AI人工智能当红,但你知道机器人过去的这些事吗?

AI人工智能是近几年来很热门的科技话题,包含人类的工作机会可能被机器人取代等议题,还有医学上可以透过AI技术协助医生缓解医疗问题,甚至发展AI深度学习,让机器人表现出自己的智慧…等等。而本篇文章将要分享在现今AI人工智能这么发达之前,一些不为人知的小传闻~

愚蠢的人类,你们好。机器人发展一段时间了,慢条斯理的机器运转声不绝于耳,却也造成不少误解。现在我们该知道一些机器人的小道消息,趁机器人还没加速发展之前,先知道下列 10 件事做好万全准备。

1.「机器人」一词的由来?

「机器人」一词,最早出现在1921年捷克籍编剧凯瑞尔‧克佩克(Karel Capek)的作品《罗梭的万能工人》(Rossum’s Universal Robots),这是机器人摧毁人类的故事。

2.机器人有2000多年的历史了。

机器人可以追溯到2400年前,第一个机器人是蒸汽驱动的鸽子,大约西元前400~350年出自古希腊数学家阿尔库塔斯(Archytas)之手,他也有工程之父之称,借由这个机器人来研究飞行的鸟类。

有些人认为机器人发展的速度,比通俗科幻小说所描述的更慢,但科幻小说的内容正在付诸实现,我们越来越容易在工厂、职场和家中见到机器人。科幻小说所呈现的希望和恐惧,以及我们科技发展现况之间,正逐渐缩短距离。部分专家相信,我们即将开启机器人大革命。无论你对机器人是恐惧、是迷恋或是无视,一些专家都认为在不久的将来,我们可能跟机器人一起工作,把机器人当成司机,甚至跟机器人谈恋爱。

3.机器人法律和伦理正在建立,并融入人类主流文化中。

史丹福法律网站有一个部分称为网路法(Cyberlaw),专门探讨机器人、战争和伦理等议题,例如机器人作为战争机器,或者监督法律执行情况,又或者担任手术助理。这些全自动机器的法律和伦理面向,确实值得深思。

4.说到机器人的科学法则,不只是艾希莫夫(Asimov)机器人三法则而已。

艾萨克‧艾希莫夫提出着名的机器人三法则(1942年《惊奇科幻小说》杂志)

机器人不能伤害人类,或因为坐视不管而导致人类受伤。
机器人必须服从人类的命令,除非违反第一法则。
机器人必须保护自身安全,除非违反第一和第二法则。

然而,不是只有他提出机器人三法则。隶属于洛斯阿拉莫斯国家实验室(Los Alamos National Lab)的戴夫‧林基(Dave Hrynkiw)和马克‧堤尔登(Mark Tilden)合着《Junkbots, Bugbots, and Bots on Wheels》,认为现代机器人创造者早已超越三个古典假设。堤尔登自创下列三法则:

机器人必须不顾一切保护自身安全。
机器人必须保持电力供应源源不绝 。
机器人必须不断寻找更好的电源。

马克‧堤尔登写道:「依照目前和不久以后的技术,艾希莫夫三法则只适合极度无趣的机器人,假如艾希莫夫的机器人有足够的电力,把吸尘器推到你脚趾(假设机器人能够分辨脚趾和地上的玩具),那就无法平心静气完成实际工作。」

马克‧堤尔登以简写B.E.A.M.,为机器人学拟定几个指导方针:B代表生物学(Biology),亦即仿生学的原理,以大自然作为设计和研发的灵感来源,E代表电子学(Electronics),亦即作业的电脑,A表示美学(Aesthetics),简洁而实用的工程产品具有自身的美感,M表示机械学(Mechanics),机器人必须能够移动。

5.机器人正在学习利用人类语言和脸部表情沟通。

麻省理工学院(MIT)的机器人Kismet,自从1990年代开始学习脸部辨识,最近根据Wired报导,甚至有机器人透过机器学习,学会了如何微笑。

6.机器人仍然不够聪明,也可能永远缺乏情感。

虽然机器学习是强大的技术,但机器人不太可能成为邪恶大魔王。机器学习有其惊人之处,但潜力相当有限,并无法媲美人类的思考。

Daily Mail有一段文字:「威斯康辛大学梅迪逊分校(University of Wisconsin-Madison)朱利奥‧托诺尼(Giulio Tononi),近十年研究出人类意识的数学框架,从而证明电脑无法应付复杂的认知过程,把零碎资讯完成无缝统合。」

因此,未来机器人不太可能拥有情感。在好莱坞电影中,HAL-9000电脑和Skynet国防系统带给观众的恐惧,大家看看就算了,但这未尝不是好消息呢?因为我们即将跟机器人生活在一起。

7.机器人即将跟我们生活在一起!

机器人会协助我们和老人生活。机器人早就可以自己开车环美,展开外科手术,以及探索火星。洗衣服、配药和网路护理,应该也难不倒他们吧?我们即将看到跟人类同住的机器人,从旁提供协助并陪伴。Daily Mail有一篇文章提到机器人Pepper,能够以情绪引擎和云端人工智能,来判断人类的情绪,未来可望量产,定价198000日圆。

8.机器人正在仿效动物,受伤后能够自行疗癒和适应。

2015年《Nature》杂志刊载文章〈机器人跟动物一样有适应力〉,提出智慧反复试验演算法(Intelligent Trial and Error Algorithm)。下列影片显示两种不同的机器人如何适应伤口,六足机器人在肢体受伤之下,学习如何继续走路,还有一个机器人马达故障,仍有办法把物品放到正确位置。

9.机器人有朝一日,可能会成为小孩的启蒙导师。

即使机器人缺乏意识,却可以透过程序化的社会互动蒙混过去,以唤起人类的移情作用。纽约时报畅销作家丹尼尔‧威尔森(Daniel H. Wilson),着有《机器人启示录》(Robopocalypse),最近在Slate发表一篇文章:

展望未来,人类有可能先从机器人学习社会技能,卡内基梅隆大学(Carnegie Mellon University)所研发的可爱黄色机器人Keepon ,对于跟自闭症孩子互动很有一套。华盛顿大学(University of Washington)的机器人Morphy,也透过示范教学热心教导孩子肢体语言。机器人有无比的耐心,而且不带价值判断,可以在人类成长时期,教导人类最低阶的社会技能。

10.机器人发展速度正在加快,达到空前未有的速度。

从蒸气鸟到1961年第一座产业用程序化机器人Unimate,整整耗费了2400年。Cyberneticzoo有一篇文章提到1960年代初期,通用汽车(General Motors)打造产业用机器人,持续移动高温的金属块。机器人演化历程比动物来得短,从原本简单的自动化机器,变成懂得模拟笑声和对话的机器人。

机器人学的未来一片光明,充满各种可能性。机器人会成为人类最强大的工具,融合了科技、传播、工程和电脑运算。不久将会改变世界(例如我们如何处理日常琐事),甚至改变人类的历史轨迹,机器人时代来临!

Facebook现在开发出能利用AI来判别图片内容的技术了

Mash-Digi [引用来源]

 

“Facebook的团队现在已经开发出新的技术可以利用图像来判别食物的成分了!这项技术如果更加成首稳定之后,未来就可以利用人工智慧与深度学习来更有效率、更精确地判断图片的内容,对于Facebook来说就能更应用这样的技术来达到杜绝不良图文的目的了呢!”

 

Facebook旗下人工智慧研究团队FAIR表示,将可运用深度学习方式训练电脑系统认识各类食物、餐饮,以及食谱内容,让系统能识别一张食物影像之后,立即产生对应的食谱内容。

而顺利建立食谱之后,意味电脑系统将能进一步依据识别结果判断食物可能涵盖影响成分,以及相关热量等资讯,借此能让使用者更快速知晓吃下的食物是否造成身体负担,或是让希望知道该项食物如何烹调的人可依照生成食谱学习。

不过,Facebook目前并不会推出识别食物影像即可自动生成食谱的功能,一来是人工智慧学习判断结果仍可能会有误差,但要判断食物可能涵盖哪些成分、大致比例可能不是太大问题,二来则是此项技术主要还是偏重在如何训练电脑系统学习,并且让电脑系统能更了解真实世界。

让电脑系统能正确分析影像内容,不但有利Facebook在内容归纳排列更有效率,同时也能更精准将适合内容推送给正确用户观看,这背后同时将影响用户观看使用黏着,以及广告内容曝光效率,另外也能有效杜绝透过影像传播的不良内容、假新闻,因此加强人工智慧技术应用,对于用户越来越多、内容越来越繁杂的Facebook将成为重要发展项目。

Follow 我们的Page,每天追踪科技新闻!

想看更多英文版文章吗? 点我进去~

Sony可爱的智慧机器狗Aibo强势回归啦~不只萌,他还能陪你一起学习成长!

 

“日渐老龄化、科技化的社会,在各种层面的意义上,AI的存在都是相当重要的,因此越来越多的公司致力于开发AI机器人。而现在Sony的电子狗狗Aibo要卷土重来、强势回归啦! Aibo的外型显得相当讨喜,不过除了可爱之外,Aibo最大的亮点还是在他能提供的服务上面啦~相信你一定不会想错过这样一个智慧的电子狗机器人的!”

 

Sony 在未来新战略当中, AI 是相当重要的一环,其中一项相当重要的策略,也是让许多老Sony 迷兴奋不已的,就是新一代的电子狗Aibo ,卷土重来的Aibo 不仅更聪明、更精致,可动度更高,有着可呈现各种表情的OLED 眼睛,同时还透过云端AI 学习的方式能够持续成长,也就是与Aibo 越紧密的互动, Aibo 也会更熟悉主人的习惯。


同时Aibo 不光只是会跟主人互动,当主人不在身边时,也会像真的小狗一样自行游玩,以及以玩具互动,当看到主人呼唤他,也会高兴的跑向主人,同时还可使用语音与Aibo 握手、击掌,也可以摸摸Aibo , Aibo 也会很舒服的闭上眼睛,而Aibo 一次可自行活动2 小时左右,当电量不足也会自己回到充电座进行充电。

较为可惜的是,由于Aibo 需要搭配付费型态的云端服务系统,当前仅在日本提供服务,而预计接下来在美国、欧洲提供服务,马来西亚的消费者短期之内还无法买到可爱的新Aibo ,毕竟后面的云端服务还需要搭配提供伺服器的业者进行培训与附加功能,同时也还有语系问题,例如今天Sony 总部展示的Aibo 仅能接收日文语音。

 

Follow 我们的Page,每天追踪科技新闻!

想看更多英文版文章吗? 点我进去~

Facebook要出绝招对付网路霸凌言论啦!

Mash-Digi [引用来源]

“网路霸凌已经逐渐成为日益严重的一大社会问题,现在网路科技的发达,使得许多人只要滑滑手机就能知道许多事情,但同时也能只用几句话就刺伤一个人的心灵,甚至有些人因为网路霸凌而结束自己的生命。现在Facebook打算要以Rosetta这个系统来筛选使用者言论期待能遏止网路霸凌的日益严重性。”

 

由于越来越多图片或影片被用来传递不当言论,并且被大量转载与分享,所以Facebook就将采用人工智慧透过图像辨识等方式,封锁并阻止这些讯息被传递。

先前曾强调将遏止网路罢凌与仇恨言论现象,Facebook预期藉由代号Rosetta (罗塞塔)的人工智慧系统,分别在Facebook与Instagram服务平台过滤超过10几亿的影像与影片内容,并且从中分析各种语言所呈现「讯息」是否涉及仇恨传播或鼓吹暴力。

藉由人工智慧方式识别图像中的文字内容,进而分析其中内容是否涉及虚假、不当言论

除了藉由Rosetta遏止网路罢凌与仇恨言论,此项人工智慧系统预期也能用于网路谣言、假新闻等内容过滤,一旦系统侦测被众人分享、传递内容时,系统便会自动介入厘清内容是否涉及仇恨言论、网路罢凌等问题。

提出Rosetta的原因,最主要在于越来越多「讯息」传递是以图像、影片方式呈现,因此传统透过文字辨识过滤方式显然已经无法阻止此类内容透过网路平台扩散,因此Facebook希望藉由图像识别等方式交叉比对,借此避免此类恶意「讯息」持续透过Facebook或Instagram服务平台蔓延。

在此之前,Facebook已经表明希望彻底遏止网路罢凌现象,同时也强调希望阻止假新闻、仇恨言论所造成影响,并且持续藉由过滤假帐号、检举机制,以及主动过滤机制减少此类问题。

虽然目前部分处理模式仍仰赖人力检查筛选,但面临每天成千上万的资讯量传递,Facebook认为更应该藉由人工智慧技术主动过滤这些不当内容,而非被动地等待用户检举提报。

Follow 我们的Page,每天追踪科技新闻!

想看更多英文版文章吗? 点我进去~

人工智慧再进化! AI也能做智力测验了? !

 

“2016年AlphaGo成功打败围棋好手李世石的新闻大家是否还记得呢?如今2年多的时间过去了,AlphaGo也历经了不断的进步和被AlphaGo Zero超越的种种事件。 AlphaGo的成功归功于他的开发团队DeepMind的不断训练与改良,现在DeepMind团队更已经开始着手训练AlphaGo利用抽象思考来模拟人类的演算推理,期望未来人工智慧不再只是局限于一问一答、深度学习等等的框架,而能够越来越趋近于人类的思考模式,让我们一起来看看DeepMind团队的计画吧~”

 

AlphaGo開發團隊DeepMind已經開始訓練人工智慧何謂「抽象思考」,希望未來人工智慧能像真正的人類一樣藉由推演思考回答問題。[引用來源]

在藉由游戏等方式训练人工智慧系统之后,DeepMind团队接下来也计画让人工智慧挑战智力测验。

根据《新科学人》杂志报导,位于英国伦敦的Google DeepMind团队计画藉由智力测验方式训练人工智慧,借此让人工智慧能有更具抽象「思考」能力。

而DeepMind团队所采用训练方式,则是透过1936年由英国心理学家John Raven提出的瑞文氏图形智力测验(Raven』s Progressive Matrices),藉由渐进矩阵构图组成题组,以有复杂难度层次变化方式,判断人工智慧从「直接观察(比对)」到「抽象推理」过程所表现「智力」。

由于瑞文氏图形智力测验并非仅以单纯比对,更包含以抽象思考推理方式解题,甚至后来还针对儿童加入色彩推理,并且针对高智商者提出瑞文既皆推理测验(Raven』s Advance Progress Matrice),甚至后续更将测试内容整合提出可对应5岁至75岁年龄间智力量测版本,成为在全球广泛被用于测试智力的项目之一。

就DeepMind团队说明,透过智力测验方式训练人工智慧,并非为了打造可顺利解答智力测验的人工智慧系统,而是希望能让人工智慧能更接近人脑思考模式,能以现有资讯判断决策之余,更能藉由逻辑推演、抽象思考方式寻求解答,甚至能像人脑一样透过反射思考模式进行判断。

 

Follow 我们的Page,每天追踪科技新闻!

想看更多英文版文章吗? 点我进去~

老镜的世界:教你认识Nikon手动镜的分类~


 

“老镜拍出的照片总有股天生的魅力,如果你是对老镜有兴趣的新手,那可别错过本篇文章要介绍的「Nikon手动镜」,将透过详细说明,带大家慢慢来了解Nikon手动镜的non-Ai、Ai、Ai-S代表什么,帮助新手们选择老镜时更有方向~Vintage lenses produce photos with some kind of natural charm, if you’re a beginner with interest in vintage lenses, then make sure not to miss the ‘Nikon manual focus lens’ that will be introduced in this article today. Through detailed explanations, the meaning of functions such as non-Ai, Ai and Ai-S on Nikon manual focus lenses will be introduced, guiding the beginners to choose vintage lenses.”

 
在Nikon 老镜的世界里,原厂镜头一般除了焦段、最大光圈、特殊名号(像是什么阿富汗少女之类的)等分类之外,最常见的分类还有「Ai」、「Ai-S」 、「non-Ai」等不同的标注。一般来说,二手镜头的价格往往会因为这些标注而有不同的价格,且还会有「数位机不能用non-Ai 镜头」的说法,对于玩Nikon 二手镜头的使用者来说是一定要知道的知识。

但到底这些标记有什么含意、对于我们玩老镜来说又有什么影响呢?请继续看下去~

现代的镜头有电子接点让机身可以读取镜头的相关资讯,包含镜头焦段、最大光圈等等,因此相机在A 模式(光圈先决)下可以自动读取当下设定的镜头光圈值以算出当下最适合的快门速度。不过古早的底片机可没有电子接点这种先进玩意,一切都是倚赖机身的机械结构来将镜头上的光圈资讯传递到机身上,因此为了能顺利让相机「读取」当下的镜头光圈值,就是开发一台底片单眼相机最重要的课题。


上图:阿富汗少女镜,据说是拍出国家地理杂志知名的「阿富汗少女」照片所用的镜头(Nikon 105mm f2.5 Ai 版)

为了解决这个问题,各大相机厂商开发出各式各样不同的光圈指示机制,让使用者所设定的光圈值(老镜都是直接转光圈环)能让机身得知,以便机身自行测算当下的设定是否为正确曝光值(测光结果会显示在观景窗里,详情请看这篇)。大多数厂牌的机身(例如Canon)在机身数位化之后大多已经抛弃这些纯机械的结构,目前的单眼大厂中只剩下Nikon 还保有这些古老的光圈指示机制,也使得Nikon 相机能往前相容绝大多数的自家老镜,成为镜头家族最丰富的单眼相机选择。

Nikon 目前所用的光圈指示机制称为「Ai(Aperture Indexing)」,即便是目前最新的数位机身仍保有这项机制。不过在更早期(1977 年以前)的 Nikon 单眼可不是用这套系统,因此现在把 Ai 以前的镜头或机身称为「non-Ai」以示区别。上图靠前的是Nikon 相当早期的单眼产品「F2SB」、后方则是不死战神「FM2」,这两台刚好是Ai 与non-Ai 时期的代表作,因此今天就请他们为大家示范两者的差异。

首先我们来看看 Ai 是什么样的东西!

不管是底片机身(F2 以后)、或是现在的Nikon 中高阶数位机身都可以看到如上图镜头卡口边缘的「方型凸起」(在Nikon 小写​​n 的左边),这个凸起是可以跟沿着镜头卡口旋转的(你可以用手拨动看看)。这个装置就是机身 Ai 功能的重要核心,藉由这个环旋转的角度,就能让机身知道目前的光圈值是多少,是非常聪明且实用的设计。而目前的数位机身如果装上早期的手动镜头,同样也是靠这个装置告知机身目前的光圈大小,跟 38 年前是一样的做法。

既然那个凸起可以扳动,那么镜头上也就得必须有个扳动它的设计!在上图的镜头卡口边缘、小白字「16」的下方有个黑色凸起,这个东西就是镜头上的「Ai」,当镜头卡上机身的时候,这个部分就会卡住机身的黑色凸起,并随着光圈旋转拨动机身上的凸起,达到告知机身当下光圈大小设定的目的。


上图:分别位于机身与镜头上的凸起互相卡住之后,就能让机身得知当下的镜头设定的光圈值了

看到这里,想必大家应该也可想像「non-Ai 就是没有 Ai」这件事了吧?

在1959 年Nikon 正式采用F 接环(跟现在的镜头一样,五十五年来都没变过)之后,Nikon 相机相机采用了非常有趣的光圈指示系统:兔耳朵(coupling prong),也就是前面几颗Nikon 镜头上可以看到的、位于镜头尾端的那个像兔耳朵的金属片。因此当时的镜头并没有后来才出现的 Ai 结构,所有的镜头尾部都是一片平滑,并不存在任何凸起(请见上图)。

那么当时的镜头要如何告知机身光圈大小呢?

其实方法只有两个:一个是干脆不要告知(没有测光功能的机身)、另一个则是使用上一段提到的「兔耳朵」。由于拥有光圈指示是一件很麻烦的事情,因此早期的机身并不是每一台都有测光机制(就像现在低阶数位机身也没有Ai 拨杆一样),例如上图的Nikon F2 使用最早期的尖顶观景窗时不但没有光圈指示功能,甚至连测光功能都没有!必须装上放在机身前面的测光观景窗才能同时拥有两项我们习以为常的测光功能。 (以前摄影师都是人体测光表来着)

F2 换上拥有测光功能的观景窗之后就会变成像上图这样,在军舰部(Nikon 标志那边)下方中间多了一个小小的金属拨杆,这就是最早期的Nikon 光圈指示机构啦!装上镜头之后就会变成下面这样:

这样有没有突然恍然大悟:啊!原来那个兔耳朵是这样用的啊!

相信有很多人都会以为那个兔耳朵只是让你比较好转动光圈环、或是让你可以用摸的得知光圈环现在转到哪的结构设计,但实际上它会被做成兔耳朵形状可是大有来头的喔!而且后期有一系列较低价的 Series-E 镜头还直接拿掉兔耳朵,当成降低成本的象征呢~所以请不要小看这个兔耳朵,他可是带有历史意涵的重要象征啊!

那么关于 non-Ai 与 Ai 的最后一个问题:数位机要怎么使用 non-Ai 镜头?

其实数位机并不是不能用non-Ai,而是因为non-Ai 镜头的屁股是光滑的,硬装上数位机的话会把你相机上的光圈拨杆给凹断(数位机只有Nikon Df 可用,因为他的拨杆可以收起来)!不过这并不代表数位机就不能用non-Ai 镜头,如果你不在乎改装镜头的话,那么其实可以送去博爱路那边的镜头维修店请他们帮你的镜头「磨出Ai 结构」来,也就是用破坏的方式在光滑的镜头尾端刻出Ai 的结构来,这样就可以让老镜装上Nikon 数位机身啰~

注1:先前我有个朋友跟台北某知名二手镜头店买了一颗non-Ai 镜头,结果店家居然跟他说可以直接装上数位机,一直到我发现他机身的拨杆都有点歪了才知道不能这么做,真不知道该家店的店员都是怎么训练的…

注2:早期Nikon 刚推出Ai 的时候曾经推出官方改装套件让non-Ai 的镜头也能变身Ai 镜头,市场上把这类镜头称为「Ai’D」,请不要把他跟后来的D镜给搞混了。前阵子又看到键盘摄影师在网路上呛人说「Ai’D」就是 D 镜、Ai 是误植 … 请各位摄影小教室的读者别干这种蠢事,谢谢。

最后的最后,就来说说 Ai 跟 Ai-S 有什么不同吧!

Ai-S 是手动镜头最后一次改版,往后就是标有 AF 的自动镜头了(底片机时期就有自动对焦了)。那么 Ai-S 跟 Ai 有何不同?上图左边的是 Ai-S 镜头,可以看到左下方七点钟方向比右边的 Ai 镜头多了一个圆弧形的凹槽。这个凹槽对应的是机身上的一根可以压进机身的探测杆,用来得知镜头焦段的资讯(是否大于 135mm)。

Ai-S 机制是为了对应后期的 F4、FG 等底片机身所搭载的「P 模式(程式曝光)」,让机身能对应较长焦段的镜头自动选择较快的快门速度以避免手震。其他 Ai-S 的改变还有线性光圈开启范围等针对 P 模式所做的设计。不过这些功能仅限 F4 以后的机身才能用到,像 F3、FM2 这些老机身就完全无法享受 Ai-S 机制所带来的好处。不过 Ai-S 镜头通常都是同一焦段镜头的新改款,在光学性能上都会有所改进。因此除非是特殊的镜头,否则都是同一颗镜头的 Ai-S 版本表现最好(也最贵)。
 
Follow 我们的Page,每天追踪科技新闻!

想看更多英文版文章吗? 点我进去~

超商新革命:用AI打造新科技概念店

 

“现在的超商店员几乎无所不能,除了基本的收银工作,还要会做咖啡、冰淇淋,甚至是做珍奶、牛肉面,最怕到了尖峰时段,一下要微波便当一下要泡咖啡,又要忙着帮客人找网购的货、结帐。如果有一天,泡咖啡的不再是店员,而是机器人…”

 

在劳动人口欠缺的今日,零售业也受到相当大的冲击,不少业者也提出无人商店的概念,将人力的需求降到最低,不过如此一来也似乎少了点什么;而全家便利商店宣布,他们将以IoT 物联网、 Big Data 大数据、 AI 人工智慧、 RFID 无线射频四项技术导入现行的超商,打造保有人的温度的科技概念店,强调藉由科技导入使工作流程更为简便,可降低店员工作负担,能够将单一店的工时降低858 小时,能够为员工、加盟业者与全家带来三赢。全家便利商店预计在今年第一季推出首家科技概念店,希望为已经融入人们生活的便利商店带来新气象。

在目前所释出的概念短片中,全家便利商店将透过机器手臂结合人工智慧,让消费者以结帐后的条码扫描,即可让机器人进行咖啡冲泡程序,在颠峰时间能够减少店员在进行繁复的冲泡过程,使节帐程序更为顺畅;其次透过IoT 结合电子标签,透过电子货价标签取代现行需要人力更换的标签,让店中约3,500 个品项的价格不再需要每两周利用人力耗时1.5 小时进行替换,同时利用IoT 技术控管机器温度、用电与故障预警,店员不再需要时时留意店内设备状况,即可借IoT 回报设备现况。同时物流整合 RFID 技术,能够快速的验收货品进行快速验收。未来全家科技便利店也将结合人脸辨识进行到店人口比例分析,使店铺更容易分析在地商圈人口分布。

Follow 我们的Page,每天追踪科技新闻!

想看更多英文版文章吗? 点我进去~