一直以來我們都致力在推廣雲端機器學習的技術，今年1月，我們首度發表了Cloud AutoML，並推出其第一款產品Cloud AutoML Vision API，希望提供企業更彈性化的雲端服務，讓一般缺乏大量金錢和人力資源的中小企業，也能開發出符合自身工作需求的客製化機器學習模型。我們很高興看到台灣紡織業代表—和明紡織，運用TensorFlow和Google雲端平台創新紡織產業作業模式，成為台灣首個透過Google機器學習技術結合雲端平台應用成功轉型的企業案例。

傳統紡織業面臨高人力與時間成本的挑戰
如今每個產業都在以更快的步調發展，台灣紡織業面對全球快時尚產業興起的趨勢，也需要加快腳步，思考如何讓產品更快進入市場，才能適應新一代的產業樣貌。然而傳統紡織業的作業模式，無論是在設計、挑選、紡紗、織布、染整等過程，都會消耗大量的人力和時間，其中光是以人工方式辨識布料材質，就可能要費時40至45天，若挑選或辨識的過程稍有錯誤，重新生產甚至可能要多花3個月的時間，才能將產品順利交到客戶手中。此外，傳統紡織業所採用的舊有倉儲技術，已無法負荷數以千計的紡織設計樣品，不僅造成過往累積的生產經驗及技術難以被有效被保存，樣品的尋找跟建檔過程也十分繁瑣耗時，讓生產技術和樣品難以被再次利用。
Google機器學習與雲端平台協助和明紡織迎向產業創新與轉型
我們的合作夥伴－和明紡織，一直希望能將累積多年的專業經驗和技術，有效結合科技智慧，讓其能以系統化的數據形式完整保留，方便後續進行分析再利用，進而協助提升企業營運效率，因此從去年10月起便開始透過TensorFlow和Google雲端平台，陸續將生產過的布料樣式進行數位化建檔，並利用機器學習技術訓練布料樣式的辨識模型，幫助設計師能快速從資料庫中搜尋特定樣式。
和明紡織運用TensorFlow和Google雲端平台將布料樣式數位化建檔，簡化工作流程並創新服務模式


我們非常高興看到和明紡織運用Google雲端平台和機器學習，有效簡化舊有作業方式及流程，以往從靈感發想、設計、看樣到提供樣布的時間，從原本的1.5至3個月縮減至2至3天；另一方面，把新設計帶到市場平均所需的時間也預估能大幅降低25%，從原先12個月縮短至9個月。在不久的將來，和明紡織也希望透過開發一個以機器學習和雲端服務為基礎，集結紡織面料樣式的應用程式，並加入社群功能，實現將設計人員之間的溝通現代化的目標，同時讓過往生產知識及技術能被產業再次利用，促進包含紡織業在內的製造業的循環經濟。
以運算、演算法、數據與人才四大重點，推廣雲端人工智慧應用
為了讓更多企業和開發人員能更容易、快速的運用人工智慧，並讓人工智慧更能貼近每個人的生活，我們在發展雲端人工智慧服務也特別著力於以下四大重點：
運算：因應人工智慧相關應用有龐大的運算需求，Google Cloud AI提供全方位的運算能力，包括GPU、CPU和Cloud TPU，為機器學習提供基礎的動力。例如知名音樂辨識應用程式Shazam便採用Google Cloud GPU，將使用者錄製的音樂片段與超過4000萬首歌曲的索引進行配對，原本每天一次的歌曲索引更新速度，變成如今每小時一次，成功藉由雲端大幅提高運算效能。

演算法：高效的運算能力只是第一步，還必須透過正確的工具來執行各種演算法。因此Google Cloud AI提供一系列機器學習服務，包括TensorFlow、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。

數據：我們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。

人才：我們也持續投入資源培育機器學習人才，例如透過Google Brain Residency計畫，每年資助全球超過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。

和明紡織的案例可以視為台灣傳統產業結合智慧科技轉型的領頭羊，而Google雲端也將持續優化現有的雲端機器學習服務，希望在未來能逐步擴展並運用到不同產業，協助更多提升台灣企業提升市場競爭力。

本文作者：Google雲端企業客戶經理 田哲禹