LINE TAIWAN TECHPULSE 2019 科技盛會精彩回顧

大家好,我是 LINE Taiwan Technical Writer – Claire Wang。很榮幸能參加 LINE 台灣於 12 月 4 日,在臺北和平籃球館舉辦的「LINE TAIWAN TECHPULSE 2019」! 從 2016 年開始,LINE 台灣每年定期舉辦 LINE TAIWAN TECHPULSE 開發者大會,藉此科技產業的年度盛事,為台灣開發者提供來自日本 DevDay 的第一手訊息。

LINE TAIWAN TECHPULSE 2019 為第四屆台灣開發者大會, 介紹 AI 人工智慧、資訊安全、測試自動化、敏捷開發、新創團隊案例等各領域的最新趨勢,更邀請多位海外演講嘉賓,包含國際知名資安專家李丞鎮 (Beist)、NAVER Clova AI Chatbot AutoML 專家李在元 (Jaewon Lee)、 LINE Timeline Post 推薦系統負責人李知洪 (Jihong Lee),以及眾多科技領域專家,回歸開發者本質,以實務觀點探究產品開發,分享 LINE 開放平台資源及創新應用。

除了精彩議程之外,主辦單位也設置攤位,讓與會者能和議程講者 (Ask LINER)、LINE 資安團隊所經營的資安社群 (BECKS.IO)、LINE PROTOSTAR (LINE 新星計畫) 成員、LINE Pay 團隊、LINE API Expert,甚至是來自 LINE 日本總部的開發人員當面交流。同時,現場另有 10 組 LINE 開發團隊及 LINE Bank 精心準備的 poster,由 LINERs 透過問答形式,以專業、熱情的態度介紹 LINE 台灣產品與服務。

此外,本次大會更首度結合 LINE 開發者小聚、公開招募開發人員,由超過 10 位 LINE 工程師分享工作內容及內部開發技術,幫助與會者尋找未來職涯的發展方向。而活動場地入口處更設置相片牆,結合 LINE 貼文串,與會者可上傳於活動現場拍攝的照片,並在大螢幕上與本活動 logo 並列,結合技術、互動及創意的嘗試,令人眼睛為之一亮!

議程焦點回顧

現在,讓我們一起聚焦回顧 LINE TAIWAN TECHPULSE 2019 技術議程,探討了哪些 LINE 最新開發內容:

Opening / Roger Chen

LINE 官方新聞稿

LINE BRAIN 計畫整合 LINE 旗下的各項人工智慧技術,日前在日本總部 DevDay 2019 開發者大會中,展示 LINE AI 技術應用於生活中的樣貌,包括仿若真人對話的餐廳訂位對談等場景。

延續總部發展策略,LINE 台灣董事總經理陳立人在開場致詞中,表示正積極思考將 LINE BRAIN 導入台灣的最佳模式。2020 年上半年,將於 LINE 各項服務中應用 LINE BRAIN 以提升用戶體驗,並根據用戶反應持續優化;預計最快於 2020 下半年起廣邀合作夥伴,鎖定系統整合業者,或企業技術部門深度合作,為 LINE BRAIN 找到最適地化的應用方式。

LINE TAIWAN TECHPULSE Keynote / Marco Chen

投影片

LINE 台灣資深技術總監陳鴻嘉 (Marco Chen) 透過 keynote 從全球與地區兩種角度,介紹 LINE 的技術策略佈局,實現 Life on LINE 的兩大主軸:Connect with LINE Platform、Natural Experience with AI Technology。Marco Chen 說明,前者指的是整合服務與 LINE Platform,為使用者提供一致而簡單的體驗 ; 後者則是利用 AI 技術提供更人性化的使用體驗。接著,延續 AI 技術發展重點,宣示「LINE is AI Company」,積極發展八大 LINE AI 核心技術,包括 Speech、NLU、Voice、Data、Video、Face、OCR、Vision,並以這些技術為核心,發展出多元面向的 AI 服務,既而延伸為 AI 服務終端應用。

Marco Chen 並以多項 LINE 服務為例,說明 LINE AI 技術不但已有長足進展,更以這些技術為後盾,時時刻刻為用戶提供最佳使用體驗。LINE 台灣目前已將 NLU (自然語言理解)、DATA (指資料工程平台)、OCR (光學字元辨識) 導入 LINE SHOPPING、LINE TODAY、LINE MUSIC、LINE TRAVEL、LINE SPOT、ad targeting、貼圖、文字辨識等服務,未來將以 Speech (語音辨識)、Voice (語音合成)、Face (臉部辨識) 等技術為重點,實現語音與對話功能。

Marco Chen 進一步介紹,LINE 台灣 Data Engineering task force 如今已躋身 LINE AI 跨國團隊,積極與 LINE 總部合作發展 AI 技術平台 – LINE BRAIN,針對中文進行資料訓練的優化,並將最新 AI 技術應用至在地服務。其中的 Clova Chatbot Builder 只要上傳資料便能開始訓練其對談智能,是值得台灣開發者密切關注的重大平台資源,歡迎有興趣與 LINE 合作建立 pilot case 的企業夥伴加入 LINE 平台發展合作計畫,探索 AI 應用的更多可能。

隨著 AI 技術的進步、電腦演算效能的成長,Marco Chen 認為進行機器學習所需的電腦運算而已不再是問題,關鍵因而回到資料本身,並由此帶出「Privacy First」的概念,強調 LINE 是極度重視資安的公司,秉持「Privacy First」的原則,肩負確保使用者資料安全的責任。LINE 數據平台每日產生超過 1 兆筆新記錄,因此,LINE 採用統一管理的自助式數據平台,讓資料工程團隊有效地收集數據,並嚴謹運用跨服務累積的資料。此資料平台以 Feature as a Service 的概念為基礎,透過 feature embedding 等機制,平衡資料的實用性與用戶隱私權,為用戶得到更有保障的的體驗。

LINE 運用 AI 技術提供優質的使用者體驗,同時兼顧使用者隱私,並透過嚴謹的資料管控機制及平台具體實踐。最後,Marco Chen 也再度強調 「LINE is AI Company。」將持續投資 AI 技術,除運用於各項 LINE 服務之外,亦提供外部開發者應用於多元化服務!

LINE Platform API Update / Evan Lin

投影片

LINE 致力於提供與開放更多 API 功能,幫助開發者更有效的連結使用者,並開發更多元的互動方式。LINE Taiwan Technical Evangelist – Evan Lin 透過本議程介紹多項新工具,協助開發者增加與用戶的互動、提升開發效率。新工具包括:

  • 各式 Flex Message 新模板
  • Flex Message Simulator[Beta]:即使不會寫程式,也能輕鬆編輯 Flex Message 內容
  • Rich Menu Batch API:加速製作個人化 Rich Menu
  • Get Usage API:可隨時得知聊天機器人訊息發送數量的使用情形
  • Insight API:幫助分析 LINE 官方帳號好友輪廓
  • LIFF v2:可透過外部瀏覽器進行檢查與偵錯

此外,開發者現在可透過 API,取得原本僅能在 LINE 官方帳號後台手動取得的使用者互動資訊 (是否讀取訊息、是否打開連結、有無播放影片訊息等)。更多實用的工具包括:Try LINE API,只須於技術文件上新增一個按鈕,點選後便可即時看到測試效果,不用開啟樣本 app。最後,LINE 的開發者教學文件也開始繁體中文化,讓更多人能夠快速上手,一起加入 LINE 聊天機器人的開發行列!

AutoML in Clova Chatbot Builder Framework / Jaewon Lee & Penny Sun

投影片

Clova Chatbot Builder 是可以幫助使用者建立自己業務領域聊天機器人的 AI 服務,透過深度學習與自然語言處理技術實現智能對話。NAVER Clova AI Chatbot AutoML 專家李在元 (Jaewon Lee) 與 LINE 台灣資深資料工程師孫韻如,透過本議程介紹 Clova Chatbot Builder 架構的 pipeline、處理對話情境資料的技巧、建立高效能的聊天機器人,以及串接 LINE 平台等技術細節。此外,也現場展示 Chatbot Builder 的主要功能和台灣的實際案例。

在過去,建立 AI 聊天機器人須開發內容管理系統和使用者介面,用於輸入問題及答案以訓練資料。此外,亦須開發自然語言理解模型,以理解用戶訊息中可能的意圖,進一步自動回覆對應的答案,複雜的機制與龐大的運算資源需求,往往讓開發者卻步。現在,開發者只須於 Clova Chatbot Builder 平台進行設定,並輸入問答集便可建立聊天機器人。開發者更可進一步串接 LINE 官方帳號,即可讓 AI 聊天機器人與官方帳號中的用戶進行對談。而針對不同的業務需求,也可選擇建立最適合的聊天機器人類型,包括:

  • Domain-specific Q&A (特定領域問答):提供客戶服務
  • Task-oriented (任務導向對談):搜尋職缺、餐廳訂位,或進行行銷活動
  • Chit chat (閒聊對談):日常問候等,非特定主題的聊天

Clova Chatbot Builder 讓開發者不須進行開發,便可建立 LINE AI 聊天機器人,更可進一步選擇 AutoML (自動機器學習) 建置進階模型和其他功能,讓使用者與聊天機器人的對話更聰明、更人性化。目前,Clova Chatbot Builder 已應用於 LINE 開發者官方社群帳號 (OA ID: @line_tw_dev),歡迎加入帳號,並參閱教學文章:LINE 開發者官方社群小幫手 – 操作體驗篇,立即輕鬆開始體驗 LINE AI 聊天機器人的強大智能!

How LINE Does Enterprise Security / Beist

投影片

GrayLab 負責人,同時也是 LINE Security 團隊負責人 – 李丞鎮 (Beist) 於本議程介紹企業資訊安全團隊的運作模式,分享企業網路環境和系統,並說明企業所面臨的資安風險,以及如何應對這些風險。此外,亦介紹 LINE 資安團隊如何與開發人員合作,進行程式碼審核、檢查內部和外部網路安全,以及使用機器學習來檢測惡意行為等。最後,分享 LINE 透過哪些為資安社群舉辦的活動,與優秀資安人才建立良好的連結。

Beist 說明隨著 LINE 服務越趨多元,受到網路攻擊或惡意程式入侵的風險也相對提高。LINE 資安團隊以 DevSecOps 的概念為基礎,整合資安與開發流程,積極守護資料安全。具體作法是於 LINE 服務或產品規劃階段,資安團隊便與產品團隊協作、進行資安審查,將資安 DNA 注入 LINE 產品與服務。為了在大型企業落實資安,則需依靠完善的系統與標準,LINE 從日常內部訓練 (Training)、制定規格與審查流程 (Requirements)、服務建置 (Implementation)、服務驗證 (Verification)、服務發佈 (Release) 等五大面向切入執行,確保每個環節皆能通過資安考驗。

此外,LINE 也已將機器學習 (Machine Learning) 應用於進行 LINE 的企業資安,防止用戶的 LINE 帳號遭駭、過濾垃圾訊息及惡意流量等。LINE 全球資安團隊持續改善機器學習模型,並已於防禦方面取得極佳的成效,未來也將繼續應用機器學習,發揮企業資安的最大效益。

Timeline Post Recommender System / Jihong Lee

投影片

LINE 貼文串提供了一個網路社交平台,讓用戶可分享貼文來互動,而透過從貼文串取得的資料,LINE 得以為用戶提供個人化的推薦服務。LINE Timeline Post  推薦系統負責人李知洪 (Jihong Lee) 透過本議程,介紹數項提供完善使用體驗的重要因素,並持續進化 LINE 推薦系統。此外,亦探討從資料分析角度獲得的洞見,以及它們對整體系統品質帶來哪些貢獻。

Jihong Lee 首先介紹 LINE 推薦系統的運作機制,透過預測用戶點閱特定內容的可能性,決定為該用戶推薦哪些內容,並針對 user embedding、feedback loop、評估的重要性、模型架構 (Model Architecture),以及提高推薦內容的數量 (post pool size),分別說明相關挑戰、解決方案和心得分享。Jihong Lee 特別提醒,不同的演算法適用於不同的資料類型,想建立良好的推薦系統,開發者必須先徹底了解資料的本質,才能建立高效能的運算模型,且必須同時重視質化與量化評估的重要性,並透過掌握評估指標加以落實。此外,模型架構 (Model Architecture) 在決定推薦內容的流程中扮演核心角色,優質的模型架構,讓系統得以精準地將內容推薦給用戶,並吸引用戶主動點閱。

最後,Jihong Lee 也引用名言:”Perfection is not attainable. But if we chase perfection, we can catch excellence.”,再次說明優化推薦系統是一個持續的過程,開發者很可能將不斷發現模型不夠完美的地方,但只要以追求完美為目標,仍能持續建立出色的推薦模型。

Protostar Program Introduction & Startup Demo / Kevin Chen

投影片

LINE 台灣 Strategy 團隊成員 Kevin Chen 透過本議程,介紹 LINE 新星計劃 (Protostar Program) 歡迎開發者及新創團隊一同加入,藉由提供免費 LINE 官方帳號、平台資源、技術支援,戰略夥伴諮詢輔導,提高新創團隊在 LINE 平台上的開發速度,並確保推出服務的成功。在 2019 年,已有 10 家新星計畫團隊於 LINE 平台正式上線,服務涵蓋生活助手、娛樂、教育,與金融科技等領域,為 LINE 用戶帶來極高的附加價值。Kevin Chen 並以 TaxiGo 為例,說明此項服務以 LINE chatbot 和 LIFF web app 為基礎,提供便利的使用者體驗,於 2017 年上線至今已擁有超過 70 萬用戶。

新創事業可透過 LINE 新星計劃,經由 preparation、launch、caring、scale up 等完整程序,從提交服務計畫、運用 LINE 平台與行銷資源、專業諮詢輔導,到成為 LINE 服務夥伴,順利擴張事業版圖! 本議程也邀請到 2019 年正式於 LINE 平台上線的 10 家新星計畫團隊,登台分享非常實用有趣的應用,包括:

  1. 牙醫小幫手
  2. 記帳雞
  3. 看牙小鬧鐘
  4. 途你
  5. 肚肚
  6. 通勤學
  7. Montaggio
  8. Tiki Poki
  9. Dr. LINE
  10. 優活家

LINE Pay – New Features of LINE Pay / Webber Su & Sabrina Lee

投影片

本議程由 LINE Pay Development Lead – Webber Su 與 LINE Service Planning 團隊成員 – Sabrina Lee,圍繞全球 (global)、地區 (local)、合作夥伴 (partner) 的核心主軸,分享 LINE Pay 如何進行跨國合作、提供在地服務,並介紹 LINE Pay API v3 所提供的新服務。在 global 層面,LINE pay 的發展重點為 cross-border payment alliance,現階段透過 blockchain 技術,與韓國、日本、新加坡、泰國、馬來西亞、印尼等國家積極串連。而在 local 層面,優化 LINE Pay App 與 LINE App 間的認證與授權,強化 App2App 的目標。進而運用 Product API、Account API、Payment API 等技術,於台灣開展 Open Banking 計畫。Webber Su 並詳實地介紹最新 LINE Pay API v3 的技術細節,以及如何與合作夥伴進行整合、達成雙贏。

講座第二部分由 Sabrina Lee 接棒分享 LINE Pay 新功能,除了可代替實體錢包的數位 Wallet,還有 My Card 為用戶整合里程、集點、預付、會員資料等功能。透過綁定 LINE Pay,可充分享有快速結帳、連結消費回饋,以及整合資料等優勢。

LINE SPOT and How We Build It / Julian Shen

投影片

LINE SPOT 是串接實體商家與生活服務的平台,讓使用者可秒查所在地點附近的優惠與服務。本議程由 LINE SPOT team lead – Julian Shen 介紹什麼是 LINE SPOT、打造 LINE SPOT 過程中所面臨的挑戰、如何利用微服務 (Microservice) 與事件溯源 (Event Sourcing) 架構建立 LINE SPOT,以及利用 Kubernetes 部署及運維其複雜的架構。

Julian Shen 從日常聚餐的情境出發,帶領與會者看見從討論聚餐、尋找餐廳、餐廳訂位,到前往餐廳等步驟,涵蓋相當長的使用者旅程和多項對應的服務,而 LINE SPOT 便是把這些服務放在一起、深化線上/線下生態圈的連結。而如此便利的服務,在開發過程中自然也面臨不少挑戰,包括整合眾多不同的服務、頻繁的搬移服務,以及支援系統的大流量。因此,LINE SPOT 開發團隊以微服務 (microservices) 為基礎,建構 LINE SPOT 的後端設計。微服務的優勢在於讓開發更有彈性,且更容易進行運維。然而,其連接功能、資料整合、運行的複雜度也相對較高。Julian Shen 針對這些優勢、挑戰,以及使用的技術工具,逐一進行詳細的介紹,帶領與會者一窺 LINE SPOT 背後複雜而強大的運作機制。

Lightning Talk 1 – Data Pipeline and Data Processing / Yumei Chen, Jim Horng, Denny Tsai

LINE 開發人員從 data pipeline 和 data processing 的角度,分享 LINE SPOT 與 LINE 訊息查證小幫手,利用哪些技術進行開發與運維,整合複雜的服務、展現極高的效能:

1. Efficient Integrating Data from Multiple Data Providers / Yumei Chen

投影片

LINE SPOT 根據地點推薦商品或店家,串接不同商業合作夥伴的系統成為一大考驗。本議程分享 LINE SPOT 處理與合作夥伴的資料交換的技巧和相關經驗,並介紹 LINE SPOT 系統架構、程式更新流程,以及團隊決策方式。

2. How Machine Learning Helps LINE Fact Checker / Jim Horng

投影片

本議程介紹如何利用機器學習技術進行訊息查證,包括文字語意相似度比對、CNN 模式圖片比對等,並說明如何運用機器學習訓練分類器提高人工查證效率。接著介紹機器學習系統如何運作,以及執行專案時面臨的挑戰與解法。

3. Go-ing GraphQL in LINE SPOT API Gateway for Microservices / Denny Tsai

投影片

 本議程說明 LINE SPOT 如何使用 Go 和 GraphQL 來開發 Microservice 架構的 API Gateway,並介紹團隊如何使用 GraphQL 生態系中的相關工具,以增進開發體驗。

Lightning Talk 2 – Data Science and Analytics / Shawn Tsai, Liwen Liao, Johnson Wu

LINE 開發人員從 data science 和 data analytics 的角度,說明 LINE Data Dev 團隊如何運用機器學習評估和掌握關聯性,以提升各種 LINE 服務的搜尋結果準確度,並解析 LINE MUSIC 的使用者輪廓,進一步分享 AI 技術如何讓 LINE MUSIC 更加貼近使用者的需求:

1. Utilizing Embeddings In Learning To Rank For Search / Shawn Tsai

投影片

以關鍵字為基礎的檢索系統已被廣泛運用,但是基本檢索模型考慮的因素不多,隨著搜尋引擎的發展,排序公式考慮的因素越來越多,以人工進行排序公式調整越來越不可行。本議程介紹如何利用詞嵌入預訓練模型,發掘隱藏在關鍵字背後的語意,並將機器學習排序方式加入 Elasticsearch 計算,讓搜尋更聰明。

2. Analysis of LINE MUSIC in Taiwan / Liwen Liao

投影片

LINE MUSIC in Taiwan 推出短短幾個月之內突破百萬下載,更提供其他音樂串流服務所沒有的來電鈴聲設定等功能。本議程從資料分析的角度切入,探討用戶輪廓和行為模式,並提供相關洞見,持續提供優質服務以增加用戶黏著度。

3. Toward Intelligent Music Service / Johnson Wu

投影片

本議程介紹應用於 LINE MUSIC TW 的相關 AI 科技,以及 LINE MUSIC TW 的 knowledge-based solution,包括進階 auto-complete 搜尋服務、如何利用 knowledge graph 建構更聰明的 auto-suggest 功能,以及運用 unstructured date 了解使用者的潛在應用。 

Lightning Talk 3 – Client and Automation / Daniel Kao, JJ Lin, Winter Hung

LINE 開發人員從 client 和 automation 的角度,解析如何運用 Flutter 為 LINE TODAY 建立不同的 UI,以及 LINE SPOT 和 LINE TODAY 運用哪些技術加速編譯時間,並分享如何透過 FCU 架構,掌握 LINE SHOPPING 的線上穩定度、減少監控的工作量:

1. Fast UI/UX Prototyping W/ Flutter For App Development / Daniel Kao

投影片

透過 Google Flutter UI toolkit 可快速建立 Mobile App prototype 連接真實的資料來源;透過 declarative UI 的特性,還能方便地實作,並即時切換不同的 UI。本議程介紹如何運用 Flutter 建立 LINE TODAY 服務的 prototype,以及嘗試不同的 UI 呈現方式。

2. Speed up iOS Development with LLDB Code Injection and Framework Live Preview / CJ Lin

投影片

編譯時間是影響行動 App 開發驗證速度的主要因素,對於大型 App 開發而言,單次編譯時間可能高達數十分鐘以上。本議程介紹開發 LINE SPOT 和 LINE TODAY 的實務經驗,應用框架預覽與 LLDB 程式碼注入,大幅降低所需的等待時間。

3. How FCU speeds up to LINE Shopping monitor workload / Winter Hung

投影片

LINE SHOPPING 整合搜尋、推薦等服務,並結合後端 REST 和前端 Graphql API 執行運作,因此,如何掌握線上穩定度是非常重要的課題。本議程將介紹如何透過 FCU 架構,掌握 LINE SHOPPING 的線上穩定度,進而幫助開發人員找出問題,並減少監控的工作量。

活動小結

「LINE TAIWAN TECHPULSE 2019」在與會者的熱情支持中畫下完美句點,從兼具廣度與深度的議程、串連 LINE 開發生態圈的技術攤位與 poster,到熱情招募開發人員的小聚,LINE TAIWAN TECHPULSE 2019 用心為與會者帶來最多元、最全面的體驗! 也歡迎點閱 LINE TAIWAN TECHPULSE 2019 活動安排幕後秘辛,再度感受主辦單位的各種巧思。期待 LINE TAIWAN TECHPULSE 2020 再見!

立即加入「LINE 開發者官方社群」官方帳號,就能收到第一手 Meetup 活動,或與開發者計畫有關的最新消息的推播通知。▼

「LINE 開發者官方社群」官方帳號ID:@line_tw_dev

關於「LINE 開發社群計畫」

LINE 今年年初在台灣啟動「LINE 開發社群計畫」,將長期投入人力與資源在台灣舉辦對內對外、線上線下的開發者社群聚會、徵才日、開發者大會等,預計全年將舉辦 30 場以上的活動。歡迎讀者們能夠持續回來察看最新的狀況。詳情請看 2019 年 LINE 開發社群計畫活動時程表 (持續更新)https://engineering.linecorp.com/zh-hant/blog/line-taiwan-developer-relations-2019-plan/)

Related Post