臺灣 AI 領頭羊 — Appier 幫助企業找到「天時、地利、人和」
AI 可以說是近五年來最火紅的科技，運用 AI 來解決諸如行銷、營運、金融、醫學領域問題的企業及服務可說是如雨後春筍般地冒出來，雖說有不少企業是打著 AI 名義來進行造假、吸金之實（如：印度的 AI 編程公司被爆造假），但也有不少企業的確打造出令人驚豔的 AI 產品，使得我們的生活更加方便，處理問題也變得更有效率。
雖然小編並不是研究 AI 方面的專家，以下的論述可能不一定是最正確、最專業的講解，但是會盡量用最淺顯易懂的角度來說明。
「人工智慧」之所以存在就是為了要補足「人類智慧」不足的地方，人腦很擅長去處理獨特性高、不重複的複雜問題，但是因為人腦的工作記憶(Working Memory)容量亮並不大，因此我們很難在同一個當下同時處理多筆的資料。試想一下，要你同時記住這個月的十個客戶買了什麼產品就夠困難了，更別說還要同時去記住這十個客戶分別是什麼性別、什麼年齡、什麼時候來買的並加以去分析。
但人工智慧就不一樣了，雖然目前的人工智慧尚無法擁有自己思考、自己發掘、定義問題的能力（如果這一天到來，知名電影《魔鬼終結者》的末世場景可能真的會上演），必須要人類先定義好問題、指標，然後根據演算法及大量的資料來不斷優化判斷的標準及處理的程序，但不同於人腦，電腦的工作記憶可大的很！現在隨便一台中高階的筆記型電腦都是 8G/16G 的 RAM 在起跳，更別說是用來打造 AI 的大型電腦了，這也正是 AI 產業為什麼這幾年得以崛起的原因，硬體的日新月異(CPU 的運算速度上升及多核心系統、RAM 的容量增加)使得效能提升的同時成本也跟著下降，才讓過去不論是在效能或是成本上都無法商業化的 AI ，有了大展身手的舞台。
小編認為目前利用 AI 所打造出的服務、產品其實根本上就是在解決人腦工作記憶不足的問題，而目前 AI 最大宗的技術便是「機器學習」，所謂機器學習簡單來說就是餵入大量的資料，在事前提取出想要判別的「特徵量」（也有些方法是可以讓電腦自己去提取特徵量而不用事先定義），讓電腦自己去從資料中找到規律、標準，最後得到一個「判斷、評估的流程」，所謂的「智慧」指的就是這個抽象的產出（如：讓電腦觀看很多貓咪圖片後就能自行判別別的圖片是不是貓）。透過電腦極高的運算速度我們可以快速處理巨量的資料，而龐大的工作記憶容量則使電腦能夠從巨量、高維度的資料中找出人腦無法找出的關聯性，藉此達到一定程度的洞燭機先。不過要注意的是「關聯性」不等於「因果性」，兩件事有關並不等於一件事導致了另一件事，但是在應用上我們往往不一定需要知道 why (事情發生的原因)，知道 what(什麼事) 跟 how(怎樣會有關聯) 就能讓我們大大增進效率了。
Appier — 觀察使用者的跨螢行為並將資料統整，達成最準確的行銷
而 Appier 在做的事就是將多螢時代下消費者在不同裝置上的行為資料進行整合，透過 Appier 底下的 AIXON 平台，企業可將五花八門、多種格式不一的資料，如：網站點擊和瀏覽的資料、行銷活動的資料、CRM 系統或是 APP 的資料，統一上傳到 AIXON 這個平台，並且與 Appier 獨有的亞洲最大跨螢數據庫 CrossX 進行整合。有了企業本身的消費者行為、特徵資料，加上 CrossX 海量的使用者跨螢行為數據，Appier 便運用獨家的機器學習及深度學習演算法，找出消費者可能會有的行為或是消費者某項行為背後的原因，並針對這些資訊去做個人化的推播，同時再根據推播的效果不停地優化演算法(詳見：增強學習 Reinforcement Learning)，如：得知某使用者刪除了該企業的遊戲APP，便去推理這項行為的背後原因，若是因為使用者對於遊戲種類的偏好改變了，便推薦其他使用者可能感興趣的遊戲；若是因為轉向其他廠商的同質遊戲，便可以發放折扣或是免費虛寶等福利，而推播或是租放廣告也都是由程式自動化發放及購買，如此才能最即時地接觸到消費者，從而提高轉換率。
除了在接觸消費者的過程中扮演極重要的角色，Appier 的這套利器也幫助企業在最一開始先了解潛在消費者的樣貌，並根據這些資料去推測消費者的喜好、需求，以此推出最適合目標受眾的產品。
Appier 所解決的問題正是我們先前提到的人腦工作記憶不足的問題，我們沒辦法從如此海量又高維度的資料間看出關聯性，加上跨螢路徑數是呈指數成長(若是將行銷路徑分為曝光、點擊、轉換三個接觸點，而每個接觸點又有 3 種裝置，那麼就有 27 種跨螢路徑，隨著接觸點及裝置的增加，很快就會超出人腦可負擔的運算容量），人腦沒辦法快速、有效分析最佳路徑，更何況每個使用者的路徑呈現都不一樣，但是 CrossX 卻能夠從網路爬蟲等工具快速搜集使用者在不同裝置上的數據，再利用機器學習、深度學習來判別哪些裝置其實是同一個使用者。
AI 的趨勢 — 成為像自來水及電力一般的服務？
如果有關注近幾年的科技趨勢的話，應該也會很常聽到另一個 buzzword，雲端運算。你可能會想說，雲端運算跟 AI 有什麼關係嗎？(如果沒有的話我就不會提了哈哈)
雲端運算因為不是這篇的主題，所以小編在這邊不詳細介紹，只需要知道雲端運算是需要投入及大量的資金(購買廠房、主機、軟體、網路設備、IT 人員、維護設施)才有辦法運行的一項服務，可以說你如果不是超級有錢人的話，基本上是拿不到營運雲端運算的入場券的。就像我們天天在用的自來水及電力設備一樣，一開始都是由一個超級有錢的人先來建設，而因為自來水及電力是顧及人民維生安危的服務，所以那個人只能是政府，而雲端運算的話，營運者則通常是已有相當資金、人力、經驗的大企業（e.g. Google / Amazon / IBM…）。這種服務模式就叫做 PaaS (Platform as a Serveice 平台即服務)，有人已經將平台建好了，我們只需要依照自己使用量付費就可以使用。
聽到這裡有沒有覺得有點熟悉？AI 的產業其實就慢慢在朝向這個方向發展呀！要成立一個優秀的 AI 團隊雖然不需要像是雲端運算或是電力系統那樣的天價，但對許多中小型企業來說也是一筆鉅款啊！首先，企業必須要找到好的資料科學家，而光有資料科學家沒有資料可以分析也是白搭，所以還得要去搜集資料，不論是用買的還是自己想辦法搜集，都是所費不貲啊！在尚未清楚 AI 的成效時就要投入這麼多的資金是非常有風險的，一個沒搞好可能就回家吃自己了，這些企業也並不是不想將 AI 導入企業，而是當下可能真的沒有能力。
於是，具有專業、設備、資金的公司便將這些服務提供給有需要的其他公司，其他公司只需要支付一筆費用即可享受 AI 的服務，費用雖然不低，但是比起自己建造來說要來得低上許多，而且是一次性的花費，若是成效不彰也不用考慮後續的花費以及維護成本。
「企業沒有足夠的人才組AI團隊，成為Appier發展的最好時機」
行銷成效同質化？
Appier 的出現對於許多擁有豐富消費者資料的企業是一大助力，這些企業不需要自己培養一個昂貴的 AI 團隊也能利用 AI 來更了解消費者、打造更強的認同，最後達到更好的轉換及銷售。但是新創面面觀的團隊在採訪過程中便想到了一個問題：「當 Appier 這樣 B2B 的行銷 Solution 出現後，企業是否在行銷的部分會趨近同化？也就是無法在行銷上透過自己的優勢來達到差異化？」
而這次接受我們採訪的策略與事業發展部門的副總監袁鼎鈞學長便表示，企業的想法是想要只用很簡單的工具就能加深跟客戶間的互動，如何讓大企業能夠像雜貨店一般與客人非常熟悉彼此，是大家都在追求的，而品牌間如何脫穎而出就看能把工具用到多麽細緻，例如：同樣是使用 email 行銷，內容的不同也會影響到行銷的成效，找到對的消費者、辨識哪些裝置是同一個消費者，甚至能夠預測他們某些行為只是第一步，該怎麼做才能最打動他們的心、建立更強的認同就要看人的功力了。
也有人會想說傳統廣告公司如奧美集團會不會因為 Appier 的出現而導致業績嚴重下滑，這當然是有一定程度的影響，但與其說是競爭，Appier 與奧美這類的公司更像是變成供應鏈上下游的關係。正如上一段所說，到底該採取什麼行動或是究竟要鎖定什麼樣的客群還是由人來決定的，機器沒有辦法幫我們做決定，整體的創意發想、實體活動還是由奧美這類的廣告公司包辦，但是若想要將線上的使用者行為一併整合，這時就是 Appier 出場的時候，所以兩者更像是一種互補品的概念。
這也呼應到袁鼎鈞學長在採訪中所提到的兩句話
「解決問題的能力很重要，但更重要的是如何『發掘問題』，時時刻刻問自己有沒有什麼可以改善的地方。解讀數據的目前都還是人，所以人還是很重要，找到問題並想辦法優化工作的 routine，讓自己更有效率地做事、想得比同事更遠，就能讓自己更突出」
關於 AI 及臺灣 AI 界明日之星 Appier 的介紹就到這裡了，希望大家看完這篇文章後對於 AI 的由來、應用及產業概況有了初步的理解，也能夠對於 AI 如何塑造我們的未來有了更多想像喔！
# Ian 編
關於 Appier 沛星互動科技：Appier 官方網站 / Facebook 粉絲專頁
新創面面觀期待透過訪談將更多新創新知、理念推廣給大學生，若願意接受訪問、希望推廣團隊的新創公司，也歡迎透過留言 /mail/Instagram 聯繫我們：)
Mail: whatthestartup@gmail.com
Instagram: https://www.instagram.com/what_the_startup/
