區塊鏈+人工智慧!IBM 與 everledger 要你別買到血鑽石
區塊鏈+人工智慧!IBM 與 everledger 要你別買到血鑽石
2017.03.23 | IBM

李奧納多狄卡皮歐為主角的 2006 年電影《血鑽石》描述 1999 年代非洲重要的鑽石開採與交易集散地獅子山內戰砲火不斷中,平民被戰爭捲入變為礦工、家人被叛軍擄為童兵;為了一家妻小的團圓,主角不惜在採鑽期間藏起一顆稀有的粉紅鑽,用它與鑽石軍火走私販交易來換取家人自由。透過女記者契而不捨地追求真相與走私販的動搖,最終有了完美結局。

血鑽石電影劇照
圖/ Jaap Buitendijk 於 2006 年拍攝,版權屬於 Warner Bros. Enter

這部 2006 年的電影讓大眾終於理解,通常用以表彰堅定不移愛情的鑽石時常來源不明,這樣因為內戰等因素遭到軍閥把持、以童工、綁架等方式運作取得叛亂資金的走私礦源,通常也被稱做「衝突鑽石(Conflict Diamond)」、「血鑽石(Blood Diamond)」或「黑鑽石(Black Diamond)」。許多人也才第一次認識用於避免人們買到血鑽石的「國際鑽石原石認證標準機制」(Kimberley Process)。2002年11月,聯合國通過「國際鑽石原石認證標準機制」(Kimberley Process Certification Scheme,大陸簡稱金百利進程,以下或做金百利機制),並於 2003 年 1 月 1 日開始實施,主要希望透過各國進出口交易的監管認證,根除通常來自非洲,因反叛軍或他們的同黨通過金融手段脅迫衝突所產生的鑽石原石。

上述的「國際鑽石原石認證標準機制」雖然立意良好,但實際執行起來卻困難重重。例如某些國家雖然是機制成員,也是世界鑽石主要生產國,但可能有腐敗的政府會迫害人民,導致沒有政府許可執照的人民為了養家活口非法採鑽,因而遭到軍隊或持有執照者勒索甚至殺害。以紙本運作為基礎的政府認證證書也可能會被竄改或破壞,且各國政府不一定能夠立即處理這樣的問題。連續創業家 Leanne Kemp 在 2015 年創立了 Everledger,希望在鑽石交易這個特別的市場導入區塊鏈機制。如果全球多數的鑽石交易可以使用區塊鏈作為交易標準,則這些鑽石交易就變得可以合理追蹤,由於區塊鏈的特色之一即為去中心化與不得竄改,交易雙方認證的有效性不再交給某個中央組織去負責運作,且所有交易所需的原石來源、估值等都能因區塊鏈技術平台的引入,而能同時得到多方認可,能夠真正有效執行金百利機制。

EverLedger 創辦人 Leanne Kemp
EverLedger 創辦人 Leanne Kemp
圖/ EverLedger 提供

Leanne Kemp 在 IBM 年度的雲大會 InterConnect 2017 上,首先揭露 everledger 透過引入 IBM Blockchain 的解決方案,讓年破 150 億美金裸鑽等產業交易的多方:鑽石加工廠、認證機構、跨國運送方、海關、銀行或保險公司、零售商一起合作,以資訊科技(區塊鏈)取代全球原本使用紙本文件往來,緩不濟急且容易遭到竄改、偽造所有權、假鑽偽冒或多次驗證而瀕臨破碎的金百利機制。

金百利機制要求簽約合作的 81 國(台灣曾在2007年獲得觀察員地位,但在2017年的狀態中不被顯示)需要遵守以下三原則:

  1. 不可製造衝突鑽石
  2. 只能與其他金百利機制成員進行鑽石交易
  3. 出口裸鑽或未處理鑽石需要附帶金百利機制認證

就如同各種規範交易進行的法律一般,金百利機制的文件也以法律字眼詳細描述了鑽石原石認證標準機制的規範。縱使規範嚴謹,實際執行時卻讓各國執法機構困難重重。太多難以看懂的專業術語讓設計嚴謹的交易規則難以執行。

IBM 研究院院士 Donna Dillenberger 在 IBM 雲端大會,即時上機演示將金百利機制的法律文件交給 IBM Watson 閱讀後,將所有常人或許難以理解的法律條文與規則,透過語意辨識自動分析、歸納出執行準則後,以此自動寫出用以查證區塊鏈上鑽石交易資料的程式邏輯判別式,並以此判別式直接篩選出有問題的鑽石交易紀錄。

IBM 法律文件分析服務 Demo
IBM 法律文件分析服務 Demo
圖/ IBM InterConnect 2017 第一日 Keynote 演說

透過語意分析來處理法律文件一直是許多程式設計師的夢想,許多程式設計師都會開玩笑稱自己處理的是法律(code, 現代網路上常翻譯做程式碼,但另一個英文原意為法典,現在英文裡常用的程式工程師 coder 是同一字根)。能將法律文件以語意分析的方式把所有條款寫成邏輯判斷,進一步將邏輯判斷透過人工智慧寫成可以被成功執行的判別程式碼是另一步困難的挑戰,能夠將這個程式對適當的資料進行判別應用則是這一系列技術能夠有效幫助人類的價值。IBM 透過這個案例顯示了區塊鏈應用在不同產業間,能夠協助市場多方交易的有效規範,並透過人工智慧將複雜的法律條文轉換為程式判別式以作為商業應用。

IBM 院士 Donna Dillenberger 在實例演示的最後,稱這個專案的下一步或許將挑戰找出違規鑽石交易的因果關係;例如是否因為氣候或水質改變,或是其他因素導致該區人們一般生活營養供應不足,導致該地區生活條件惡化,進一步造成衝突鑽石產生的因子。如果可以從資料上找到相關原因,則可能可以進一步對症下藥以避免悲劇再次發生。

往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓