製造業深度學習簡介

What is Deep Learning banner

試想您會如何向孩童描述一棟房屋,方法之一是繪出一個四方形,上方加上三角形,再畫一扇門與幾扇窗戶,然後說:「那是一棟房屋」。另一種方法是,向孩童展示許多不同房屋的圖像,並讓他們開始瞭解什麼是房屋。最後,孩童在看到公寓大樓之類的相似建築物時,就會自然而然地瞭解兩者間的不同之處。

透過房屋的圖像來瞭解什麼是房屋,就是透過範例來學習。這個過程基本上就是深度學習的核心,特別是製造業

深度學習不僅是人工智慧的分支,也屬於較廣義的機器學習。深度學習使用非結構化資料,並根據提供的訓練資料自我訓練,以產生較準確的輸出,而不是使用人類程式設計工作專用的電腦應用。深度學習應用可以學習和解決小範圍的工作,完全不必明確撰寫完成工作所需的程式。

深度學習不再是遙不可及的技術,可在未來幫助人類。無論是平凡與重要的問題都能解決,目前的運用範圍包括:人臉辨識可將手機解除鎖定,或識別社交媒體相片上的朋友;串流視訊與音樂服務或於電子商務網站上購物時的推薦引擎;可協助診斷癌症之類疾病的醫療圖像;電子郵件的垃圾郵件篩檢程式;以及信用卡詐騙偵測。

深度學習應用能夠一致且大規模地辨識一組資料間的異常與變化,因而蓬勃發展。正如人類本身擅長發現不同之處,或瞭解構成房屋的要素,這是以死板的程式設計為基礎的電腦系統,直至今日都未能精通之事。

不過,人類很容易在決策時感到疲累,但電腦不會。針對正確的應用類型實作深度學習,結合使用機器視覺,其可為工廠與製造業公司帶來諸多助益,而其他新興技術可能需要數年的時間才能達成同樣成果。

深度學習技術正被運用在預測圖案,及做出關鍵業務絕決策上。這個技術現在亦移轉到先進的製造實務,作為品質檢測及其他以判斷為主的用途,例如缺陷探測或最終裝配驗證。

深度學習大多以神經網路的運作為基礎。當訓練神經網路時,訓練資料會送到底層 (輸入層),並經過後續的運算層,以複雜的算式相乘和相加,直到最後徹底轉變,送達輸出層。程式也就是在此處,判斷某張圖片是一棟房屋,還是一隻狗。

現代電動遊戲的人氣激增,大部分歸功於深度學習技術劇增。根據 MIT 所述:「硬體必須跟上現今電動遊戲的複雜圖像與快速步調,因而催生出圖形處理器 (GPU),在單一晶片上滿載數千個相對簡單的處理核心。研究人員很快就瞭解 GPU 的架構和神經網路非常相似。」

這些最新的高性能 GPU 能力相當於現今的 50 層神經網路,其讓深度學習應用得以問世。這賦予了製造技術驚豔的新能力,使其能辨識圖像、分辨趨勢,以及做出睿智的預測與決定。

如需深入瞭解製造業的深度學習技術,請下載免費電子書:比較深度學習與機器視覺

其他文章

取得產品支援與訓練等等

加入 MyCognex