1/22/2018

台積電的供應鏈管理

談到台積電對供應鏈廠商嚴格的管理,提供台積電晶圓測試板的中華精測總經理黃水可說,台積電的競爭力指標是品質、價格、交期、服務,當然,不只是對客戶,台積電對供應商的要求,也是同樣標準。 
因為,若供應商的產品品質與支援,無法讓台積電的客戶產品準時量產,將會對台積電營收與獲利造成衝擊。 
所以,所有和客戶出貨有關的大小事,台積電全都會攬下來管理,包括封測、矽智財 (IP) 等供應商的管理。事實上,這些供應商的主要客戶並非台積電,而是台積電的客戶,如蘋果、高通、聯發科等。...
台積電封測下游矽品的歐洲業務/北美客服處資深處長鄭陽智舉例,晶圓凸塊的週期時間一般是六天,為了縮短客戶的上市時間,台積電就會在初期量產時,要求縮短成3天。常常要供應商和台積電一起完成這樣艱鉅的任務,為的就是要能滿足客戶在量與週期上的要求。 
因此,趕進度的時候,供應商幾乎天天都要和台積電開會,甚至有時候異常狀況多,怕趕不上出貨時間,連星期六、日都要去台積電新竹總部和負責的人員開會。甚至星期日晚上11點,接到台積電窗口的電話來確認進度,也不誇張。
為了讓客戶產品可以準時出貨,台積電對供應商的要求永遠都比客戶還要龜毛。「我們現在和台積電合作的案子,未來將用在蘋果的手機上。比方說今年蘋果產品要用的方案,台積電就會在兩年前驗證過,蘋果則是在一年前驗證過......」蘋果供應鏈廠商透露,台積電永遠會比客戶更提早確認產品出貨流程是否零失誤。 
台積電供應鏈廠商高層分析,台積電可以告訴客戶,「到我這,我已經確認過所有供應商品質了,所以我們整體良率可以很高,你去別的地方可能良率降5%,來我這邊即使價格貴3%,你還是賺2%。」台積電透過這樣的供應鏈管理,確保客戶產品的品質、良率、測試穩定,甚至出貨之後被退貨的機率大幅降低,將晶片毛利再往上提升。 

1/18/2018

Artificial Intelligence: Foundations of Computational Agents

David L. Poole and Alan K. Mackworth, Artificial Intelligence: Foundations of Computational Agents, Cambridge University Press, 2nd edition, 2017.

免費的 AI 好書和 python code

阿里巴巴和微軟的 AI 軟體超越人類閱讀能力

阿里巴巴與微軟的AI機器學習模型,參與被認為最具權威性的史丹佛大學閱讀理解測驗,在分析500多篇維基百科文章、通過題目庫10萬條問題的隨機測驗後,最後出爐的成績都紛紛超越人類過去的紀錄。 
由史丹佛大學研究人員所開發的史丹佛大學閱讀理解測試 (Stanford Question Answering Dataset簡稱 SQuAD)被業界認為是最具權威與公信力的機器閱讀理解測驗包括GoogleIBMFacebook卡內基美隆大學等企業機構都曾參與。...
SQuAD比賽由一個10萬條問題組成的機器閱讀理解題目庫組成,這些題目以500篇維基百科文章為基礎,主要用來測試機器是否能透過自然語言處理模仿人類對單字、句子的理解,在消化大量資訊後,精準地回答出問題。 
AI在閱讀完題目庫中的一篇短文後,需要回答關於文章的幾個問題。例如,讓AI閱讀影集《異世奇人》資料,然後問「博士的飛船叫什麼名字?」;或是閱讀成吉思汗的歷史後,問「成吉思汗是哪年去世的?」 
阿里巴巴研究團隊提出的「基於分層融合注意力機制」的深度神經網絡模型,是這項技術的重大突破,這款模型可以模擬人類在閱讀理解時的行為,包括串聯不同篇章的內容、帶著問題反覆閱讀文章、在閱讀時標註避免遺忘資訊等。 

1/15/2018

大數據的傲慢與偏見 (Weapons of Math Destruction)




Daniel Kahneman on AI


James Pethokoukis, Nobel laureate Daniel Kahneman on AI: ‘It’s very difficult to imagine that with sufficient data there will remain things that only humans can do’, January 11, 2018, AEIdeas.
You should replace humans by algorithms whenever possible, and this is really happening. Even when the algorithms don’t do very well, humans do so poorly and are so noisy that just by removing the noise you can do better than people. And the other is that when you can’t do it you try to have humans simulate the algorithm. And that idea, by enforcing regularity and processes and discipline on judgment and on choice, you improve and you reduce the noise and you improve performance because noise is so poisonous.