Deep Learning 將改變工業。機器將能夠完成那些需要人類智慧的工作。伴隨著企業流程數字化和數據收集的發展，Deep Learning deyingyongyejiangzengjia，shirenleihejiqizhijiandehezuogengjiagaoxiao。zhejiangchedigaibianzidonghuaheshengchan
，shixiangenggaoxiaoqiegengzhengquedejueceliuchengyijigenggaodeshengchanli
，tongshixianzhujiangdikaifachengben。

　　在我們的播客“SICKnificant”中
，我們與數字服務和解決方案戰略產品經理 Christoph Eichhorn 博士探討了 Deep Learning 如何幫助人們完成繁瑣的任務以及提高流程質量。

　　Christoph Eichhorn 博士，SICK 數字服務和解決方案的戰略產品經理

　　近年來，Deep Learning zuoweirengongzhinenghejiqixuexideyigezilingyu，suizheshujuhejisuannenglidebuduanzengjiaeryufazhongyao。gaijishujiangweishengchanzidonghuaheqitalingyudailaibiange，shijiqinenggouwanchengyiqianxuyaorenleizhihuicainengwanchengderenwu。SICK 的 AI 解決方案負責人 Christoph Eichhorn 博士這樣解釋：“Deep Learning 是機器學習的一個子領域。為此需要使用能夠處理複雜情況的人工神經網絡，即所謂的‘deep neural networks’。人ren工gong神shen經jing網wang絡luo可ke以yi完wan成cheng例li如ru質zhi量liang控kong製zhi領ling域yu的de複fu雜za決jue策ce，幫bang助zhu企qi業ye將jiang越yue來lai越yue多duo的de流liu程cheng自zi動dong化hua和he數shu字zi化hua
，從cong而er將jiang生sheng產chan效xiao率lv提ti高gao到dao一yi個ge新xin的de水shui平ping。”

　　數字化和人工智能

　　近年來
，工業中的數字化方案發展迅猛。來自傳感器 以及其他來源的數據（過去主要用於直接的流程控製）zaishuzihuaguochengzhongbeichucunqilai，congerkeyizaigengchouxiangdecengmiandedaoyingyong。danjinjinshoujishujushibugoude。dangshejidaotiqushujudehexinxinxiyijinxingjinyibudeyouhuashi，人工智能 發揮了重要作用。

　　以木材加工業 的某個應用為例：該應用借助數千兆字節的數據訓練一個神經網絡，其決策比人類的眼睛更高效、更快速、更持久。這個神經網絡的大小不到一兆字節，卻用到了大量的經驗。這個方案可以轉化到任意數量的應用中。

　　從基於人工智能的自動化中受益

　　當然，並不總是需要如此巨量的數據才能從人工智能中受益。根據客戶的個性化需求，Deep Learning 項目的實施具有很大的差異。擬定這些需求和期望目標並不輕鬆，但這是成功使用人工智能的先決條件。“簡單來說：隻zhi有you當dang你ni明ming確que了le自zi己ji的de需xu求qiu時shi
，才cai能neng通tong過guo人ren工gong智zhi能neng得de到dao想xiang要yao的de結jie果guo。一yi旦dan清qing楚chu了le這zhe一yi點dian，所suo有you客ke戶hu都dou希xi望wang通tong過guo一yi個ge簡jian單dan而er靈ling活huo的de解jie決jue方fang案an來lai解jie決jue他ta們men的de問wen題ti。”Eichhorn 說。

　　“在人工智能的幫助下，我們的客戶可以自己實現過去難以實現的自動化任務。典型示例 包括利用反光零件進行質量檢查和裝配檢查、焊點檢查或對天然產品進行分揀。這些工作往往非常繁瑣，需要占用熟練工人的大量寶貴時間，因此通常隻能以抽檢的方式進行。”

　　訓練人工神經網絡

　　隨著 Deep Learning deguangfanshiyong
，zidonghuazhengzaijinglidianfuxingdebiange。jinhoubuzaixuyaoweilezhidingyitaojutideguizeerquyanjiunaxiexijieyujuecexiangguan
，ershichongfenliyongxianyoushili。suanfaxuehuilezizhujuece。“我們訓練一個解決方案，而不是對其進行編程，這樣做更加快速且更加高效。但必須強調的是，Deep Learning 不能替代人的專業能力。人的智慧對於充分挖掘技術潛力來說仍是必不可少的。Deep Learning 是對人類能力的輔助和擴展。”Eichhorn 解釋並總結道：“由於 Deep Learning 工(gong)具(ju)使(shi)用(yong)簡(jian)單(dan)
，用(yong)戶(hu)隻(zhi)要(yao)知(zhi)道(dao)問(wen)題(ti)所(suo)在(zai)
，即(ji)便(bian)沒(mei)有(you)專(zhuan)業(ye)的(de)編(bian)程(cheng)知(zhi)識(shi)，也(ye)可(ke)以(yi)自(zi)行(xing)解(jie)決(jue)。因(yin)為(wei)隻(zhi)有(you)用(yong)戶(hu)才(cai)知(zhi)道(dao)哪(na)些(xie)因(yin)素(su)對(dui)於(yu)解(jie)決(jue)方(fang)案(an)來(lai)說(shuo)是(shi)重(zhong)要(yao)的(de)
，哪(na)些(xie)是(shi)不(bu)重(zhong)要(yao)的(de)，也(ye)隻(zhi)有(you)用(yong)戶(hu)才(cai)能(neng)找(zhao)到(dao)更(geng)合(he)適(shi)的(de)訓(xun)練(lian)實(shi)例(li)。通(tong)過(guo)我(wo)們(men)的(de)工(gong)具(ju)，用(yong)戶(hu)可(ke)以(yi)非(fei)常(chang)直(zhi)觀(guan)地(di)進(jin)行(xing)人(ren)工(gong)智(zhi)能(neng)訓(xun)練(lian)，從(cong)而(er)解(jie)決(jue)具(ju)體(ti)的(de)
、個性化的任務。”