟屋內的照明。 (六) 戶外光雕系統：戶外光雕的排程及內容，透過特定的編程軟體及控制主機進行燈光節目的展演。 LED 線性驅動、數位調光技術、光電一體設計的日益成熟，加上智慧照明系統管理平台的通訊協定問題解決方案漸趨穩定，智慧照明在數位家庭、建築及公共領域的發展，將在照明應用市場掀起革命性的改變。透過通訊協定，LED 照明技術可以控制到局部、區域，全區等，視使用者範圍需求提供適度足夠光源照明，並非以往一個開關就全亮/全暗的照明系統，減少不必要的照明就是降低浪費的電費支出，台達電 LED 照明解決方案以專業先進技術協助降低用電，減少二氧化碳排放量。隨著逐漸成熟的技術，LED 可調光的特性，使得燈具不再只是照明工具，還可以用來營造氣氛；藉由調光及調色，能在同樣的一個空間內，因應不同的活動，搭配不同的照明。而台達電以領先全球的核心技術，結合無線遠端連線與智能控制平台，更提供較以往環保節能的綠色城市智慧照明解決方案。智慧型傳感技術可以應用的範圍包括：汽車、居家照護、醫療保健、安全監控、設備系統等，隨著技術的提升與單價的下跌，建置的數量將會明顯的增加。物聯網與網際網路整合後，可預期會存在能力超級強大的雲端運算處理群，來智慧化的整合與管控整體網路內的人與物。這些應用可包含：產品開發流程管理、生產履歷管理、個人健康促進、智慧安全監控等。然而，走向物聯網時代必須面對問題與挑戰有哪些?簡要說明如下： (一) 標準的訂立與推動：標準化對任何技術的大規模部署都是必要的，如何制定一套可依循的規範是很大的課題。 (二) 技術發展的適用性：相關技術發展的期程與本身的適用性也會是一個必

(26)

須注意的因素。 (三) 資料氾濫的問題：實體世界中的各種資料進入後會開始出現資料氾濫的問題，如何分析並產生「有效的訊息」是物聯網的重要課題。 (四) 使用者抗拒的心態：無論推動哪種改變，個人的隱私與資料安全都會是個議題。在追蹤用戶位置變化，收集用戶興趣等應用都將產生使用者抗拒的心態。除了上述的議題與挑戰外，這些議題將因物聯網時代的接近而逐漸發酵，但是也可以樂觀地預估這些問題也終將迎刃而解。1_、2 當前物聯網與人工智慧於建築照明研究發展現況進行說明：一、物聯網於建築照明研究發展現況

物聯網(Internet of Things, IoT)將現實世界數位化，讓原本獨立的物體組成互聯互通的網絡。物聯網主要應用領域為：運輸物流、醫療保健、各式建築(家庭、辦公、工廠等)，物聯網將不僅限於工業商務應用，更會深入生活，其發展前景和對社會的影響無遠弗屆。國際研究機構 Gartner(高德納公司)估計，2017 年全球聯網裝置量已達 84 億個，較 2016 年提高 31%，2020 年則上看 204 億個。2017 年大規模部屬物聯網裝置的產業為除智慧電表之外，智慧製造設備、發電廠偵測器、醫療保健實時定位設備等，約部屬 16 億台；2018 年智慧建築(包括 LED 照明、空調設備、安全監測系統等)的跨產業設備顯著成長，預估 2020 年將會再提高至 21.46%，跨產業裝置將高達 44 億個，而垂直產業則是 32 億個。物聯網產業架構可分為三層，分別為：應用服務層、網路層與感測層，將這三個層面分析台灣發展物聯網產業之現況與挑戰說明如下： (一) 感測層：感測層主要發展技術為感知技術，主要研發方向為體感技術、影像感測、氣體及其他感測器，目前主要挑戰在於提升物聯網核心感測關鍵技術及軟硬體系統整合能量。 (二) 網路層：網路層主要發展的技術為感測網路與寬頻網路技術，主要研發方向為低耗能通訊技術、無線通訊傳輸以及小型基地台研發，目前主要挑戰在於，全球物聯網標準不一致，台灣應建構開放共通平台，加速孕育物聯網產業生態系。

1_{逢甲大學網站 http://www.iitrc.fcu.edu.tw/page.php?go=doc_rfidiot_1The Internet of Things} 2_{i-Japan Strategy}

(27)

(三) 應用服務層：應用服務層主要包括系統與解決方案、服務平台技術、以及優化分析應用技術。主要開發領域為智慧雲端平台、能源優化、雲端監控等，目前在應用服務層遭遇的主要挑戰，在於如何創造差異化及在地化之創新思維。台灣和國際市場一樣，物聯網的成長極為快速，但需要克服的障礙有： (一) 物聯網感測核心技術待精進：目前物聯網感測核心技術，有關感測精度、範圍、感測數據回傳等方面，仍有不少改善空間。 (二) 網路層開放共通平台之建立：網路層面收集資訊，則需要建立開放共通平台，促進生態系統的發展，以確保資訊的使用、共享及安全等目的。 (三) 應用服務層的服務落實：應用服務這方面仍需要強化服務的差異化和在地化，以滿足不同智慧建築之需求。二、人工智慧於建築照明研究發展現況人工智慧指的是能夠通過圖靈測試(Turing test)，1950 年圖靈提出判斷機器是否能夠思考的著名試驗，至今已知的深度學習(deep learning)等演算法，即是過程中所發展出來的技術。這些技術被定義為「AI 技術」，不應與 AI 直接混為一談，區分「AI」與「AI 技術」的原因在於，至今已知的 AI 技術無法成為真正的 AI，也就是電腦能像人類一樣思考，而且比人類更聰明的那個時間點(奇點， singularity)，不會由已知的 AI 技術獲得。目前已知「AI 技術」之所以無法進化為「AI」，是因為即使是模擬「神經元」的資訊傳導模式發展出來的演算法(如深度學習等)，其運作模式更接近無腦生物(如海星)的神經元，遑論從無腦生物再到會思考的人類大腦間，運作機制的差異還有多麼遙遠的距離。 1982 年日本通商產業省(現在經濟產業省的前身)主導經費約 500 億日圓的第五代電腦計劃，該計畫想要透過「邏輯論證」式的演算法，來達到自動診斷和機器翻譯的目標。邏輯論證式 AI 技術與目前主流 AI 技術的差異在於，目前主流 AI 技術是「統計機率」式演算法，可容許問題與解答間具有更模糊的關係，能夠解決更複雜的問題，實用性因而大增。第五代電腦計劃最後是以失敗收場，然而作者卻遍尋不到通產省承認失敗的正式檢討報告；這種失敗又不正面承認的心理，導致日本對 AI 研發的態度相當保守。美國 IBM 一家企業就投下 10 億美元研發人工智慧「Watson」。經濟環境方面，日本以製造業為主的國家發展模式，造成對 AI 技術發展的限制。日本發展最先進的自動化工廠，未積極冒險使用判斷過程中，可能造成重

(28)

大事故的統計機率式 AI 技術；跟 Google 和 Facebook 等「服務業」的思維完全不同的。Google 和 Facebook 提供的無償服務，因演算法失誤造成損失的風險相對就非常低，所以 AI 技術主流自美國萌芽，發展到今天的程度。 20 世紀初，當工廠引進傳動帶之後，工廠進入初階自動化階段，事務作業增加，開始有了白領階級出現；但直到大學普及、白領階級大量增加之前，很多工廠勞動者失業，成為大蕭條的遠因。因為這批失業者，就是未能達到白領階級所需的技能與知識，無法馬上進入新勞動市場的勞動者。隨著 AI 的出現，當時的情景已經在這世界重演。3_、4 人工智慧(Artificial Intelligence)便是模擬人類的思考過程步驟，然後設計一電腦程式運用相同之過程步驟來解決問題，如此人工智慧提供了一套簡單，具結構化的方法來設計可協助我們做決策的程式。事實上目前 AI 的發展與其說是「人工智慧」，不如說是「人工知識庫」，目前 AI 的技術己經應用在以下重要的範圍： (一) 專家系統(Expert System)。

(二) 自然語言處理(Natural Language Understanding)。

(三) 電腦視覺(Computer Vision)。

(四) 語音辨識(Speech Understanding)。

(五) 機器人應用(Robotic Application)。

(六) 類神經網路(Artificial Neural Network)。

(七) 智慧型代理人(Intelligent Agent)。

其中，最具有突破性及實用性當以專家系統為代表，目前己有許多的實際應用。一個專家系統由知識庫(knowledge base)和推論引擎(inference engine)等機構所組成。當我們付予它某一領域的專家知識時，它便能模仿人類專家去求解問題並提供最適當的意見。由於人工智慧發展的歷史尚淺，還有許多的可能性，相信只要發揮想像力和創造力，以改善人類的生活品質。各國推動科技政策重點多集中在永續、再生、綠色等思維，特別是德國所推動的工業 4.0，就強調綠色製造、智慧製造的想法。2012 年人工智慧就因為深度 3_{新井紀子（2018）}_{。AI vs. 教科書が読めない子どもたち。東洋經濟新潮社。} 4

Acemoglu, D., & Restrepo, P. (2018). Artificial Intelligence, Automation and Work (No. w24196). National Bureau of Economic Research.

(29)

學習應用在 Imagenet 所舉辦的圖像識別競賽的突破引起學界的關切，而這波由人工智慧掀起更大的浪潮是在 2016 年由 Google Deepmind 所舉辦的人機圍棋競賽，人工智慧 Alphago 打敗李世乭，讓世人見識到人工智慧的威力。2016 年開始，各國的科技事務主管部門就紛紛針對人工智慧，推出各式推動政策。也可以看到許多資訊議題、3C 產品也結合人工智慧技術，推出許多新的服務及產品，有許多團體針對物聯網(IoT)，提出了應結合人工智慧的 AIoT 構想。人工智慧對未來科技發展的重要性，不管是美國、中國、歐陸或是日韓等國，都針對人工智慧發佈相關的重要政策，以作為國家資源投入及推動政策的重點方向，而這些推動政策的發佈時間也多集中在 2016~至今。韓國在 2018 年由該國未來創造科學部 (Ministry Of Science, ICT and Future Planning, MSIT) 所提出的《創新成長引擎》(The Innovation Growth Engine Leading Preparation For The Fourth Industrial Revolution) 即以工業革命 4.0 為主，但核心內容多與人工智慧技術相關。其主題共有四個部份： (一) 智慧基礎建設 (二) 智慧型行動載具 (三) 服務一體化 (四) 產業基礎其中就強調了人工智慧在其中的作用，以服務一體化為例，其中包含四個子項，分別為：智慧城市、AR/VR(擴增實境、虛擬實境)、個人化醫療、智慧型機器人。韓國的創新倚重人工智慧技術的突破，不管是大數據、機器人、半導體等都環繞著人工智慧核心技術，因此人工智慧將是未來 20 年的技術高地，各國為了搶占戰略優勢，必將投入大量的資源與人力在人工智慧技術的開發上。

(30)

表 2.1 韓國人工智慧創新成長引擎內容 分類領域 2022 年願景主導部會智慧型基礎建設大數據改善大數據預測分析精確度，並於 2022 年建設高品質的大數據資料庫 MSIT 下世代通訊透過 5G 商業化及物聯網提供公佈與推廣服務一體化 MSIT 人工智慧透過發展與推廣人工智慧核心技術彌補技術落差，以強化下一代人工智慧技術的專利權來確保技術競爭力 MSIT 智慧行動載具自動駕駛車讓達到第三級水準的自駕車上路以及打造自動化運輸系統。貿易工業能源部土地、基礎建設與交通運輸部 MSIT 無人機發展與商業化公用與產業用無人機技術土地、基礎建設與交通運輸部貿易工業能源部 MSIT 服務一體化個人化醫療發展與實施基於 ICT 技術融合醫療設備的個人化醫療及精準醫療系統。衛生福利部 MSIT 貿易工業能源部智慧城市採用智慧技術的永續智慧城市平台以及創新模型來解決城市問題土地、基礎建設與交通運輸部 MSIT 虛擬與擴增實境提昇 VR/AR 融合內容/服務/平台/設備等相關技術以加速產業融合(教育、製造、國防等) MSIT 貿易工業能源部文化運動與觀光部智慧型機器人發展及促進智慧型製造業機器人及醫療安全服務機器人來改善生產率及生命品質貿易工業能源部產業(基礎智慧型半導體取得人工智慧半導體核心技術，包括超低能耗奈米級元件及神經形態晶片 MSIT 貿易工業能源部先進材料發展交通運輸用的超輕材料及實現先進材料加工系統(包含機械工具)本地化。貿易工業能源部 MSIT 創新新藥透過新藥候選發現及臨床/非臨床研究開發出創新型新藥 MSIT 衛生福利部貿易工業能源部新型與再生能源實現再生能源發電佔據總體發電量的 20% 貿易工業能源部 MSIT (資料來源：韓國未來創造科學部，https://portal.stpi.narl.org.tw/index/article/10418) 人工智慧在未來對各領域的技術開發或應用服務都將扮演一個關鍵且重要的角色，傳統機器人或電腦沒有學習能力無法應付突變狀況，未來以人工智慧技術所驅動的自主化機器人/電腦，將能夠自主學習、分析歸納，對突發狀況提出

(31)

可能的解決方案。各國非常重視人工智慧的發展，自 2016 年開始各國陸續推出人工智慧推動策略。首先以美國為主，美國作為全球性的創新大國，人工智慧的各類創新研發及應用服務也多為美國率先推出，掌握資通訊尖端科技的企業及學研機構也多以美國為主，因此美國部會首先就意識到人工智慧的重要，2016 年由白宮科技辦公室推出了三份與人工智慧有關的策略報告。分別為：

(一) 國家人工智慧研究發展戰略計畫書 ( National Artificial Intelligence Research and Development Strategic Plan )

(二) 國家人工智慧、自動化與經濟計畫( Artificial Intelligence, Automation, and the Economy )

(三) 準備迎接人工智慧未來( Preparing for the Future of Artificial Intelligence )

三份報告分別闡述美國政府將在人工智慧研發投資的長期策略；人工智慧與自動化對社會、經濟層面的影響；以及人工智慧的管理、倫理、公平、法規管理等內容。唯川普上任後並沒有提出一套完整的人工智慧發展策略。 2017 年英國、法國、中國、芬蘭、日本等國均推出相關發展策略，以中國為例，中國國務院在 7 月 20 日發佈了《新一代人工智慧發展規劃》( 新一代人工智能發展規劃 )，對中國的人工智慧發展定出三大策略目標： (一) 2020 年人工智慧總體技術與應用與世界先進水準同步：相關產業成為新的經濟成長驅動力，人工智慧成為改善民生的新途徑，促使中國成為創新型國家行列，人工智慧產值達 1,500 億人民幣，並帶動相關產業規模達一兆人民幣，並且建立初步的人工智慧倫理及管理規範 (二) 2025 年人工智慧論理取得突破，部份技術達到世界領先水準：人工智慧成為產業升級、經濟轉型的主要動力，並在製造、醫療、城市、農業及國防領域得到廣泛的應用，人工智慧產值達 4,000 億人民幣，並帶動相關產業規模達 5 兆人民幣，形成人工智慧安全管理及評估能力 (三) 2030 年在人工智慧理論、技術與應用達到世界領先水準：成為世界人工智慧創新中心，在智慧經濟與智慧社會均取得明顯成效，躋身創新型國家及經濟強國，形成涵蓋技術、系統、平台與應用服務的完整產業鏈，產值達一萬億人民幣，並帶動相關產業規模達 10 兆人民幣，並建立完善的法規、倫理規範及政策體系。

(32)

要達成上述的策略目標，具體的重點任務及工作包含了： (一) 建構開放協同的人工智慧科技創新體系 (二) 培育高端高效的智慧經濟 (三) 建設安全便捷的智慧社會 (四) 加強人工智慧領域的軍民融合 (五) 構建泛在(ubiquitous)安全高效的智慧化基礎設施體系 (六) 前瞻佈局新一代的人工智慧重大科技項目其他的措施還包含了：資源配置、資金統籌、保證充足的資金投入以及配套的法律、政策、智財權保護、安全監管評估、人才培訓、科普推廣、試點示範等涵蓋社經及輿論造勢的作為，來確保人工智慧發展的成功。而英國在 2017 年 10 月發佈了人工智慧發展報告，隔年 4 月該國的 BEIS (Department for business, energy and industrial strategy)和 DCMS (department for digital, culture, media and sport)兩個部門共同推出《產業策略：人工智慧部門協議書》( AI sector deal )，該協議書目的為在面臨未來人工智慧與數據經濟、行動未來、潔淨成長以及高齡化社會四大挑戰下，如何推動英國成為人工智慧全球領先國家。在推動研發資源投入(ideas)、人力與人才培育(people)、數位化基礎建設 (infrastructure)、產業創新環境優化(business environment)及在地鏈結(places)等五大部份作出因應策略。在研發資源投入上設定 2027 年，英國的研發投入佔 GDP 比要到達 2.4%，並投入 9 千萬英磅在研發極端環境用的機器人與人工智慧計畫， 3 億英磅用於補助人工智慧與數據科學研究及博士訓練，4 千萬補助圖靈研究院；在人才培育部份，則建立一套技術教育系統，以達到能與先進國家教育體系並駕其驅的地位；同時投入 4 億英磅在 STEM 的教育訓練上，以補強學生的科學、技術、工程與數學的能力；在基礎建設上共投入 310 億在交通、住家及數位化建設上，其中包含 10 億在 5G 行動網絡建設，以建設下世代數位網路建設；在打造產業環境上，政府將成立一個產官學研界學者專家組成的人工智慧委員會，委員會負有行動、監督交易、鼓勵產業、向政府建言的責任權力；在在地鏈結部份，四年投資 2.1 千萬英磅開發英國科技城，作為提供科技公司、新創公司發揮潛力的場域。為了應對 AI 將可能帶來的挑戰，作為歐洲地區在科技研發投入具有風向指標意義的歐盟，也在 2018 年 4 月 25 日發布了一則新聞，宣稱從 2018~2020 年間，結合公私部門在製造、交通與醫療等關鍵領域投入 200 億歐元在 AI 的研發與創

(33)

新上。同時為了吸引更多的投資，對資料在 AI 的應用將有更積極的作為，包含立法針對公共事務、環境、學術研究、醫療領域的開放資料應用使資料共享變得更容易與方便，從而促進 AI 的研發與創新。對人工智慧未來所可能產生的法律與倫理挑戰問題，歐盟成立人工智慧聯盟 (European AI alliance)，根據歐盟基本權利憲章 (charter of fundamental rights) 的指導原則，保護資料及透明性的原則下，能夠在 2018 年底提出人工智慧倫理規範指導原則；並在 2019 年中能夠就 AI 技術發展現況，提出《產品責任指令》的指導意見，在產品出現缺陷情況下釐清消費者及產品的法律關係。在人才培育部份將強化會員國的教育與培訓體系以滿足未來的需求，利用歐盟社會基金(European social fund)的補助下，針對數位技能、STEM、創新能力和創業精神進行專門的培訓；同時在下一個多年期金融框架(2021~2027)計畫下，強化對數位化技術、人工智慧專業的培訓。 圖 2.1 近年各國人工智慧策略發展動向 (資料來源：https://portal.stpi.narl.org.tw/index/article/10418) 除了大國與先進國家所推出的政策外，新加坡、阿拉伯聯合王國、加拿大等國也推出各自的人工智慧發展策略；這個趨勢在 2018 年也沒有冷卻，許多國家持續對人工智慧推出更多的行動與策略，如韓國就如前文所述的推出創新成長引擎，大幅強化人工智慧的重要。我國也在 2018 年 1 月 18 號由科技會報辦公室提出為期四年的《台灣人工智慧行動計畫》。主要聚焦在「人工智慧人才衝刺」、「人 人工智慧推動政策 2016 年 韓國：2016.12.31 發佈【迎接智慧資訊社會的中長程期計畫】美國：2016.10 發佈【國家人工智慧研究發展戰略計畫書】、【國家人工智慧、自動化與經濟計畫】、【準備迎接人工智慧未來】 3 份證測報告 2018 年 韓國：2016.12.31 發佈【迎接智慧資訊社會的中長程期計畫】韓國：2018.04 未來創造科學部推出【創新成長引擎】英國：2018.04BEIS 及 DCMC 共同推出【產業策略：人工智慧部門協議書】歐盟：2018.04 建議 2020 年應投入 200 億歐元餘人工智慧研發與創新法國：2018.03 推出 For A Meaningful Artificial 策略報告美國：2018.02.22 問責辦公室發佈【影響政府與社會趨勢 -2018~2023 策略計畫】建議美國加強 AI、基因編輯、量子資訊等科技研發投入台灣：2018.01.18 行政院發佈【AI 行動計畫】 2017 年 芬蘭：2017.12.18 就業經濟部發佈【芬蘭人工智慧時代發展報告】阿拉伯聯合王國：2017.10.16 發佈【人工智慧戰略】英國：2017.10.15 發佈【人工智慧發展報告】中國：2017.07.20 發佈【新一代人工智慧發展規劃】新加坡：2017.05 提出【AI.SG 計畫】日本：2017.03.31 發佈【人工智慧技術戰略】加拿大：2017.03.30 發佈【人工智慧戰略】加拿大：2017.03.30 發佈【人工智慧戰略】法國：2017.03 推出【國家人工智慧策略 IA】

(34)

工智慧領航推動」、「建構國際人工智慧創新樞紐」、「場域與法規開放」、「產業人工智慧化」等五項重點工作。基本上涵蓋了整體的環境建設，打造一個從人才培育、環境建置、技術開發、產業推動、資源互動交流的生態圈，並結合現有之 5+2 創新產業方案(智慧機械、亞洲矽谷等)，由 5+2 產業創新中心提出問題，讓部會協助提供 AI 應用解決方案；自 2018 年~2022 年每年投入一百億台幣預算。在研發投入部份也將聚焦在台灣原有就有堅強基礎的半導體技術，研發高功率、低耗能的人工智慧晶片(半導體射月計畫)，計畫為期四年，預期每年投入 10 億進行晶片主題的研發，包含半導體製程及晶片系統，在技術投入的選擇上已具有一定的聚焦性及選擇性。 圖 2.2《台灣人工智慧行動計畫》推動架構示意圖 (資料來源：行政院《台灣人工智慧行動計畫》,2019) 隨著物聯網帶來海量數據的蒐集、晶片技術成熟及演算法持續優化等因素，人工智慧(Artificial Intelligence；AI)相關應用備受各界關注，不僅研究機構如 Gartner 將 AI 列為 2017 年 10 大技術趨勢、麥肯錫顧問公司(McKinsey & Company) 亦將 AI 視為未來數位化重點，先進國家如美國、日本、韓國等已將 AI 納入國家重要政策，我國「亞洲·矽谷」計畫亦將 AI 納入未來聚焦推動的關鍵議題，顯見 AI 已蔚為各界關注焦點。依國內外智庫研究，AI 的發展趨勢可歸出幾項重點：

(一) 未來將聚焦於機器人及自動駕駛(robotics and autonomous vehicles)、機器視覺(computer vision)、語言(Language)、虛擬代理(virtual agents)、機器學習(machine learning)5 項技術。

(35)

(二) 高科技、通訊、金融服務、醫療、交通、能源、旅遊等產業，在 AI 應用面最被看好 (三) 在 2020 年 AI 將創造 3,000 億美元的商業價值；到了 2021 年，30%的經濟成長將與 AI 相關 (四) AI 的發展將需要更高端的運算效率、更精準的感測能力、更優化的辨識效能，此將帶動晶片設計及半導體技術的發展從各國科技政策來看，AI 已列為重點發展項目，例如美國於 2016 年 10 月發佈「The National AI R&D Strategic Plan」，著重技術研發、人機協作、系統安全、人才培育等基礎環境建置，並推動製造、物流、金融、運輸等產業應用；日本於 2017 年 3 月公佈之人工智慧三階段工程，推動實證試驗、放寬法規限制等應用策略，普及 AI 在製造、物流、醫療保健等產業之應用；韓國於 2016 年 8 月「第二次科技技術戰略會議」選定 AI 為國家戰略計畫之一，建立國家級 AI 中心，並以國防、治安、老人照護等公領域服務為先導。目前政府亦積極推動 AI 發展，包括科技部將建構雲端服務及大數據運算平臺、創新研究中心兩項策略各編列新臺幣 50 億元，以完善基礎環境；經濟部、科技部規劃晶片設計與半導體科技研發策略，強化 AI 發展能量，促進國內 AI 產業的蓬勃發展。國發會協調推動的「亞洲·矽谷」計畫也已將 AI 納入未來聚焦的七項關鍵議題之一，並策重 AI 應用面，例如規劃辦理 AI 相關活動，以鼓勵新創發展 AI 應用；將 AI 結合雲端平台、大數據分析等技術，發展如自動駕駛、交通、環境等相關創新應用，共同促進國內 AI 產業的蓬勃發展。綜合上述資料的整理可見，未來各國將持續投入人工智慧技術的研發創新，對人工智慧的發展與關切已成為各國的共識，如何降低人工智慧在未來引發的風險、導正民眾對人工智慧的期望與認知，促使人工智慧發展走向正確的道路將是未來各國政府及各界應深思的課題。 AI 技術從軟體應用領域，延伸到更多企業應用現場，光是臉書 Messenger 上的 Bot 就超過了 10 萬個，智慧喇叭 Echo 更掀起一股家庭 AI 化的風潮，深度學習框架產品化和服務化，帶動了各式各樣的 AI 應用。以下就舉幾個有關 AI 的應用案例： (一) 三大 AI 應用炒熱溫布頓球賽氣氛：溫布頓網球賽無疑是全球關注最熱切的的網球公開賽，不只因為最高額獎金或網球天王加持，為了炒熱球賽話題，主辦單位全英草地網球俱樂部運用了多項 IBM Watson 認知技術來炒熱氣氛，並提高球迷參與度。IBM 一方面用 Watson 探索服務分析

(36)

過去 22 年累積的 5,371 萬筆球賽記錄，找出最能炒熱球賽氣氛的關鍵資訊，其次也利用語意分析追蹤 1,700 萬則來自社交媒體的討論內容，隨時提供最夯話題給轉播團隊或媒體，並設計了一款球賽數位語音助理 Ask Fed，在手機上提供各種球場咨詢、帶位、購票、點餐、周邊活動提醒等個人化客服服務。 (二) 瑞典工具機大廠運用 AI 讓異常預警速度快 20 倍：瑞典百年工具機大廠 Sandvik Coromant，產線上經常會用到高精細切割操作的切割機器，每部機器都內建大量感測器，為了追蹤機器中上千個可動零件是否正常運作，甚至做到預防性的設備維護，Sandvik Coromant 利用機器學習技術訓練出預警模型來進行異常事件判斷。過去得將感測器蒐集的資料傳上雲端分析，平均得花 2 秒才能回報結果，這家公司改用工廠產線旁的邊緣運算伺服器，來執行機器學習預警模型，不用回傳雲端就能進行分析，讓預警時間縮短到 0.1 秒就能反應，足足快了 20 倍。 (三) 新一代 CNC 工具機靠 AI 提高異常檢測率：日本工具機廠商大隈於 2017 年 4 月推出了新一代 AI 化的 CNC 工具機，內建了使用深度學習技術設計的 AI 診斷系統 OSP-AI。OSP-AI 系統會自動偵測 CNC 工具機進軸運作情況，若發現有任何異常，例如：溫度過高、異常震動等，利用深度學習來提高分辨機器異常的判斷率，而不像過去得靠有經驗的師傅才能準確判斷。發現異常，OSP-AI 會發出警告通知操作人員，並以顏色來區分異常事件的嚴重程度方便識別，再由人工進行確認後進行後續故障處理。 (四) 奇異運用擴增實境讓製造工廠變數位工廠：奇異公司(GE)2017 年在全球製造工廠生產正式導入擴增實境(AR)技術，包括旗下 3 大核心製造業務：石油和天然氣、發電廠，以及航空業務都將在先後開始採用 AR 技術，輔助現場人員完成複雜的組裝作業，以縮短生產作業時間和減少人為出錯情況，未來更要用 AR 技術，來加速將整座工廠變成一座數位工廠。 AI 060 石油公司 Woodside 打造數位 KM 幫手，快速從百萬文章找對決策資料。澳洲第二大石油和天然氣生產公司 Woodside Energy 運用 AI 來幫助工程師快速找到解決問題的資料來源。先建立一套企業內部石油知識庫 Corpus 系統，整合了各種內部專業文件，決策紀錄、技術評估手寫的報告、影像和影片等，光是石油相關資訊就超過 60 萬頁。打造了一個企業 KM 幫手 Willow，讓工程師透過自然語言查詢方式，快速找到能夠幫助決策的資料。

(37)

(五) 臺北醫學大學採用華生癌症治療輔助系統：臺北醫學大學計畫引進 IBM 的 Watson for Oncology(人工智能癌症治療輔助系統)，運用 AI 技術協助腫瘤科醫師，輔助癌症治療。這套由美國史隆凱特林紀念癌症中心訓練出來的癌症治療輔助系統，利用自然語言分析技術，分析病人結構化與非結構化資料，來提供病患照護的建議，目前全球已有 55 家醫院採用，包括臺灣。IBM 另有一套 Watson Genomic Analytics(基因學分析工具)，已經訓練了 1,500 萬篇醫療相關論文，還能快速分析每天大量出現的新論文，用來輔助醫生提供癌症治療的建議。如北卡羅萊納大學 Lineberger 綜合癌症中心就用 Watson Genomic Analytics 來輔助照護過上千位病患。 (六) 醫院門診運用 AI 多語自動翻譯，協助外籍病患：根據富士通預估，2020 年東京奧運時，日本到醫院就診的外籍人數恐多達 80 萬人。為了解決外籍病患看診的溝通問題，富士通和東京大學醫學部附設醫院合作，研發了免動手的全自動多語翻譯 App，App 會自動偵測到任一方的發言，經過語音識別成文字顯示在 App 上，再翻譯成日文，或將日文自動翻譯成其他語言，目前臨床測試已經可以涵蓋 85%病患就診時常用字彙。 (七) 聯合利華靠 AI 加速從 25 萬份履歷找到合格員工：旗下擁有立頓、白蘭、康寶等品牌的跨國日用品製造商聯合利華，為了加快人員招募作業，從 2016 年 6 月開始，採用 AI 技術來輔助新人召募作業。聯合利華要從全球 68 個國家，涵蓋 15 種語言的 25 萬份應徵履歷中，找出合格的人選。主要利用了 HureVue 這套視訊面試 App，讓面試者直接對鏡頭回答一系列的問題，而非即時面談。再用 AI 技術辨識面試者答題時的臉部表情、瞳孔變化等非口語特徵，來判斷面試者對問題的真實感受，並搭配性向測驗遊戲及面試者 LinkedIn 帳號分析結果，自動產生一份候選者清單供面試官參考，決定是否錄取或面談，來加快招募作業。 (八) 藉 AI 機器人圖片辨識自動盤點庫存：富士通發表了一款未來智慧商店專用的庫存盤點機器人。這款一人高的錐形機器人，可在貨架間穿梭移動，自動盤點商品真實的庫存情況。例如盤點機器人可在上午開店前先巡視一趟貨架，拍攝開店前架上商品的庫存情況，等到傍晚關店時，再出動巡視一圈，在比較前後貨架上商品照片的變化，就能判斷出缺貨商品，甚至還能發現擺錯位置的貨品，並通報店長來調整，而不用靠人工逐一盤點。 (九) 玉山銀行推出臺灣第一款金融 Chatbot：臺灣第一款金融 Chatbot 在 2017