本專輯以生成式AI在智慧機械產業的應用介紹為主題。主要是因為生成式AI在不同產業領域的應用，已是國際趨勢，目前政府也鼓勵台灣各不同產業發展應用生成式AI在各自適合的技術領域，以提升各產業的國際競爭力。此外政府也規劃培育生成式AI的人工智慧相關人才。
人工智慧的發展自早期的專家系統、類神經網路，到深度學習的神經網路為以往應用在智慧機械產業領域的技術。但最近幾年的人工智慧發展出大語音模型的自然語言處理(Natural Language Processing, NLP)結合生成對抗網路(Generative Adversarial Networks, GANs)的生成式AI技術，配合Nvidia高運算需求的設備開發，形成全球各大企業對生成式AI的需求大量成長，並也進一步導致各國就不同產業領域規劃生成式AI的應用以提升各自產業競爭力。
對智慧機械領域大體而言生成式AI可應用於工業4.0相關的整體製程的設備自動化、生產流程的優化改善、品質瑕疵檢測、機器人應用、以及在設計上可用生成式AI改善設計流程、改善機構設計、電路設計、及可程式邏輯控制器設計等。然而生成式AI的應用需使用者給予正確的提問過程，否則所得結果會不符合使用者的需求，因此培育如何正確使用生成式AI的人才為未來相當重要的課題。此外生成式AI的應用未來仍面臨高運算需求、數據品質、倫理問題及產業領域特定限制等挑戰。
綜上所述，因此本專輯介紹四篇有關生成式AI在智慧機械領域的論文。為使讀者較易整體的瞭解生成式AI在智慧機械的應用，因此本專輯對此四篇論文依序第一篇論文先介紹生成式AI 應用在智慧機械的整體發展介紹，第二篇及第三篇論文為生成式AI可應用於工具機主軸受溫升影響之熱變位案例研究和生成式AI可應用於工具機主軸受溫升影響的熱變位補償案例研究，第四篇論文再對人工智慧的硬體與軟體的發展做完整介紹，其中也介紹機器學習的類神經網路，深度學習及生成式AI的應用。此四篇論文的題目如下，第一篇論文為「生成式人工智慧於智慧機械及醫療應用之發展介紹」，第二篇論文為「可用於生成式AI 模型訓練的工具機熱變位數位模型的建構」，第三篇論文為「多層模糊邏輯系統應用於立軸熱變形智慧補償技術」，第四篇論文為「人工智慧時代的硬體與軟體」。
就本專輯所邀請的四篇論文，其各自的技術介紹，實驗結果和成果，簡略分述如下。
一、生成式人工智慧於智慧機械及醫療應用之發展介紹
本文之內容包括：(一)前言。其介紹生成式AI大致上可用於智慧機械領域及智慧醫療的描述。(二)生成式AI技術在智慧機械的應用。其介紹(1)生成式AI在工業自動化，品質控制和生產流程優化的應用，(2)結合自然語言處理(NLP)和生成模型技術處理大量非結構數據，智慧型文件處理，有效清理和標準化數據，(3)生成式AI技術透過生成對抗網路(GAN)模擬各種產品瑕疵，(4)生成式AI的「生成」能力，能自動產生多樣且複雜的數據樣本。(三)生成式AI在智慧醫療的應用。其介紹(1)自然語言處理(NLP)協助第一線醫生解決資訊過載問題，(2)生成式AI應用在自動化臨床資料生成與管理，(3)生成式AI在醫學影像處理，(4)生成式AI在醫學診斷、治療及監測的應用。(四)結論。
二、可用於生成式AI模型訓練的工具機熱變位數位模型的建構
本文之內容包括：(一)前言。其介紹生成式AI可應用於設計、製程優化和預測維護。以及工具機產業導入生成式AI面臨數據獲取，演算法精度和即時性等挑戰。(二)研究方法。其介紹本文利用ANSYS模擬分析工具機的熱變位情形，熱變位的測量方法。(三)結果與討論。其介紹(1)工具機的溫度場分佈模擬與實機驗證。在此部分，其分析不同主軸轉速的模擬溫度場分佈的結果，分析機台三維熱變位模擬分佈結果與實驗結果，特別是與有關主軸熱變位結果的比較。(2)三個不同位置的熱變位分佈模擬與實機驗證。其介紹主軸轉速在1000rpm至8000rpm之間變化，分析不同轉速的在A、B與C三個點的模擬結果與實驗熱變位的驗證。此外，並提出本文的模型可以依環境溫度變化進行模擬數據，此數據可提供給生成網路模型進行訓練。生成式AI主要以生成對抗網路(GANs, Generative Adversarial Networks)去運作，而GANs分別是由鑑別網路(Discriminating Networks)與生成網路(Generative Networks)構成。本文可在三軸熱變位量與熱變位程度變化來建構時間輸入序列向量，藉由所輸入的數據來訓練生成網路，並再以真實與生成網路的熱變位資料訓練出鑑別網路，並讓兩者相互比較以增加正確性。(四)結論。
三、多層模糊邏輯系統應用於主軸熱變形智慧補償技術
本文之內容包括：(一)前言。其介紹工具機的傳統冷卻主軸系統以及本文應用人工智慧的多層模糊邏輯系統與建立生成式AI去建立智慧型量測刀把與調整油冷機冷卻流量大小，預測主軸熱變形與補償技術的研究目的。(二)相關原理。其介紹(1)主軸熱變形原理探討。(2)應變規相關原理，(3)分層模糊系統。(三)量測儀器開發。其介紹本文開發對熱溫升量測，補償與縮短工具機暖機時間的一套智慧化系統。在此系統中有Message Queuing Telemetry Transport, MQTT系統傳輸，Pulse Width Modulation, PWM控制流量比例閥，原點偏移補償。以及開發結合應變感測之元件與BT40長拉栓的量測刀把，以及智慧冷卻流量控制系統。(四)量測刀把模型建立與驗證。其介紹量測刀把所包含的感測元件及刀把精度檢驗。(五)軟體開發。其介紹本文的量測刀把拉刀力，主軸溫度、主軸位移量以及流量計量測數據相關的系統開發。此軟體包括監測，推論與控制三大功能。在推論功能中，軟體整合了生成式人工智慧技術及多層模糊邏輯控制，以及AI預測主軸熱變形。用此軟體可根據人工智慧推論結果、動態調整冷卻系統流量，以補償主軸熱變形。(六)流量控制系統模型建立與驗證。其介紹流量控制系統所用的流量計與電流訊號和電壓值，流量精確調節比例閥的開度。(七)實驗結果與討論。其介紹(1)預測模型建立。在此預測模型中，本文引入生成式AI技術，該技術生成優化規則庫，自動優化模糊邏輯系統的規則，並依據歷史數據與現有實驗條件下，不斷調整模型參數，使系統能夠更精確的預測主軸熱誤差與溫機時間，(2)熱誤差預測結果。其介紹本文最終量測工件的補償誤差，確保模型有效地預測整個動態熱誤差。(八)結論。
四、人工智慧時代的硬體與軟體
本文內容包括：(一)人類與機器智慧。其介紹(1)人類智慧源於自我需求，(2)人類動力源於快樂，(3)人類與機器智慧發展主要差異。(二)大腦與電腦。其介紹(1)人類的感知與記憶，(2)人類的學習，(3)電腦的硬體，(4)機器的學習，在機器學習中，特別介紹主要的AI學習方法為利用類人類神經網路，或統計方法。其包括監督學習、深度學習、非監督學習、強化學習以及生成式AI的生成對抗網路(Generative Adversarial Network, GAN)是一種非監督式學習的一種方法。(三)電腦軟體。其介紹(1)符號程式—直譯器，(2)數位程式—編譯器，(3)常用的的標準資料檔案型態，其包括二進位檔案、文字檔案，(4)開源軟體。(四)程式的數學基礎，其介紹(1)圖論，利用圖論可自動生成機構，自動生成電路，自動生成可程式邏輯控制器的階梯圖與功能區塊圖的資料結構，並執行其隱含的有限狀態機之狀態變化，(2)線性代數與AI硬體應用。(五)結論。
最後在此感謝本專輯精選之上述文章作者，其中有周咏蒨、劉建宏、汪正祺、杜維奈、陳紹賢、許登翔、李宜駿、成維華、覃大嘉、章質彬。由上述文章的技術分享，可進一步了解生成式AI在智慧機械的應用發展，進而可提升台灣機械產業的國際競爭力。
