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’。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）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 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 gongjushiyongjiandan，yonghuzhiyaozhidaowentisuozai，jibianmeiyouzhuanyedebianchengzhishi，yekeyizixingjiejue。yinweizhiyouyonghucaizhidaonaxieyinsuduiyujiejuefanganlaishuoshizhongyaode，naxieshibuzhongyaode，yezhiyouyonghucainengzhaodaogengheshidexunlianshili。tongguowomendegongju，yonghukeyifeichangzhiguandijinxingrengongzhinengxunlian

，congerjiejuejutide、個性化的任務。”