走出代工！和明纺织成为Google在台导入机器学习转型首例
现今产业透过云端大数据搭配机器学习技术发动变革相当常见，不过你绝对想像不到，一间你可能耳熟能详的纺织工厂，竟然也需要这类的现代技术来推动转型。Google 在台湾的机器学习媒体聚会当中，宣布已经有首间台湾本土纺织企业透过 Tensorflow 跟 Google cloud 平台技术，挹注智慧创新，下一步还要发展智慧工厂。
目前纺织产业出口占台湾整体出口的 30%，是相当重要的产业，而这间在台湾导入机器学习应用的首例，就是「和明纺织」，该公司最大的客户也都来自海外，举凡 Ralph Lauren、J.Crew、Filson 以及 Buberry 等品牌厂，都是和明纺织的客户。
和明纺织策略执行顾问李佳宪表示，和明纺织在这 40 年来，已经累积超过 10 万种花色，当中不乏记录着包括每个案子所采用的颜色、纹理、材质、光泽与织法，是台湾纺织产业的资产，然而纺织工厂目前受到的挑战是无法因应突如其来的变化，好比说客户突然希望某个样料，但是和明光是在台北就有 1 处、台南 2 处生产基地，设计师要先在这些地方找到相对应的布料，就已经需要 45 天，然后技术人员就需要依照花色、样料与设计整个打版完成之后，进行实作，接着打样给客户，如果客户是在美国，那么以往的做法，就是要把样本带去美国确认之后，才能下订，当工厂收到件跟订单之后，才能开始量产，整个过程耗工费时。
这样的生产方式面对海外品牌 Zara、Uniqlo 这类强调「快时尚」的外在市场竞争，以及大陆淘宝平台的步步进逼，成为和明积极想要朝向智慧转型的主要原因。
李佳宪透露，和明在转型的过程中碰到的包括技术、人才与器材投入的成本问题，因此目前导入 Tensorflow、Google 云端平台来改善搜寻跟挑选的模式，搭配资讯设备的投入，好比说影像辨识资料库当中所需的硬体成本，透过云端服务可以大概预估每个月、每年需要多少产出，也不用背负太多不必要的资本支出。
如今和明借由导入 Google 云端与机器学习应用包括布料拍摄、人工标签布料特征、机器学习模型训练、建立布料样式档案，对和明来说，这也是目前的一项重大突破。
在实际成果上，过去从接单到提供样布，平均约需要 1.5~3 个月的时间，但是借由机器学习的方式改善整个生产流程，已经将这种过程缩减至只需 2-3 天，产品导入市场的时间提升 25%，即使是重新设计，从样本到推出市场的时间，也由以往的 12 个月降低到 9 个月。
Google 云端企业客户经理田哲禹表示，要让人工智慧可以被更多人使用，必须从运算、演算法、数据、人才等四个层面开始，以知名音乐辨识应用程式 Shazam 为例，过往该公司透过录制的声音片段与超过 4,000 万首歌曲进行配对，更新速度相当缓慢，平均是一天一次，但是在 Google Cloud GPU 的协助下，现在已经成功更新速度提升至每小时一次。
除了 GPU、CPU 和 Cloud TPU等机器学习工具，Google 的云端 AI 也为厂商提供机器学习的服务，Google 也在日前推出 Cloud AutoML 的第一款产品 Cloud AutoML Vision API，让一般公司即使无法像大型企业投入大量资源和人力操作，也能开发出符合自身工作需求的客制化机器学习模型。
在演算法方面，Google 希望透过量身打造的机器学习模型、客制化的机器学习模型，以及训练过的机器学习三个面向提升运作效率，目前Google Cloud AI提供机器学习的服务，包括TensorFlow、云端机器学习服务(Cloud Machine Learning Engine)以及预先训练过的机器学习模型来执行各式演算法，像是 AIRBUS 透过机器学习来辨识卫星拍摄的照片，就是利用演算法转型的一个成功案例。
至于数据方面，所有有关数据的搜集跟分析都是机器学习的一环，Google借由公开分享的多样数据资料库，例如基因组序公开数据，帮助企业学习如何搜集与整理有用的数据资料，做为后续分析、应用的来源。
田哲禹还谈到培育机器学习人才，像是过Google Brain Residency计划，每年便资助全球超过250个相关学术研究计划、大量博士生与实习生。此外，Google进阶解决方案实验室(Advanced Solutions Lab)，让企业能与Google机器学习专家们面对面交流和学习。以 Kaggle 为例，该公司就有超过 100 万的机器学习专家，主要用来解决 AI 在机器学习碰到的挑战。
田哲禹表示，人工智慧是个很难的事情，Google 希望尽力降低门槛，协助企业转型，像是这次与和明的合作是比较特殊的合作范例，希望透过客制化机器学习模组，打造专属纺织产业的模型。
整体来说，和明纺织的案例是台湾传统产业应用现有数据优势进行数位转型的一个成功案例，不过根据李佳宪透露，和明纺织在转型的过程中，其实仍保留自家的纺织科技实力，同时额外增加成本投入智慧制造，初期的和明投入了一名工程师协助辨识超过 5000 个样本，接下来会引进 6 名外来人力，希望能复制现有成功经验，将样本数提升到 3 万，终极目标是希望能够打造另一个可以比快时尚还要更即时反应的智慧工厂，创造新的获利。
李佳宪表示，现在是一个比快的时代，怎么运用机器学习技术，提升市场竞争力、让设计师有更多时间找到灵感，这项合作将让设计产能大幅提升，初期来说，2 年内已经累积超过 1 万个设计样式。未来希望将这样的成功合作经验开放给更多设计师学习，甚至要利用应用程式成立设计师社群、进而提供开放的样式资料库平台，将生产经验数位化并将能重复运用、促进制造业的循环经济，为纺织业找出另外的商业模式，带领台湾纺织产业走出代工、建立自有品牌。