創新產業小聚 2017。 為期四周的工作坊，以人工智慧 (Artificial Intelligence) 為主題，透過設計思考 (Design Thinking) 的基本價值，搭配 DDADD 五階段開發流程，試圖從參與者所在行業領域中，模擬開發一個人工智能方案。 其中，DDADD 分別是 Define - Data - Analyze - Desing - Deliver。

1. 人機協作 迎向 AI+
世代
創新產業小聚 | Nov-3, 2017 | 曾憲鈺

2. Week-1 Overview

3. 人工智慧的組成基礎
演算法
大 數據
雲端運算
準
快
互聯網 加

4. 人工智慧的技術本質與商業本質
Machine Learning
(AI)
技術的本質 商業的本質
分類 分群 迴歸 提昇經營效率
決策

5. 導入人工智慧所需要的團隊
科學家
負責提供相關的技術
領域專家
負責提供領域知識並解讀數據
推動者
負責整合團隊並推進計畫

6. 團隊開發 專案的五步驟
D 定義
D 數據化
A 分析
D 設計
D 執行
Week-1
Week-2/3
Week-3
Week-3/4
Week-4
創新產業小聚

7. Week-2 Define

8. 步驟一：Define 定義
● 哪一個行業領域？
● 出了什麼問題？(重複性高、被抱怨最多...)
● 你如何描述這個問題？
● 跟這個問題的相關的流程或任務？
HMW:
我們如何藉由【 什麼方法 】，
幫助【 什麼人 】
解決/達成/去除… 【 什麼問題 】

9. Week-3 Analyze
Data
Design

10. 數據，是什麼？
有了互聯網，數據才會大量產生。這些數據不是
用戶自覺填寫的數據，比如姓名、年齡、住址、
愛好等，而是用戶在使用互聯網時自動產生的數據
，比如每一次搜索、每一次點擊就是一種數據，
每一次移動軌跡也是一種數據。
《智能革命》李彥宏等
“

11. 步驟二：Data 數據化
● 在【這問題】當中，圍繞在【這個人】週邊有哪些數
據？
● 這些數據你認為哪些是有用的？
● 這些數據哪些是可得的？哪些是不可得的？
● 這些可得的數據品質如何？你是如何判斷的？
● 那些未得卻有用的數據，你預計如何取得？

12. 數據 推動 人工智慧
《智能革命》李彥宏等

13. 人工智慧下 數據的特性
《智能革命》李彥宏等
大
流 多維度
非結構化 重複

14. 數據的完整度直接影響人工智慧方案
無數據 有數據
有整合
未整合
系統資訊化
系統資訊整合
曾憲鈺

15. 高度整合有效數據再談人工智慧方案
有效數據少 有效數據多
高度整合
低度整合
有數據
有整合
進入 (AI)
人工智慧
領域
進入 (BI)
商業智慧
領域
先去
完善數據
與
整合數據
曾憲鈺

16. 曾憲鈺
AI 從這裡開始
無數據
系統
資訊化
有數據未整合
系統
資訊整合
數據少低整合
數據多低整合
數據多高整合
完善數據
整合數據
商業智慧

17. 工作表單

18. Amazon Go (Video)
https://goo.gl/zbHaCu
How Amazon Go Will Work (Video)
https://goo.gl/aYL4cC

19. 看得懂
聽得懂
能決策
能動作
數據
流程
因素

20. Week-4
Design
Deliver

21. 【 】運用人工智慧提案
各位知道嗎，【目標用戶–Who】正在經歷【痛點–Pain | 問題描述–Problem】。
我們所提供的【產品名稱–Product】是一種【產品類別–Product Category】，
具有【產品功能與特性–Functions and Features】，
能夠為客戶【價值主張–Value Proposition | 達成某個目的或效果–Goal】。
不像市場上其他類似產品，我們有【關鍵差異點–Key Differentiator】，
因為我們採用了【技術–Technology | 方法–Method | 工具–Tool】。
我們的願景是：【你為什麼關心這個問題？世界/社會可以因你而怎樣改變？】，非常
希望您能支持我們，因為【標語-Slogan】。

22. 1. 從眾多點子
中，每人挑
出兩個
2. 以圖像和文
字表達該點
子的特點或
為用戶帶來
的好處

23. 人機協作 迎向 AI+ 世代
https://goo.gl/tjk7eR