舉例來說，以聘僱畢業生的情況而言，過去都是由這方面的專業人士負責，先審閱畢業生的求職信或透過性向測驗等方式來判斷誰可以接受面試、誰要被淘汰。應用方式就是改由電腦來執行這項作業。至於實際的使用方式，首先是以「RAPID機械學習」讓電腦學習這家公司想要招聘的人才範本，再拿畢業生的求職信或性向測驗結果等資料來比對，讓電腦協助工作人員判斷是否讓對方進行到下一個階段。

公司在招聘新人時，書面審查和面試等程序都會耗費相當的人事成本，所以業界會有這樣的需求，哪怕只是降低一點成本也好。除此之外，也期待藉此提前鎖定優秀人才或是避免優秀人才在甄選中意外落榜等情況。

原來如此。

此外還有一些是機械學習的獨門應用範例，舉例來說，有些公司的需求是要在聘僱的同時預測新人數年後的表現。也就是說，公司希望在畢業生被分派到某個部門的同時，就以模擬的方式來推算新人數年後在該部門是否稱職。

我想我們可以利用某年度錄取的畢業生的求職信或性向測驗結果，拿來跟他們就業數年後的表現數據建立起關聯性模型，並以這種方式來因應這方面的需求。我們可以將新聘的畢業生的求職信或性向測驗結果，拿來與這種關聯性模型比對，藉由這種方式預測出他們比較適合被分派到什麼樣的部門。

嘩啊…，連人的未來都能預測出來，真令人興奮呢。

在「人才媒合」方面，我們目前尚處於跟合作公司的人力資源負責人一起探索的階段，對於自己有著什麼樣的能力、能達成什麼樣的需求，其實我們也都還在摸索，但我們深信「RAPID機械學習」具備擴大運用在各種領域的潛力。

話說回來，兩位剛才有提到過「RAPID機械學習」相較於其他的深度學習軟體，特點是可高速運作、而且記憶體需求量低，這些特點在企業應用方面能帶來什麼樣的優勢呢？

這個問題問得好。目前業界對手推出的機械學習工具，多半是以雲端運算型態為主流。也就是說，為了分析影像或文件等資料，用戶必須先將資料上傳到雲端才行。在這種情況下，如果處理的是監視器的影像數據或是企業人事資料等機密資訊，就很難使用這項工具了。

即使雲端作業的安全性已經有所提升，一提到要把監視器畫面或人才媒合等攸關個人資訊的資料上傳到雲端，還是有很多公司會擔心資安問題。

原來如此。

因此，以現況而言，還是有很多公司要求要將軟體灌入公司內部的作業系統，而「RAPID機械學習」正好有著省記憶體、省資源的運作特長，所以能輕鬆導入公司內部作業系統。換句話說，即使是資料不得攜出公司的客戶，還是可以用我們的軟體來處理。

這可是一大強項呢！

還有，如果要分析的資料特性經常在改變的話，自然也就必須頻繁地執行學習資料的作業。「RAPID機械學習」不以輸入判斷關鍵的方式運作，讓電腦得以高速學習，所以也很適合處理這種案件。

的確！在不久的將來，由這項人工智慧科技衍生出來的軟體和作業系統勢必更加普及，並且大大地改變我們的生活呢。好令人期待哦！友永先生、藤重小姐，非常感謝兩位今天在百忙中接受採訪，與我們分享了這些寶貴的訊息，謝謝兩位！

• 您客氣了，接受採訪是我們的榮幸。謝謝妳！