叡揚 AI 發展
叡揚資訊35 歲了! 叡揚資訊的發展歷史軌跡如同台灣企業組織IT 治理化的縮影,35 年來,我們陪著公部門、金融業及醫療製造業,從自動化、系統無紙化到智慧化。在智慧化這段,叡揚發展AI 技術的導入與應用著重在訓練資料整備、AI 模型優化、AI 智慧技術可解釋,並持續更新於各產品線,如公文系統、HR系統、智慧對話機器人及知識管理系統等等。
像是叡揚公文系統,25 年來,導入近2萬家客戶,觸及政府金融甚至製造科技業,近年我們最引以自豪的為把 AI 技術導入公文系統。20 多年前,我們常思索為何英文的文書處理都有英文Spelling check 與豐富的書後索引,但中文世界似乎尚未出現這樣的服務?這開啟了叡揚斷斷續續地投入NLP 領域,也因此大約在2012 年左右,公司研發團隊看到神經網路(Neural Network) 與深度學習(Deep Learning) 技術有突破時,就重啟並加碼以解NLP (Nature Language Processing)的問題,這也讓我們再一次於重要的新技術走在領先群,並有機會幫勇於嘗試新技術以尋求突破的一些政府單位一起解決問題。
例如:在台北市政府利用NLP 技術來解決「民眾申訴」的自動分派以減少人為分文的人力,又如在智慧財產局針對全球6 大專利局作「專利分類」,以提供更好的服務給專利審查員與台灣專利申請的廠商,就我們所知,台灣智慧局這樣的做法幾乎跟日本智慧局是同時間啟動的,足見台灣在新科技的探索並不落人後,我們也很高興在投入研發之後,有機會參與了這些重要的早期計畫,這對未來我們繼續深入並將這些技術延伸加值於我們產品以及其他計畫都是關鍵。
AI 應用落地化
叡揚 AI 研發歷程與主軸可分為 4 個部分。最初從研究基礎的自然語言處理(Natural Language Processing,NLP), 如命名實體識別 (Named Entity Recognition,NER)、 關鍵字擷取 (Keyword Extraction)等技術;2016 年執行產業專利知識平台系統建置計畫,發展文字處理技術,接觸推薦系統 (Recommender System)等技術。2018 年投入聊天機器人領域(Chatbot),2020 年進一步延伸至光學文字辨識 (Optical Character Recognition,OCR) 等。至今,叡揚在NLP、機器學習 (Machine Learning, ML)、深度學習(Deep Learning)、自然語言理解(Natural Language Understanding,NLU) 等領域儲備了豐沛的技術能量和實務經驗。綜觀世界AI 發展,國外有技術但並不一定了解台灣的應用方式和需求,叡揚可以將應用在地化,結合台灣產業、使用者的習慣、文化或是規範等,整合出最符合市場需求的產品與服務,運用AI 可以使生活型態更便利,企業也能提升營運效率增加獲利。
叡揚在人工智慧領域已發展出技術詞萃取、自動分類、文件相似度、推薦系統、以文找文、以圖找圖和智能機器人(Chatbot) 等成果,例如在公文自動分文上已達到90% 以上的準確率。另外像是以文找文以專利、計畫、論文的落地應用場域即為科技部的「專題研究計畫申請書比對系統」,讓每年約收到2 萬件專題研究計畫,透過AI 技術加值防止抄襲與一稿多投等情況,同時透過增量學習 (incremental learning) – “lifelong learning” , 來持續進行的學習及訂正,訓練資料來自客戶回饋,持續循環進行。