8月初，谷歌前CEO施密特原本在全美最難進的私立名門大學之一史丹佛，針對人中龍鳳的閉門座談，因為網路傳播其爭議發言被炎上。施密特對史丹佛高材生提到希望他/她們將來都會進矽谷創業、就業，也就是軟體業為主，那麼正熱的AI必是未來科技要角們關心的。公立頂尖大學柏克萊的AI黑客松中決選團隊挑選的項目，就很有參考價值。
【加州大學柏克萊分校2024年AI黑客松】
頒獎典禮上OpenAI創始成員安德烈·卡帕斯（Andrej Karpathy）發表主題演講。在371個競賽隊伍中，脫穎而出的前8名的團隊登台展示各自的AI解決方案。柏克萊AI黑客松總獎金高達10萬美元，以表彰AI領域的創新和創造力。
▰▰▰▰▰▰▰▰▰▰▰▰▰ ⓵ Revision（STEM教科書AI co-pilot內容篩選） 技術：自然語言處理 （NLP） 技術+機器學習模型+LLM。 解決問題： STEM教科書通常缺乏科學領域女性和有色人種的代表。目前的偏見檢測方法速度慢、成本高，且仰賴帶有偏見的審查人。 解決方案： 由AI驅動的co-pilot工具，可與教科書編寫和修訂過程整合。使用機器學習模型和大型語言模型 （LLM） 分析文本中性別、種族和其他類別的偏見。 提供減少偏見的建議，包括：1.識別來自不同背景尚未被認可的科學家。2.替代辭彙以避免性別偏見語言或刻板印象。3.更多資料來源代表不同觀點。4.檢測文本中的情緒偏見。 優點： 解決 STEM 教科書中的重要偏見問題：促進STEM領域的多元化和包容性。 1.結合機器學習和LLM來穩定檢測和減少偏差。 2.提供減少偏見的建議，而不僅是突顯有問題的文字。 3.透過API整合評估寫作的情感基調。 4.教科書出版商之外的市場潛力與社會影響力。 缺點： 1.AI模型在偏差檢測方面的準確性和有效性需進一步測試。 2.原型階段使用者介面待優化。 3.對Hume等API的依賴增加了複雜性和潛在成本。 機會： 將目標市場擴展到教科書出版商之外，包括： 1.各種教育內容創作者（例如線上課程、教育遊戲）。 2.一般內容創作者（例如新聞文章、行銷資料）。 3.想買過濾掉偏見的教材的消費者。 4.與教育機構和教科書出版商合作以大量採用。 5.從更多用戶群收集數據，以持續改進AI模型。 挑戰： 1.讓教科書出版商和教育工作者相信其價值主張，尤其是在初始市場可能有限的情況下。考慮推廣到教科書之外，進入更大的市場（評審建議）。 2.確保AI模型本身公平且公正，避免長期存在刻板印象。制定明確的擴展和用戶採用策略。 3.在偏見檢測和緩解過程中平衡自動化與人工監督。探索驗證AI偏差檢測準確性的方法。 ▰▰▰▰▰▰▰▰▰▰▰▰▰ ⓶ Agent OS （使用自然語言建立多重代理工作流程） 技術：自然語言處理（NLP）+多代理系統設計（協調不同的LLM和API以實現特定目標）+API整合（連結外部服務和資料來源） 多重代理 （multi-agent ）可以是：1.ChatGPT等大型語言模型 （LLM）。2.由使用者建構的自訂工具。3.預先建置工具。 目標市場：最初設定很廣，包括：小型企業（如髮廊、農場）和企業客戶（如金融機構） 價值主張： 1.讓程式語言零經驗的使用者能利用LLM來完成複雜任務。 2.允許使用者建立跨多重代理的多步驟工作流程。 3.提供使用者友善介面，用於建立工作流程並與彼此互動。 優點： 1.解決非技術使用者複雜的LLM使用挑戰，用自然語言創建多重代理工作流程的創新方法。 2.平台靈活，可處理各種任務和使用者類型，具跨行業廣泛應用的潛力。 3.為非技術用戶提供複雜AI工作流程的民主化訪問。 4.可擴展的架構允許垂直和水平組織結構。 缺點： 1.依賴LLM的準確性和可靠性。 2.最初缺乏對特定目標市場或用例的關注。 3.具有各種授權需求的多重代理工作流程的安全影響。 4.需要示範如何針對特定任務最佳化工作流程。 機會： 1.與現有的LLM提供者和工作流程自動化工具合作。 2.聚焦特定產業，開發產業特定代理庫。 3.開發工作流程最佳化和效能監控功能。 4.透過強大的身份驗證和授權解決方案解決企業安全問題。 挑戰： 1.克服目前LLM技術的限制。LLM輸出的可靠性欠佳，會受質疑。 2.確保多代理環境中的安全性和資料隱私。 3.展示核心技術和解決安全的專業知識至關重要。 ▰▰▰▰▰▰▰▰▰▰▰▰▰ ⓷ Skyline （代理人基模型優化城市規劃和資源分配） 技術： 1.代理人基模型（Agent-based modeling，ABM）：模擬城市環境中個體主體的行為。 2.機器學習：分析代理行為模式並優化城市運作。 3.地理空間資料分析（Geospatial data analysis）：對交通流進行建模並在地圖上視覺化結果。 優點： 1.使用代理人基模型進行城市優化的創新方法，透過具有獨特需求和偏好的個體代理來考慮人類行為。 2.透過減少碳排放對環境影響的巨大潛力。 3.代理模擬和交通優化。旨在優化流動性和環境影響。 缺點： 1.需要大量ABM，增加計算成本。 2.依賴代理人基模型的準確性，複雜度拉高。 3.結果的有效性和普遍性待證明。 4.從軟體中獲取價值的商業模式待釐清。 機會： 1.與市政府和城市規劃機構合作，在現實世界中實施。 2.探索交通和運輸以外的應用程式（例如資源管理、安全）。 3.開發用於模擬特定場景並評估各種政策選項的功能。 挑戰： 1.雙生數位城市與模擬公民的概念很棒。確保代理群體的多樣性和代表性。確保代理模型準確地代表真實的人口統計數據。 2.平衡計算效率與模型複雜度。 3.根據真實數據驗證模擬的準確性。強調確保準確且具代表性的模擬數據的重要性。 4.軟體開發可持續的商業模式。 ▰▰▰▰▰▰▰▰▰▰▰▰▰ ⓸ Spark （AI驅動的電話行銷軟體工具） 技術：使用語音辨識和情緒分析來理解對話的情緒基調。 目標市場： 初期：年輕的企業家和缺乏經驗的銷售專員。 擴張：電銷中心和銷售團隊。 價值主張： 1.透過辨識對話中的情緒觸發點，幫助用戶提高電話行銷的有效性。 2.根據分析的數據提供見解和建議。 3.根據使用量提供分級定價。 優點： 1.解決銷售專員面臨的共同挑戰：提高電銷的有效性。 2.使用AI分析情緒，提供有價值的回饋。 3.提供使用者友善介面，用於上傳成績單和接收回饋。 4.可擴展的定價模型滿足不同用戶需求。 缺點： 1.憑藉現有解決方案進入競爭激烈的市場。 2.依賴情緒分析的準確性，具挑戰性。 3.未能整合進更廣泛的銷售管道和 CRM 系統。 3.初始目標市場（年輕企業家）的服務對象有限。 機會： 1.與銷售培訓公司或 CRM 提供者合作以獲得更廣泛的採用。 2.開發與現有銷售工作流程和資料整合的功能。 3.將分析擴展到情感之外，包括通話結構和內容優化。 4.探索其他通訊管道（例如電子郵件、視訊通話）的應用程式。 挑戰： 1.與電銷輔導市場的現有解決方案區分開來。 2.確保情緒情緒分析的準確性和穩定性。 3.解決更廣泛的銷售管道，不限於電話。 4.為目標市場開發可持續的商業模式。 ▰▰▰▰▰▰▰▰▰▰▰▰▰ ⓹ Hear Me Out （AI驅動的電話客服專員） 技術： 基於情緒相容性的客戶與客服專員相符。 1.使用Hume的EVI增強型通話機器人對客戶來電進行情緒分析，以評估適宜性。 2.通話數據分析可評估通話時間、情緒變化和結果。用於通話資料和客戶體驗頻寬的識別型業務儀表板。 3.配對API，根據情緒相容性（自訂模型）和通話評分將客戶配對客服專員。 價值主張： 1.透過將客戶與對應的客服專員進行配對好讓互動更積極，從而提昇客戶體驗。 2.為企業提供更好的電話客服中心數據和分析以優化工作流程。 3.透過呼叫分析回饋循環提供自學系統，以實現持續改進。 優點： 1.解決常見痛點：低效率的客服來電體驗。 2.拆解微服務架構展現良好的技術設計 3.利用AI進行情緒評估和電訪客服專員配對，可能會帶來更好的結果。 4.提供回饋循環以持續改進配對演算法。 5.改善客戶和客服代表雙邊的體驗。以客戶滿意度和呼叫中心優化的業務需求為目標。 缺點： 1.以現有的客服解決方案進入擁擠的市場。 2.透過文字或語音進行情緒分析的準確性待驗證。 3.需要整合進客服電話中心基礎設施。 4.自學模型的有效性待證明。 機會： 1.與電話客服中心技術提供者合作以更能獲得採用。 2.探索電話客服中心以外的應用模式（例如電子郵件、聊天機器人）。 3.根據客服數據和回饋開發客服專員培訓功能。 挑戰： 1.與市場上現有的客服解決方案突顯區別。 2.確保情緒分析的穩定性和公平性。 3.解決與客戶情感資料相關的隱私問題，制定資料隱私和情感分析的道德使用規範。 4.考慮從客服中心擴展到其他客戶互動管道 ▰▰▰▰▰▰▰▰▰▰▰▰▰ ⓺ Dispatch AI（AI驅動的911通報接線員系統） 技術： 1.語音AI在接線員忙碌時篩選、處理通報來電、識別發話位置、收集資訊並提供潛在的急救/救難人員調度的建議。 2.AI情緒分析辨識來電者的焦慮或恐懼，調整溝通方式予以緩和互動對話。 3.操作員儀表板用於即時呼叫監控、優先分類、位置和文字記錄顯示和一鍵調度功能。 解決方案： 1.減少911來電等待時間，能在危急情況下挽救生命。 2.為操作員提供全面的儀表板，以加快呼叫管理和調度速度。 3.利用AI進行初步援助和降級策略，改善呼叫者體驗。 優點： 1.解決關鍵公共安全問題：緊急呼叫的等待時間長。 2.精心設計的操作員儀表板，實現高效管理，利用AI進行高效的呼叫篩選、位置識別和潛在的急救人員調度。 3.提供以人為本的方法，整合語音AI和情感分析，讓來電者放心。 4.透過數據培訓和安全協議優先考慮道德因素。 缺點： 1.需要政府當局採用並與現有緊急應變基礎設施整合。 2.需要解決依賴AI進行關鍵緊急應變決策的潛在擔憂。 3.當局對911呼叫回應的最佳化目標可能與更快的呼叫處理並不完全一致。 機會： 1.與緊急應變機構合作進行試點計劃和實際測試。 2.除了初步呼叫篩選之外，探索AI技術的其他應用。 3.開發全面的資料安全和隱私框架。 挑戰： 1.取得AI驅動的緊急應變系統的信任和監管部門的批准。 2.確保AI組件在高壓情況下的可靠性和準確性。 3.解決AI決策中的道德考量和潛在偏見。 4.制定明確的策略來確保可靠性和處理邊緣情況。 ▰▰▰▰▰▰▰▰▰▰▰▰▰ ⓻ ASL BridgeifyAI（手語辨識和回饋機制之手語學習互動軟體） 技術： 1.使用隨機森林演算法（Random Forest Algorithm）作手勢分析和字母識別。 2.LSTM模型捕捉連續的手部動作並將其翻譯成單字。 3.RAG轉換器，用於處理ASL特定的PDF並將其轉換為向量空間以供學習。 目標用戶：耳聾或聽力困難的人和想學習「美國手語ASL」（American Sign Language）的人。 方案： 1.提供學習ASL字母、符號、句子和即時練習的互動軟體。 2.利用AI模型進行符號辨識、準確性回饋和個人化學習建議。 3.透過影片教學、專有知識圖 （RAG） 和可下載內容提供全面的學習體驗。 優點： 1.滿足可存取的互動式ASL學習工具日益增長的需求。 2.利用多種AI模型（隨機森林、LSTM、RAG）進行符號辨識、語言處理和知識組織。 3.提供即時練習功能和回饋，以提高手勢準確性。 4.擴展到其他以動作為主的學習應用程式的潛力（例如舞蹈、武術）。 缺點： 1.需要應對擁擠的語言學習應用市場並確定獨特的銷售主張。 2.依靠AI模型的準確性和穩健性進行標誌識別和回饋。 3.平台的長期可持續性和可擴展性待檢驗。 機會： 1.與教育機構和聽力損失組織合作以被廣泛採用。 2.探索遊戲化和社交學習元素以增強使用者參與度。 3.與現有視訊通訊平台（Zoom、FaceTime），實現即時ASL翻譯。 挑戰： 1.考慮使用更先進的深度學習模型來提高準確性。 2.制定明確的市場進入和用戶獲取策略，與教育機構或無障礙組織的合作夥伴關係。 3.確保平台對具有不同簽名風格和背景的使用者的包容性。 4.解決與手語辨識和使用者資料收集相關的資料隱私問題。 5.為平台的長期營運開發財務上可持續的模型。 ▰▰▰▰▰▰▰▰▰▰▰▰▰ ⓼ GreenWise （具碳足跡分析的產品推薦） 技術：向量嵌入（Vector embedding）將購買的商品與超過10,000種產品的碳足跡資料庫進行比對。 方案： 1.讓消費者能夠輕鬆分析其購買商品的碳足跡並確定更環保的替代品。 2.為企業提供評估其產品和服務的碳足跡的工具。 3.可無縫整合進客戶現有的採購模型（例如收據、電子郵件、支付系統）。 優點： 1.滿足消費者對永續產品和減少碳足跡日益增長的需求。 2.與現有採購系統、零售和電子商務平台良好整合 （Apple Pay、亞馬遜、Square）。 3.利用向量嵌入技術進行高效率的產品比較和碳足跡分析。 4.個人消費者和企業皆有可升級的方案。 缺點： 1.依賴基礎碳足跡資料庫的準確性和全面性。 2.長期商業模式不明確（訂閱制或與B2B整合）。 機會： 1.和生活雜貨店、電子商務平台和金融機構合作，嵌入GreenWise的碳足跡商品建議。 2.擴展產品資料庫以包含更廣泛的商品和服務。 3.發展個人化建議和減少碳足跡目標設定的功能。 挑戰： 1.確保消費者購買資訊的資料隱私和安全。 2.在不斷成長的永續產品推薦領域保持競爭優勢。 3.解決不同產品類別碳足跡計算中的潛在偏差。 4.制定清晰的營利策略。 ▰▰▰▰▰▰▰▰▰▰▰▰▰ AI公益獎：利用AI尋找最引人注目的商業計劃或創新，以產生積極的社會影響。 Dispatch AI（緊急應變） ASL Bridgeify（手語學習） 評審點評：兩隊都對因關注重要的社會議題而受到讚揚。Dispatch AI有助於縮短急難回應時間，而ASL Bridgeify則填補無障礙語言學習的空白。 特別獎： GreenWise（碳足跡追蹤） 評審點評：GreenWise是氣候變遷技術領域有前景、可行的的解決方案。 ▰▰▰▰▰▰▰▰▰▰▰▰▰ 回看臺灣也是有傑出的新秀，《天下雜誌》7月10日第802期逢甲大學王葳校長的專文 〈人類深化專業知識，AI才給你好答案〉中特別提到「數據科學碩士學位學程的同學，參加教育部舉辦的AI競賽，在多模態病理嗓音分類競賽中取得優等，讓我印象很深刻。團隊希望用非侵入式的方式，判斷一個人的喉嚨是否生病。透過嗓音訊號搭配病史紀錄，盡可能拼湊出一個人的嗓音狀況。」 ▰▰▰▰▰▰▰▰▰▰▰▰▰ 資料來源： 2024年加州大學柏克萊分校AI黑客松 https://www.youtube.com/watch?v=tsTeEkzO9xc 《天下雜誌》王葳校長專文 https://www.cw.com.tw/article/5131073 AI CUP 教育部全國大專校院AI競賽得獎者分享：多模態病理嗓音分類競賽 https://www.youtube.com/watch?v=9QfJDmjyWfE
留言
張貼留言