這一篇的題目很大器，其實它是國家實驗研究院副研究員樊晉源在工總「全球AI技術發展與專利布局演變與趨勢暨台歐美AI專利申請審查實務發展與應對研討會」中分享的簡報題目，由於這是國家級的研究計畫，所以架構很宏觀，視野很遼闊。樊晉源表示，這個智慧製造、智慧機械相關的專案前後已經進行了快5年，而AI的部分是第二年之後才加上去的，當時將智慧製造及AI作一些重整搭配，看是不是會有一些預期外的發展。但他認為整體來講突破不大，因為加入了AI還是要經過大量資料分析，目前仍是停留在第二階段機器學習巨量資料，以大量的資料配合統計及計算科學的方法，讓電腦能從事決策的階段。至於專利部分，他指出現階段運用人工智慧解決智慧製造領域之相關專利，仍是偏重在人工智慧技術之運用，若單純從數量而言，前五大廠商之佈局狀況，仍是以通訊、網路、資料庫作為主軸，這部分也似乎是現階段人工智慧可以協助智慧製造領域最多的地方。但相對而言，這部份屬於較高階之層面，至於實際製造層面、實作層面之相關運用，傳統機械廠商在運用人工智慧的部分仍有待加強，這一點可從相關專利數量得到驗證。不過，這也證明了未來在實體操作領域的人工智慧技術仍有加強的空間。
國家實驗研究院副研究員樊晉源；攝影：李淑蓮 針對智慧製造技術，樊晉源認為如果範圍太大，便很容易像中國製造2025般，可能會因太發散而無法兼顧，而且很容易變成只是為了衝KPI，對產業提升不一定有幫助；因此在進行智慧製造計畫時，為了配合國家政策，他的團隊只進一步拓展至台灣最具能量之航太、金屬運具、紡織食品及工具機產業，將智慧化產業領域限縮，有效將資源投注在需要發展之方向。
樊晉源指出人工智慧發展大致可以分為三個時期：第一階段是專家系統，也就是人類將一些專家才懂的知識（如醫學、法律）變成一條條「規則」並輸入電腦，藉此進行判斷，但專家系統發展到最後會出現極限，因為專家也就是人，最後也只是人為的判斷，而且每個人心目中的專家都是不一樣的，定義並不明確；第二階段為機器學習巨量資料，以大量的資料配合統計及計算科學的方法，讓電腦能從事決策，也就是Big Data的分析學習；第三階段則是強人工智慧 （Strong A.I.），亦即「讓電腦擁有人類的智慧」。樊晉源指出他們現在研究的智慧製造主題都是以第二階段為主，但他認為第二階段並不一定不如第三階段，最主要的是要思考我們要AI作什麼？是要AI跟人類擁有一樣的思考嗎？還是只要用來輔助人類工作就好？
樊晉源表示，在他研究智慧製造的專案中，他所認知的目標是讓AI在研究過程中輔助整個團隊在製造過程中的資料閱讀及判斷的部分，所以並沒有把目標放在第三階段的AI。
關鍵字的取得及檢索條件
在當初執行專案的時候，樊晉源參考了各團隊老師所提供的資料。到了為智慧製造進行定義的時候，他訪談了6、7個團隊的老師，進行了數場專家會議，得到了智慧製造的關鍵字後，再把人工智慧的關鍵字加上去，最後再鎖定技術領域的部分。至此，一般人可能會有一些疑問：這樣找出來的結果會不會跟WIPO的定義所找出來的有差距？樊晉源表示基本上一定會有差距，但因為他們的專案是要配合團隊的需求，所以必須依據團隊需求來進行。表1是經過調查及整理過的檢索條件，主要以2000年以後的專利為分析對象。
表1. 專案最後定義出來的檢索條件
檢索條件分類
關鍵字或技術領域
人工智慧部份
Artificial intelligence 、Machine learning 、Reinforcement learning、Genetic algorithm 、Genetic programming、Neural network、Fuzzy logic、Deep learning、decision OR、agent、 Bayesian probability、Convolutional Neural Network、Recurrent Neural Network
智慧製造部分
Industrial 4.0、cyber physical system、intelligence manufacturing、cycle time management、Flexible manufacturing、Machine configuration、Quality engineering、parameter optimization、 Fault detection、Fault classification、Fault diagnosis、Fault prediction、predictive maintenance、Tool health monitoring、dynamic sampling、Supply chain management、inventory management、capacity planning、demand forecasting、demand planning、vendor-managed inventory、order allocation、resource allocation、performance evaluation
CPC領域
由相關之研究狀況整理中找出重要關鍵，這部分主要參考相關文件，鎖定如下：G06F OR G06N OR G10L OR G05B OR G06T OR H04L，這其中G06F主要定義在電子數位資料處理、G06N主要定義在基於特定計算模式之計算機系統、G10L主要定義在語言分析或合成；語言識別、G05B主要定義在一般的控制或調節系統及其功能單元；用於系統或單元之監視或測試裝置、G06T主要定義在一般影像資料處理或產生、H04L主要定義在數位資訊之傳輸，透過相關之運用，藉此搭配關鍵字，從中找尋適合之專利。
資料來源：《人工智慧運用於智慧製造專利分析 ─ 比較台廠和世界標竿廠商之相關佈局》簡報；樊晉源，
樊晉源表示，之前很多AI的技術都是存在於文獻中，而不是出現在專利，這幾年因為風向開始轉變，漸漸擴展，導致技術成長很多。但如果把這些技術作拆解分析後，即會發現大部的技術仍然是聚集在資料處理的部分 (參考圖1)。他本來的預期是看智慧製造再加上AI後，會不會讓機器人或是觸覺的部分有更多情感的呈現，但卻沒有達到預期的效果，最後發現還是要經過第二階段大量資料庫分析。這代表目前廠商在智慧製造領域仍沒有很大的突破。
圖1. 人工智慧與智慧製造專利技術領域分析
從專利的數量去看，相關趨勢近5年來成長明顯。樊晉源指出資料處理的研發以軟體廠商為主，其中CISCO、SAP 相關廠商對於此類專利之投入都是近年才較為積極，大約在2014年左右開始積極投入相關領域之研究。其他較為傳統之製造技術廠商，如ROCKWELL、GE、PHILPIS這些公司之主要專利申請似乎都較早，整體而言也是較早佈局此一市場。反觀資料分析廠商之佈局時間，較傳統機械廠商及生產廠商來得晚。所以，傳統製造大廠並非沒有投資在AI項目的研發，反而是很早就開始投入，但並不是大量擴散，而是一點一滴慢慢打好基礎的投入研發。至於在2012年專利數量爆量衝起來則是歸功於數據廠商和雲端廠商。
然而，樊晉源表示這些數據或雲端廠商的AI技術是否可以運用在智慧製造上是個值得思考的問題。因為很多智慧廠房的設備都是來自世界各地的廠商，這些數據大廠的技術如果套用到整組生產設備上，是否真的可以互通相容無縫接軌？這個問題在中小型廠商身上特別明顯，因為受限於預算，中小廠商沒有辦法添購一整套的設備，這時候資料的上傳下載即可能會碰到相容互通的問題。
圖2. 國際大廠CISCO、SAP、IBM、 GENERAL ELECTRIC、ROCKWELL智慧製造與AI專利佈局分析
台灣人工智慧與智慧製造相關領域專利技術分析
圖3是台灣在人工智慧與智慧製造相關領域專利數量統計，樊晉源認為表現非常不錯，整體居於第11名，如果扣掉WIPO(世界專利局)，更是位居世界前10，這代表台灣市場在此一領域是非常重要的，許多重點廠商及重點國家均會申請台灣專利。
不過，申請量及核准量最高之專利權人，並不是台灣本國專利權人，專利權人前3名均為外國廠商，第1名正是高通，高通在台灣擁有高達93個專利家族，遠超過第2名及第5名之加總，這代表高通似乎對於台灣相關市場頗為重視，樊晉源推測其主要原因應該是針對聯發科所進行之相關佈局，特別是在5G通訊相關。
台灣的好表現幾乎都是拜高通所賜，因為第2位的阿里巴巴及第3位的Intel各只占8件專利，連高通的十分之一都不到。至於台灣本土廠商及公司代表，表現較好的有工研院 (5件)及資策會 (5件)相關政府法人，及華碩 (4件) 和成功大學 (4件)，這些代表之相關專利家族數量嚴格說來並不多，但比對台灣其他廠商，已經居於多數。
圖3. 台灣 (TIPO) 人工智慧與智慧製造相關領域專利數量
樊晉源提出了一個值得思考的問題，就是台灣高品質專利與世界趨勢的差別。在世界都在朝5G在邁進的時候，但台灣的高品質專利仍是集中在預測模形、資料庫、神經網路、分類模型及相關技術領域之應用。台灣現階段專利申請技術仍較偏重模型的開發及相關資料預測及分類階段，比較偏重學術的部分，但這部份嚴格說來為現階段智慧製造技術運用的核心。整體而言台灣對於技術的掌握，仍有待加強。
台灣龍頭的發展
其實台灣也不是都只偏重於學術研發，樊晉源特別挑了台積電及鴻海這2家大廠的專利作分析，他表示不知道是故意隱藏還是湊巧，用他們定義的關鍵字沒有搜出這些專利，但事實上卻是在相關技術領域範疇。
就台積電之相關專利技術部分，樊晉源指出台積電現階段在USPTO申請及核准相關專利由2000-2017年共計有13366篇，運用初步篩選後，共計有1056篇專利被選入，而去除掉專利家族後，共有853篇專利。透過專利地圖分析，可發現基本上台積電相關專利都是圍繞在智慧製造相關之半導體製程領域為主，嚴格說來仍然是與加工製程最佳化，和了解顧客間參數並及時回饋到相關系統上有所關聯。
至於鴻海相關佈局狀況大致上分為8個部分：
(1) 影像資料處理及相關影像辨識
樊晉源指出，在進一步針對其智慧製造專利進行相關內容分析時，可發現現階段鴻海在智慧製造專利中，主要智慧製造相關之重點專利，在2007年幾乎都是由SHARP而來，發展重點主要著重在資料通訊，資料溝通及傳輸相關重點；但在2008年之後，可發現鴻海專利中相關技術也逐漸開始注重硬體及相關系統間之運用，不過嚴格說來其在智慧製造專利領域，雖然專利數眾多，但較有價值且注目率較高之專利，似乎都是由Sharp所研發的，不過其技術類別發展仍是非常強大。
參考資料：人工智慧運用於智慧製造專利分析 ─ 比較台廠和世界標竿廠商之相關佈局》簡報；樊晉源，工總「全球AI技術發展與專利布局演變與趨勢暨台歐美AI專利申請審查實務發展與應對研討會」；2019/12/4
作者： 李淑蓮
現任： 北美智權報主編
學歷： 文化大學新聞研究所
經歷： 半導體科技雜誌(SST-Taiwan)總編輯
Facebook 在北美智權報粉絲團上追踪我們
Please enable JavaScript to view the comments.
