AI 人工智慧在食品產業的應用

　　AI 人工智慧在食品產業的應用，您能想到些什麼？在這個不斷創新的世界，有哪些技術已面市？1985年奇幻電影回到未來，有哪些當時的幻想已實現? 這篇文章希望擴張食品產業對AI人工智慧的想像力，提升食品產業對AI看法的高度，不侷限也不無限上綱。我們很同意人工智慧始終來自於人的智慧，一方面「人」不可妄自菲薄，同時也不能自大驕傲。

　　時代巨輪轉動之快，現在我們談AI 人工智慧在食品產業的「應用」，不需要再過幾年，可能AI 人工智慧「inside」不只是應用，可能已經是各行業的必備條件。您在表面上可能看不見影星際大戰系列R2D2的外型，或是世界上第一個獲得國籍的機器人美麗的蘇菲亞。而真真切切人工智慧就已經在您的產業內的日常生活之間。下面，我們將為大家介紹三個案例的食品產業AI奇幻之旅。

　　記得前兩年，大家流傳著秦皇島冷凍水餃工廠的影片，在影片中看到從和麵糰、放餡再到捏水餃，一條完全乾淨整潔的生產線，沒有半個工人在現場；柔軟的氣動抓手，安全抓起特別柔軟的麵皮，精準定位的起抓到輕輕安放餃子，突破了包餃子機器原來限制的麵糰水分含量，甚至可能已突破人手包餃子能處理的輕柔極限。據該內文報導，該廠雇用員工在20人以下，而且大部分員工都在控制室及試驗室中工作，生產線上裡看不到一個工人。這樣的生產線，大大的節約了人力成本，提高了生產效率，至少，在現場人員的衛生清潔度來說，就大幅地提升，降低人員的汙染。您可能反問，人工智慧就是這樣嗎？就是有一套機器人取代手工包水餃？ 不過是操作而已，也許有人說[我不同意，我還是覺得手工水餃有人的溫度才好吃]，但這真的是事實嗎？我們接下來看麥當勞的案例；在2018年的報導中指出，麥當勞食品工廠中他們力行自動化讓員工有更多時間更專注於客戶。麥當勞技術與架構高級總監Joel Eagle，主要負責經營效益的提升，他著手針對機器學習（machine learning）和雲計算（cloud computing ），以改善麥當勞「內部客戶的體驗」。並尋求AI改進的下列領域：

1. 透過分析，改善後端系統和操作的效率。
2. 提高新進員工接觸設備、機器人自動化等介面過程的效率。
3. 銷售點終端的雲架構，連接電子商務和移動應用。
4. 消除故障點並提高可用性。

麥當勞的案例，跟現在任何一家食品公司一樣：工具、供應商和記錄系統目前全都不在一塊兒，必須進行拼湊整合，而這就是AI化過程最新苦的點。從這上述工作來說，已為麥當勞在2017提升了營業額的5.5%。這裡面沒有操作的部分，只有提高新進員工接觸設備、機器人自動化等介面過程的效率；更多的是改善操作效率、整合數據來源與消除故障點來提高效率。

　　從第一個案例，使用者讓AI提升並且突破，人手的靈巧; 第二個案例，使用者利用AI讓後端生產系統優化生產，利用聰明的機器，幫助新入職員工，結合銷售點終端的雲架構，連接電子商務和移動應用 人工智慧（AI）可以幫助及時製造食物，並可根據需要將機器轉變為行動。接下來，他們還提出要以人工智慧來改善招聘經理的流程。

　　在我們介紹第三個案例之前，先介紹一則高度人才專業的產業，它也要AI inside，是想要把專家顧問也用AI取代掉了嗎？埃森哲公司（Accenture；NYSE：ACN）是一個管理諮詢、資訊技術和業務流程外包的跨國公司。2015年埃森哲在55個國家、200多個城市有超過38萬4千名員工，營業額約329億美元，是世界上大型管理顧問公司之一，其客戶包括《財富》世界500強中超過八成的跨國公司、各國政府機構以及軍隊。他們已經將大約2.3萬個崗位自動化，並重新部署了員工。埃森哲的45萬名員工將隨時會被重新分配工作角色，所以他們需要重新掌握新的技能。為了幫助員工完成這一轉變，埃森哲自主開發了一款機器學習的應用，它可以掃描簡歷，並預測一名員工的工作何時將變得不再重要。這個APP將會結合員工的工作經驗，為他們所在崗位潛在的不必要性打分。例如，因為AI和自動化的應用，一名員工的技能將在18個月內過時。所以，辛苦的是，其中的員工必須不斷升級、升級再升級。

　　第三個案例是，中國大陸食品製造商宣稱正利用國家型計畫，利用配備模仿人眼、鼻子和舌頭等感測器的機器人來為食品品質把關。其AI會分析來自感測器的數據，能比人類更快辨識出食品色香味的區別，準確率可達人類的90%，同時沒有個人品味和偏見。參與這項政府資助的AI嚐味計畫逾3年的10多家食品製造商回報其獲利顯著提升。具學習能力的機器人能部署在產線的各個點，以監控從原料到最終產品的食品狀態。這些機器人配備了電子和光學感測器來模擬人眼、鼻子和舌頭，其大腦運行神經網路演算法，在數據中尋找模式。該機器人可同時自動調節生產節奏和其他條件，確保所有食品具有相同的色香味，它在不破壞食物的情況下收集外觀和氣味訊息，但需用人工舌頭戳破產品以品嚐食物。而機器人的精確度比人類高並且穩定，且能在不到1秒內完成品嚐並繼續全天運行，自動化嚐味測試有利於提高生產力和業務，因為機器人舌頭永遠不需要休息。但確實也還有食品專家表示，評估風味應該由人類來做，因為這個案例中，目前還存在著風險，也就是這一套系統還是需要正確的感官分析數據餵給AI，否則也只是另一種儀器分析而已。另外，擔任品管與製程維護的腳色絕對沒有問題，但是擔任研發與行銷就還有很長遠的路了。

　　看完最後一個案例，可能給大家一個觀念，到此，食品業大概就全體AI化了，食品專業人力(或人才)的傳統功能不復存在。有人說[不可能！我累積一甲子的和果子工藝，哪裡是這些鐵片可以比擬？或者，我才能精準地調出美酒，哪裡是一套程式可以做到？]。李開復去年出了一本暢銷書「AI新世界」，他預測了未來40種工作的前景，分成4大類，每類各有10種。第一類是「名存實亡」的工作，很快會被淘汰，如電話行銷員、電話接線員、收銀員、速食店員等；第二類是「抱火臥薪」的工作，看似安全，實則危機四伏，如保全人員、卡車司機、記帳員、市場研究等。第三類是「有驚無險」的行業，指的是看似危險但其實很難被取代的工作，如清潔工、保母、養老護理員、導遊；最後是「高枕無憂」類，包括醫療護理人員、小說家、電腦工程師、老師和管理者（真正的領導者）。在第四類的工作者中，AI是他們的工作工具，必須化被動為主動，把牌喊回自己手上。其實這才是面對產業必須AI化的浪潮，最重要的核心思想。

以前面三個階段的AI在食品產業的應用，我們大概歸納食品產業戰略如下：

1. 釐清手作與量產的真實差異與核心價值。當AI技術已超過75%的手作技能，何不考慮採用AI提高產品的衛生清淨程度？
2. 建立可預測的生產模式以優化投料與產能。可預測的生產模式優化投料與產率，已在其他產業驗證得很好，例如台塑精煉廠，就已經應用模式預測的方式，掌握投料，bypass產物，提高產率並降低污染。同理，在食品產業更好的應用在於發酵製程的管理，當目標是二級代謝物的程序，更是絕妙應用，因為可以建立原料與一級代謝物的濃度，智慧化調整製程條件。
3. 釐清食品產業與其他產業最特異的感官分析工作那些交給機器，那些交給科學化系統建立的執行人員與品評員。人類之不同於人工智慧，最終的關鍵點在於創新思維，人工智慧的演算法，目前尚無法突破以產出有自己思維的人工智慧。再者，人的喜好跟人的命盤一樣，雙胞胎雖有一模一樣的命盤，但也不是一模一樣的命運，因為人的喜好，主要建立在成長過程的每一次印記，造成人類對於食物的反應。所以，在嚐味機器人來說，應用於例如生乳的品管，這一類尚無法確認成品衛生條件的情況，或者生產線上溫度無法入口，對人會有傷害的情況下，若AI被人正確地以感官科學的方法訓練好了，都是很好的應用。但是，如果希望創新產品開發，解決產品問題，可能得要更大的資料庫，更高級的演算方法，目前技術尚未突破，就好像不可能產出一組產品上市必勝方程式，一樣的意思。

　　若回歸到目前市面上可見AI在食品產業（包含快消品與品牌品）的應用面，大概可以適用於兩種主軸：

1. 生產品管（快消品應用多），優化模式階段，可能有部分屬於預測模式應用。
2. 行銷研發（品牌品應用多)，消費者期待更高品質的特製化商品），預測模式階段，必須先建立蒐集數據的方向，逐步建立典範型案例，最終建立預測模式。

　　下面介紹一常見被圈定可以導入人工智慧化的工作，例如產品設計和規格(用於食品加工的配方)、原材料(或成分)、用於生產規模的設備、工具和機器、場所(加工廠，工廠車間等)，公司組裝/加工貨物的地點、安全和品質控制、遵守政府/國際監管標準、產品包裝和跟蹤系統、庫存管理存儲和分配、物流和運輸分銷、營銷和公共關係、與合作夥伴和中介機構長期合作銷售、後台運營、跟蹤品牌供應鏈，製造和物流流程的銷售和訂單跟蹤等，廣泛地應用於食品或非食品的產業可用。

　　最後跟大家介紹一下3組目前被發表討論的食品產業AI應用的成績與效能：

I Leading2Lean是流水線製造軟體和雲計算解決方案提供商，通過數據分析來檢測和消除低效率，幫助企業實現可持續的流程改進。公司幫助俄亥俄州的特種食品製造商Lakeview Farms大幅降低了生產線停機時間(34%)，設備維修成本(15%)和工人加班比率(17%)。

II Hewlett Packard Enterprise副總裁兼伺服器和物聯網系統總經理Tom Bradicich博士指出，自動化、深度學習和AI有望成為食品和飲料生產行業的遊戲規則改變者，它將大大減少人為錯誤，提高質量並提高銷售。他的團隊目前正在推出一種名為Converged Edged Systems的新產品，旨在建立生產環境，提供更高的可靠性，同時減少所需的能源、空間和成本。

III 品牌品公司可以使用AI與觀眾保持強烈的共鳴。通過密切關注社交媒體上的對話，企業可以使用AI來分析消費者數據，推測其情感或行為，這在開發新產品的過程中非常重要。

　　最後加一個台灣的非食品產業，但足引以借鏡的案例，台塑光是原油提煉的常壓蒸餾製程，從前以人工，現在以人工智慧來控制溫度，讓柴油、航空燃油與各種油品可在最佳汽化點分離。這項專案的初始成果在第三煉油廠的柴油分離製程，每年就可為台塑化增加1億多元的收益，效果卓著。有幸樞紐也透過台塑的系統顧問公司一同加入過此專案的起始期。利用多變量分析軟體協助建立預測模式，並持續[餵]數據給模組調整模組的預測能力(類似機器學習的動作)。

　　其實，AI人工智慧，並不是專屬於大財團，也不是公司裡面有人懂即可，不論企業規模大小，若是能真正理解了人工智慧的用處與影響，才能清楚衡量利弊得失，以最合適的資源及方式來接納它，第一步就是透過多變量分析軟體針對先導部門(或功能)建立起始模組以便持續運用。