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 作zuo為wei人ren工gong智zhi能neng和he機ji器qi學xue習xi的de一yi個ge子zi領ling域yu，隨sui著zhe數shu據ju和he計ji算suan能neng力li的de不bu斷duan增zeng加jia而er愈yu發fa重zhong要yao。該gai技ji術shu將jiang為wei生sheng產chan自zi動dong化hua和he其qi他ta領ling域yu帶dai來lai變bian革ge，使shi機ji器qi能neng夠gou完wan成cheng以yi前qian需xu要yao人ren類lei智zhi慧hui才cai能neng完wan成cheng的de任ren務wu。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，rengongzhinengfahuilezhongyaozuoyong。

　　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。”