記者洪聖壹／台北報導
現今產業透過雲端大數據搭配機器學習技術發動變革相當常見，不過你絕對想像不到，一間你可能耳熟能詳的紡織工廠，竟然也需要這類的現代技術來推動轉型。Google 在台灣的機器學習媒體聚會當中，宣布已經有首間台灣本土紡織企業透過 Tensorflow 跟 Google cloud 平台技術，挹注智慧創新，下一步還要發展智慧工廠。
目前紡織產業出口占台灣整體出口的 30%，是相當重要的產業，而這間在台灣導入機器學習應用的首例，就是「和明紡織」，該公司最大的客戶也都來自海外，舉凡 Ralph Lauren、J.Crew、Filson 以及 Buberry 等品牌廠，都是和明紡織的客戶。
和明紡織策略執行顧問李佳憲表示，和明紡織在這 40 年來，已經累積超過 10 萬種花色，當中不乏記錄著包括每個案子所採用的顏色、紋理、材質、光澤與織法，是台灣紡織產業的資產，然而紡織工廠目前受到的挑戰是無法因應突如其來的變化，好比說客戶突然希望某個樣料，但是和明光是在台北就有 1 處、台南 2 處生產基地，設計師要先在這些地方找到相對應的布料，就已經需要 45 天，然後技術人員就需要依照花色、樣料與設計整個打版完成之後，進行實作，接著打樣給客戶，如果客戶是在美國，那麼以往的做法，就是要把樣本帶去美國確認之後，才能下訂，當工廠收到件跟訂單之後，才能開始量產，整個過程耗工費時。
這樣的生產方式面對海外品牌 Zara、Uniqlo 這類強調「快時尚」的外在市場競爭，以及大陸淘寶平台的步步進逼，成為和明積極想要朝向智慧轉型的主要原因。
李佳憲透露，和明在轉型的過程中碰到的包括技術、人才與器材投入的成本問題，因此目前導入 Tensorflow、Google 雲端平台來改善搜尋跟挑選的模式，搭配資訊設備的投入，好比說影像辨識資料庫當中所需的硬體成本，透過雲端服務可以大概預估每個月、每年需要多少產出，也不用背負太多不必要的資本支出。
如今和明藉由導入 Google 雲端與機器學習應用包括布料拍攝、人工標籤布料特徵、機器學習模型訓練、建立布料樣式檔案，對和明來說，這也是目前的一項重大突破。
在實際成果上，過去從接單到提供樣布，平均約需要 1.5~3 個月的時間，但是藉由機器學習的方式改善整個生產流程，已經將這種過程縮減至只需 2-3 天，產品導入市場的時間提升 25%，即使是重新設計，從樣本到推出市場的時間，也由以往的 12 個月降低到 9 個月。
Google 雲端企業客戶經理田哲禹表示，要讓人工智慧可以被更多人使用，必須從運算、演算法、數據、人才等四個層面開始，以知名音樂辨識應用程式 Shazam 為例，過往該公司透過錄製的聲音片段與超過 4,000 萬首歌曲進行配對，更新速度相當緩慢，平均是一天一次，但是在 Google Cloud GPU 的協助下，現在已經成功更新速度提升至每小時一次。
除了 GPU、CPU 和 Cloud TPU等機器學習工具，Google 的雲端 AI 也為廠商提供機器學習的服務，Google 也在日前推出 Cloud AutoML 的第一款產品 Cloud AutoML Vision API，讓一般公司即使無法像大型企業投入大量資源和人力操作，也能開發出符合自身工作需求的客製化機器學習模型。
在演算法方面，Google 希望透過量身打造的機器學習模型、客製化的機器學習模型，以及訓練過的機器學習三個面向提升運作效率，目前Google Cloud AI提供機器學習的服務，包括TensorFlow、雲端機器學習服務(Cloud Machine Learning Engine)以及預先訓練過的機器學習模型來執行各式演算法，像是 AIRBUS 透過機器學習來辨識衛星拍攝的照片，就是利用演算法轉型的一個成功案例。
至於數據方面，所有有關數據的蒐集跟分析都是機器學習的一環，Google藉由公開分享的多樣數據資料庫，例如基因組序公開數據，幫助企業學習如何蒐集與整理有用的數據資料，做為後續分析、應用的來源。
田哲禹還談到培育機器學習人才，像是過Google Brain Residency計畫，每年便資助全球超過250個相關學術研究計畫、大量博士生與實習生。此外，Google進階解決方案實驗室(Advanced Solutions Lab)，讓企業能與Google機器學習專家們面對面交流和學習。以 Kaggle 為例，該公司就有超過 100 萬的機器學習專家，主要用來解決 AI 在機器學習碰到的挑戰。
田哲禹表示，人工智慧是個很難的事情，Google 希望盡力降低門檻，協助企業轉型，像是這次與和明的合作是比較特殊的合作範例，希望透過客製化機器學習模組，打造專屬紡織產業的模型。
整體來說，和明紡織的案例是台灣傳統產業應用現有數據優勢進行數位轉型的一個成功案例，不過根據李佳憲透露，和明紡織在轉型的過程中，其實仍保留自家的紡織科技實力，同時額外增加成本投入智慧製造，初期的和明投入了一名工程師協助辨識超過 5000 個樣本，接下來會引進 6 名外來人力，希望能複製現有成功經驗，將樣本數提升到 3 萬，終極目標是希望能夠打造另一個可以比快時尚還要更即時反應的智慧工廠，創造新的獲利。
李佳憲表示，現在是一個比快的時代，怎麼運用機器學習技術，提升市場競爭力、讓設計師有更多時間找到靈感，這項合作將讓設計產能大幅提升，初期來說，2 年內已經累積超過 1 萬個設計樣式。未來希望將這樣的成功合作經驗開放給更多設計師學習，甚至要利用應用程式成立設計師社群、進而提供開放的樣式資料庫平台，將生產經驗數位化並將能重複運用、促進製造業的循環經濟，為紡織業找出另外的商業模式，帶領台灣紡織產業走出代工、建立自有品牌。
讀者迴響