為提升本校培育AI人才的成效，我們預計未來五年定期舉辦智慧學園創新與實作競賽，以今年為起始年，先邀請本校近兩年入選Intel® DevCup × openVINOTM人工智慧創意應用競賽決選的兩組團隊，分享參賽經驗、展示決選成果，並進行概念、實作兩組的示範賽；同時，為了增進本校人工智慧相關領域的教學與研究量能，我們亦舉辦了台灣國網中心AI雲超級電腦使用經驗的分享與座談，邀請本校入選台灣AI 雲GPU hackathon的團隊，以及開南大學李盛安副教授，一同分享當時入選的經驗，與使用國網機器開發訓練 AI 模型的技術。
首先由MIBT團隊展演他們去年入選實作組決選的專案：疾病預測—以酒精成癮為例。去年是首屆競賽，MIBT是極少數不是企業廠商，但參賽到最後階段，純由學校師生組成的團隊。他們自行開發根據病史預測是否罹患酒癮的AI模型；應用OpenVINOTM快速佈署、執行並優化推論模型，將效能提升45倍；此外，還開發APP整合預測模型、診斷量表與衛教資訊，可協助醫生提供遠距或診間醫療衛生服務，而透過APP可收集更多病史與診斷資料，定期或動態重新訓練、佈署及優化模型。
其次由另一團隊「隊長是神豬」，分享他們今年入選概念組決選的經驗：在時間規劃方面，總共四個月半賽程，要繳交的參賽文件繁多，且有許多需要學習的新技術，因此時間的規劃安排非常重要。在團隊討論方面，他們大部分著重在最終呈現方法、市場規模及可行性分析。但因缺乏擅長商業概念的團員，因此團隊花了大部分時間在蒐集商業相關資料與分析各種項目的可行性。專業技能方面，進入決選後，概念組仍需使用openVINO去做模型的效能評估和最佳化(類似半個實作組)，因此需要從官方給予的文件檔案及教學範例去研究如何使用。此外，決選還要展示demo影片，因此團隊需要具備製作影片與上字幕的能力。最後是人氣票選的網頁編輯與宣傳，如何去推廣自己製作的系統也是一項重要的能力。在賽後反思方面，今年實作組的展覽中看到了許多創新與專業技術，每組都擁有可以將其商品化進入市場的能力。像是使用AI製作鑽石品質檢測、快速判斷小雞性別、房樹人繪圖分析和機車駕照考試擺頭判斷等。從中便可以得知，我們團隊的主題在創新性上是不足的，但在實作性和完整度方面還是具有一定水準的。市場規模上我們的受眾則是偏少。
最後由開南大學李盛安副教授先講評MIBT與「隊長是神豬」的參賽成果，再總結他們這兩屆的參賽經驗，並分享入選台灣AI雲GPU hackathon與使用國網台灣杉2號訓練AI模型的經驗：1. 國網機器的使用費不便宜，一定要預訓過、規劃好、測試順利才正式放大訓練 AI 模型的規模，不然錢會很快燒完；2. 一定要懂得使用容器化的技術架構來訓練AI模型，確保預訓、測試、放大規模時的訓練環境是一致的，之後佈署至其他機器時也都是一致；3. 將國網超級電腦hackathon與Intel® DevCup × openVINOTM 串結起來，剛好提供從雲端到邊緣、從開發訓練到佈署推論的整套完整流程，在校師生若有AI實務應用開發的專案，可以善用這些計算資源來達成。(撰文/圖片：電算中心)
