楼主:
Hunnish (野人匈奴一名)
2022-05-01 17:52:38昨天跟朋友聊天,他说神山宣称公司IT投入数百名人力在做人工智能,乍听之下我是
觉得很唬烂,但是我朋友补了一句另人发噱的话,他说"人工" = manual,"智慧"= wisdom
所以合起来就是 Manual Wisdom,连加个"类"都不用,实至名归
不过酸话归酸话,我还是很好奇,神山真的找得到数百人做人工智能?还是只是重新定
义?
作者:
neo5277 (I am an agent of chaos)
2022-05-01 18:14:00呵呵人多地方不要去
还好吧 Meta SDEM 跟我说他们有五千人做AI对话的原文"The entire system for recommendation"所以包含infra, analyst, security, ...
作者:
chter ((分身别查了XD))
2022-05-01 20:10:00没差，钱多
作者:
Morphee (千磨万击还坚劲)
2022-05-01 21:03:00就资料集的角度来说 台积是台湾最有资格作ai的地方
资料=$ , 一直都是 台积从产业产值的角度 高搞AI绝对是有赚头的 , 但过去听到进去的人都在玩政治不做正事
作者:
chocopie (好吃的巧克力派 :))
2022-05-01 21:55:0017 18年就在做简报帮长官们上课深度学习囉以资料量来说绝对有东西可以做，但只要是跟投入资源有关，那就是跟工作协调分配有关。办公室政治不可避
作者: tanby (tanby) 2022-05-01 22:06:00
我猜请做算法的去label数据
说资料多可以做的人应该是都没看过台积电的资料多难拿 而且有多乱多脏吧（笑光是一个PIP就把你挡死 凭什么要给你看我们家的资料（笑而且测量的资料 光是测量的点位在每一站都不一样 你就不知道怎么整理资料了 更何况还是抽测 你可能前站抽测该lot的A片 后站是抽该lot的B片 而且制造部为了避免量测卡产能 一定是尽可能错开 因为CIM帮他们写最佳化程式去尽可能在一轮制程中覆蓋整个lot的每片所以抽测的情况更复杂难料好做的大概只有RD厂 但是他们也是透过DOE 而且要控制成本 不可能那么多钱给你实验台积电量产厂 资料很大 但是光是整理资料就累死你了RD厂资料不大 但是也不会每一个地方跟你设Sensor 常常会发现RD厂没问题 但是量产厂还是出问题环境问题难解 资料点还是不够可以拿来ㄈㄣㄒㄧㄗˉㄌㄧㄠ如果对台积电资料有向往 真的欢迎去挑战看看
作者:
OforU (待)
2022-05-01 23:38:00实务上的 ai 挑战大部份都是在资料又脏又乱，不太可能有多干净的data set 除非有另一个 team 帮你整理完，这点应该到哪间公司都差不多吧
台积电的资料多又脏之外 还有一堆政治问题（PIP）卡你 那些资料的难处 很多人应该不懂 所以我试图说明但是也只能说明到那样了 剩下就各为自己去挑战看看
作者:
OBTea (明珠)
2022-05-02 00:28:00神山的资料系统应该是叠床架屋得很厉害，每个单位觉得A系统好用就用A系统，但整个公司就该单位用A系统有个然后开始繁衍A-Z 各种不同组合的系统差别
其实大公司很多都这样国外也是 正常现象不必妄自菲薄
作者:
DrTech (竹科管理处网军研发人员)
2022-05-02 00:47:00说台积资料量是全台湾最有资格做AI，是没见过电信业，或是vpon，appier等公司吧。再怎么量大也没全网量大。
作者:
DrTech (竹科管理处网军研发人员)
2022-05-02 00:49:00另外，AI才投入数百人力，算少的团队。
作者:
DrTech (竹科管理处网军研发人员)
2022-05-02 00:51:00电子制造业做AI问题不在AI或资料量，或有没有人标注，而是业务流程根本没办法标准化。光是判定defect，就保证因人而异没标准了。因人而异的各种电子制造判定问题，结果拼命投入大量人力去做AI，年复一年，每年都在换计画，永远解决不了问题。才是根源。更何况一堆产线物理现象，产生的零星Defect，根本就没sensors可产生资料。结果还拼命堆钱做。看过太多公司都这样玩。
作者:
ZakuSIN (SIN)
2022-05-02 01:06:00先有工人智慧 才有 人工智能
作者:
ILYY (毅力)
2022-05-02 06:39:00说真的光要搞到质高的资料100多人太少
作者:
Bujo (部长)
2022-05-02 08:06:00只要数据湖 数据仓库 弄不起来 算法工程师就只能玩办公室政治互抢功劳XD
作者:
goodga ( )
2022-05-02 08:34:00类人工智能
作者:
min86615 (minshang)
2022-05-02 11:20:00一堆基础建设没弄好，要玩好很难啦
D大提到的标准化真的也是一个问题判断Defect，成因如何，每个人说法也不一样而且如果是到了封装前的CP测试资料可能已经在台积电内部系统两个月了这时候还要再捞出来分析 过滤脏资料 还要考验module记性 有没有拿去做实验台积电很多老板都以为AI很容易 都先喊AI 结果连个像样的data lake, data warehouse都没有 每个人都只想要拿到资料分析 都没人想要先整理好资料 这真的是很大的难题补充一个是资料分析中会有很明显的坏机台，这个也是一个影响良率的重要因子 但是常常抓出来才发现 module早就知道 然后就发现做白工（笑
作者:
revorea (追寻安身之地)
2022-05-02 14:00:00神山，先搞定各种叠床架屋问题再来说收资料啦（呵欠上面一堆状况外连资料都收不好就在那边乱喊AI，笑死
作者:
DrTech (竹科管理处网军研发人员)
2022-05-02 14:26:00因为台湾神山，或其他电子制造业，不是靠AI或资料赚钱啊。
资料或AI一直都不是神山的重点啊 那只是nice to have而已 重点在于RD能够把产品做出来 量产厂可以把良率拉上去 就能赚大钱了大部分客户也是by wafer买 有好有坏的芯片 就分别做不同等级的产品 刚好而且神山压榨这些工程师解决良率也不是一天两天的事情 是每天都在问为什么良率不好（笑
作者:
revorea (追寻安身之地)
2022-05-02 14:49:00资料要整理，但整理没有KPI，project不够炫，掰
作者:
chocopie (好吃的巧克力派 :))
2022-05-02 15:14:00大家都想要资料分析(的成果) 而没有人想要整理资料。这就好比有了特级厨师臂章但不会只想整天备料洗盘子，只做庶务是没有发展的，但总是要有人来做。
作者:
tttkkk (学到。)
2022-05-02 17:56:00If it works, then it works.
靠杯 做data整理是可以报告逆 当然要先做demo case然后报benefit 再拉其他单位support啊 最后就成功甩锅就好了 懂？
作者:
Bujo (部长)
2022-05-02 18:18:00影响神山良率的最大因素是硕博士等级员工的奴性吧，就算工厂导入智慧制造也影响不大
作者:
Apache (阿帕契)
2022-05-02 18:22:00神山就希望摆脱人力依赖吧但能不能做到是另一回事
作者:
revorea (追寻安身之地)
2022-05-02 19:52:00就算想做也会被上层ban啦，没有立即可见KPI的只能包在其他案子下面偷偷做，谁要那么佛心跟上面玩，弄不好还要吃棍子。
作者:
acgotaku (otaku)
2022-05-03 10:13:00至少人家有资源在做这件事,发得也够多 两三年领两百万你看看一堆AI新创,也是AI原宇宙喊得爽,公司没两年就收掉还只能出香蕉价,猴子还不去,台积至少还挖到fb技术处长
至少人家部门人员和主管是真的懂AI理论和一些趋势论文，我就面过其他间公司(哪几间不说了)，面试官一副就不懂AI这领域的知识和趋势等等，只会抱着CNN这个词在那边绕，讲啥他都听不懂。啊 其他间公司也是应征AI职缺喔 其中还有算法工程师
作者: jerrysmoove (mrworldwide) 2022-05-05 04:00:00
楼上是隔壁板最近因为删文很出名那位吗是的话期待你之后去台积做AI 再来板上分享目前现况了
作者: daddy29 (愿上帝与你同在) 2022-05-06 10:26:00
这只能引进新血了 神山里面工作模式有点恶...
神山真的有在做啦，我四大硕我们班的书卷都在神山做ai, 他们满操的
作者: NCKUchoume (也不想这么帅) 2022-05-08 14:58:00
参加过GG central team开的AI课，教你用AI自动化捞资料加分析，结果是用python做出按键精灵笑死