[東京直擊]Google 下一個發展重心：機器學習|數位時代 BusinessNext

1.我不認為要讓電腦模仿人腦

我不認為要讓電腦模仿人腦，大腦神經元太多，模仿大腦做人工智慧太複雜。但我們可學習大腦如何記憶，利用在機器學習上。機器學習對我而言，重點在讓人類不用再做機械性事物，如製造業產線工人或打字員等。

因為電腦有大量運算能力，運算的效果如果比人更好，像開車這件事，那就教給機器開就好了。或是讓機器來做醫生，是不是比人更好？提供更準確的診斷？因為機器不會疲勞但是人會。

機器學習需要投入大量技術與資源，要把問題轉換成機器學習能解決的題目並不容易，然而一但轉換成功，將會顯著成長，多餘的工作將會消失。

2.邪惡機器人總出現在電影中

外界總認為當機器人越來越像人，機器人可能對地球造成危害，就像電影《關鍵報告》一樣。但我認為只有電影才把機器人描述地這麼邪惡。在實際應用中，人類可以透過演算法控制機器人執行正常任務。

人類創造的機器人應該都是好的機器人，可以幫忙打掃，澆花、做家事，這種機器人是大家最想要的。

3.下一代的程式設計人才必須具備有很好的數學能力

工程師不再需要自己Coding，而讓電腦去寫，這是下一代的程式設計人員的挑戰。下一代的程式設計人才必須具備有很好的數學能力，因此注重數學教育的亞洲人才比歐美人才更具競爭力。

我最近去了一趟韓國與中國。韓國經濟在放緩，因此強調創業精神振興經濟，推行機器學習創業。在中國我花很多時間拜訪政府部門，雖然很多人說中國經濟增長減緩，但中國的經濟潛能還是非常之大的。

機器學習最大的挑戰就是全球上網的人還不夠多，要有更多網路覆蓋，讓貧窮的亞非國家與弱勢群體能上網，網路是一種巨大的現代化力量。

4.電腦視覺(Computer Vision)的診斷辨識即將超越人類視覺

去年九月，Google 研究團隊「GoogLeNet」發表了一篇關於神經網路（neural network）的論文，名為「全面啟動」（Inception），因為這個神經網路的運作原理就類似電影「全面啟動」中夢境的分層概念。系統可以透過 22 層的電腦視覺運算，找出最相關的圖像，捨棄不重要的部分，進而分析出不同的物件。

舉例來說，當 Google 相簿辨識一隻貓的照片時，首先會辨識出這是一隻「貓」的線條與顏色，接著發現眼睛與耳朵，經過這樣一層層複雜的偵測，最後完成辨識。

機器學習也將比人類更能預測使用者喜好。例如，雖然我的朋友們可以透過音樂類的 App 推薦我最新的當紅歌曲，但是人會跟不上流行，而機器卻永遠能提供時下最熱門的音樂。

跨領域的機器學習將有更顯著的效果：機器學習將能有效改善其他技術現有的問題，或是加快解決問題的速度。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。