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 的de應ying用yong也ye將jiang增zeng加jia
，使shi人ren類lei和he機ji器qi之zhi間jian的de合he作zuo更geng加jia高gao效xiao。這zhe將jiang徹che底di改gai變bian自zi動dong化hua和he生sheng產chan
，實shi現xian更geng高gao效xiao且qie更geng正zheng確que的de決jue策ce流liu程cheng以yi及ji更geng高gao的de生sheng產chan力li
，同tong時shi顯xian著zhu降jiang低di開kai發fa成cheng本ben。

　　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’。rengongshenjingwangluokeyiwanchengliruzhiliangkongzhilingyudefuzajuece，bangzhuqiyejiangyuelaiyueduodeliuchengzidonghuaheshuzihua，congerjiangshengchanxiaolvtigaodaoyigexindeshuiping。”

　　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）在zai數shu字zi化hua過guo程cheng中zhong被bei儲chu存cun起qi來lai，從cong而er可ke以yi在zai更geng抽chou象xiang的de層ceng麵mian得de到dao應ying用yong。但dan僅jin僅jin收shou集ji數shu據ju是shi不bu夠gou的de。當dang涉she及ji到dao提ti取qu數shu據ju的de核he心xin信xin息xi以yi進jin行xing進jin一yi步bu的de優you化hua時shi，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 的(de)廣(guang)泛(fan)使(shi)用(yong)，自(zi)動(dong)化(hua)正(zheng)在(zai)經(jing)曆(li)顛(dian)覆(fu)性(xing)的(de)變(bian)革(ge)。今(jin)後(hou)不(bu)再(zai)需(xu)要(yao)為(wei)了(le)製(zhi)定(ding)一(yi)套(tao)具(ju)體(ti)的(de)規(gui)則(ze)而(er)去(qu)研(yan)究(jiu)哪(na)些(xie)細(xi)節(jie)與(yu)決(jue)策(ce)相(xiang)關(guan)
，而(er)是(shi)充(chong)分(fen)利(li)用(yong)現(xian)有(you)實(shi)例(li)。算(suan)法(fa)學(xue)會(hui)了(le)自(zi)主(zhu)決(jue)策(ce)。“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。”