國企系「人工智慧與商業應用」專題演講：《推薦系統》

國際企業學系暨研究所

撰文者／國際企業學研究所 李哲柔

本系簡睿哲老師「人工智慧與商業應用」課程中邀請中油軟體工程師李詩欽講師蒞臨演講，本次主題為《推薦系統》，藉由分享推薦系統相關概念，來讓學員們有對AI應用的更深一層認識。

 

首先，講師先跟各位介紹企業是如何導入人工智慧專案的，在AI專案進行程序上，會從選定題目、取得資料、資料清理、建立模型、系統測試、系統上線等步驟完成程序，而企業也可藉由執行Pilot專案、建立AI team、提供大量AI訓練、制定公司內部AI策略、發展公司內外的溝通管道等等來建構導入AI程序。在AI專案發想程序上面，也可以先思考哪些任務(而非職務)可以自動化，且判斷企業主要的商業價值來源，進而去找到企業痛點來進行；而在執行過程中，講師也特別提醒學員要注意的是：企業不應期待AI解決所有問題、不應由2-3位AI工程師就解決所有AI使用情境，而是應該要對於AI的限制等等有務實的了解，且由工程師與企業應用領域專家組成執行小組。

介紹完導入人工智慧專案的程序後，講師向大家介紹推薦系統。推薦系統的目的和特性在於：因現行社會資訊爆炸，故可以藉由推薦系統減少搜尋時間，且可協助有選擇障礙者，更可讓消費者更快找到喜歡的用品。透過個人化行銷的方式，在STP之下更可精準行銷。而推薦系統的應用範圍非常廣泛，舉凡社群軟體、音樂、電影、電商、廣告、理財證券等等皆可適用。講師接著也介紹了電腦擇友與台大醫院健檢管理及自動判讀系統的案例分享，來讓大家討論推薦系統的應用與可調整之處。此外，講師也介紹Netflix的應用，提及Netflix在進入到第二階段由ＤＶＤ租借改為串流影音時，其高額獎金比賽和比賽設計為參賽者提供可以展示自己成續，並在研討會發表自己做法交流的平台。

最後，講師向大家介紹推薦系統常用的方法：統計推薦、知識推薦、內容推薦、協同過濾等等；統計推薦多為人口統計年齡、性別、族群、銷售排行等；知識推薦則是依專家的經驗，不需要大量交易資料，但卻會有專家意見不同的可能性；內容推薦則是依據一件瀏覽或已購買的商品，推薦屬性相似的商品；最後，協同過濾則是分析用戶與物品的互動的數據做為推薦基礎，是不需要物品特徵推薦的基礎。

推薦系統與我們的生活息息相關，相信學員們聽完演講也都對其應用有更多的認識與了解，且能在往後的情境中為商業策略上帶來不同的想法。