深度学习在制造与医疗领域先行为下一阶段自动驾驶暖身_技术

让机器模仿人脑思考行为的深度学习，是人工智能(AI)近年能够在各行各业中加速发展的一大功臣。持续到今年，AI在众多领域中纷纷展现出未来科技世代的崭新面貌。研究机构IDC也预估全球AI布局包括制造业、医疗业、零售业、银行业等，都将是未来5年投入AI最多的行业。

随著AI应用普遍落地，人工智能已成为政府、企业提升竞争力或生产力的关键。日本正计划在2021年全面采用AI强化因应网络攻击的能力，藉由学习并分析过去网络攻击的共通点和迹象，让相关单位更有效率地抵御新病毒攻击；大陆更透过「天网」监控系统，仅花7分钟便在全国捉到嫌疑犯，而背后正是透过人脸辨识技术来完成这不可能的任务。

人工智能几乎无所不在，而在华尔街自然也是如此。投资专家坦承，从大数据中获得见解能力的学习机器，正准备经手99%的投资交易，AI掌管投资界即将来临，人工智能战完棋王后，接著要大战股神了吗？

AI提升制造良率取代双眼精挑产线不良品

对于制造业来说，产品良率决定制造质量的优劣，甚至关乎企业品牌形象。传统的质量检测方式，乃透过大量人力以肉眼方式检查。但近来制造业正面临人力成本越来越高的困境，加上人眼容易疲劳，导致检测品值不一，甚致降低检测效率。

当品管追不上制造，如此传统的检测方式更无法因应未来快速生产的制造趋势。因而在制造业领域里，发现利用深度学习技术，不但可以让机器视觉大幅提高检测效率外，过去肉眼容易忽略、或无法检测到的细节也能一一被精挑细选出来。

当制程检测环节导入AI，机器便会透过自我学习的方式，事先辨识各种良品与不良品的特征，其后便可根据分析结果快速地筛选出产在线的瑕疵品。

同样的方式还可以应用在农产品上，需要大量人工来筛选出损坏的马铃薯，现在只要针对损坏的马铃薯做异常检测，一旦机器侦测到瑕疵品，产线便会想起警示音，只待挑起不良品后产线即可恢复运行，最终产线只需要一位负责挑拣瑕疵马铃薯的人力站岗即可。

前百度首席科学家吴恩达表示，AI技术非常适合用以解决制造业面临的挑战，象是不稳定的质量及良率、生产线设计缺乏灵活性、产能管理困难以及生产成本上升等问题。

吴恩达举例，就算一块外表看起来毫无问题的电路板，仍然能被深度学习算法检测出表面细微的刮痕。而经过AI调整校正的检测算法，更可以让每个零件的检测时间只需要短短0.5秒。

协助医学成像判断医疗资源贫乏地区先受惠

人类在面临生老病死的过程中，只有疾病可以透过外力的协助来抵御，医疗技术始终是人类终其一生致力研究的目标。因而深度学习在医疗领域上具有很大的潜力，可协助医疗诊断更精确、更有效率。不过，许多研究专家仍不约而同表示，即便深度学习可以从旁协助医师，但最终的诊断结果，仍必须由医生本人决定。

医生是需要一个经验累积的行业，透过经验的判断更深深影响最终的诊断结果。而深度学习在医疗领域当中的应用，目前已经广泛采用影像辨识技术来协助医生判读医学成像，包括Google研究团队用来诊断糖尿病视网膜病变、乳腺癌肿瘤转移等。

糖尿病视网膜病变是全球失明人数上升主因，为预防失明，每年糖尿病患者都要接受眼底图象筛检。疾病的严重程度取决于视网膜病变的形态，如出血、硬性渗出物等。取得影像后必须由专业眼科医生判读加以分级，不过这对于医生短缺的印度来说实有其难度。