人工智能（AI）正在改变制造业。

使超越人的识别和控制成为可能的深度学习技术进入了实用阶段。

用AI代替人眼检测不良品，在装置坏掉的几天前发现问题的技术，已经进入工厂。

让机器人执行人的动作，替换熟练技工的AI技术也得到了飞速发展。

用AI检测不良品

替代人眼的AI

使用人工智能(AI）的高精度画像认知已经广泛投入使用。从事通信电缆和电线业务的日本fujikura公司将AI运用于高功率半导体激光加工的不良品检测中。

人为判定良品/不良品的精确度是95%，而AI可以达成98%的精度。AI还能减少人工作业。

无独有偶，东芝存储器制造厂也将AI运用于NAND闪存制造工序中。在各工序拍摄的SEM（扫描电子显微镜）图像按缺陷种类分类作业中，人工仅能判断49%，而AI可以确切分类83%。

面向汽车齿轮加工的日本武藏精密工业将AI用于机械零部件的不良品判定上。

该公司在斜齿轮(伞齿轮)的生产线上致力于AI检测作业的自动化。用AI代替肉眼进行检查。

不良品率原本就只有0.002%怎么办？

这里存在一个问题，那就是武藏精密工业的不良品率本来就很低，只有0.002%。AI需要学对数据进行学习，但是，像武藏精密那样，用于学习的不良品很少的话，就会产生AI学习所面临的数据不足的问题。

因此，武藏精密工业使用的方法是让AI学习正常状态下的齿轮图像，将偏离的部分判断为不良品的方法。通过该方法，AI可以检测出97.7%的异常产品。

此外，美国谷歌开发的“GoogLeNet”进行转移学习(事先给已学习的AI提供追加数据，重新学习的方法)时，可以检测出81%的不良品。为了将这一技术实际投入生产线，谷歌正在致力于精度的提高。

应用AI不良品检测方法的不仅仅是图像。日本发那科与PFN合作，开发了早期发现机器人故障的技术。该技术运用从正常状态检测异常的方法，可以在约40天前检测出故障。

在这些共同研究成果之上，发那科追加了用AI判断注塑机反流防止阀的磨损状态，并在损坏前告知的功能。

原动力是深度学习

深度学习是什么？

使以上应用成为可能的AI技术，是“深度学习”。用一句话概括，深度学习就是超高精度的模式识别技术。

模式识别包含图像识别和声音识别等广泛概念，可以通过从图像中寻找特征要素来判断现状，或者根据数据的模式预测将来。

模式识别之所以能够实现上述用途，是因为拥有从产品的照片中找出不良品特有的画像模式，从显示制造装置状态的传感数据中，读取表示故障征兆的模式。

80年代的AI：像人一样思考

关于AI的实体被叫做模式识别，有的读者也许会觉得怪。

一听到AI，谁都会联想到“思考的机器”，而且，不会把“模式识别”和“思考”联系起来。AI看到图像时，即使正确回答“这是狗”“这是猫”，我们也并不会感觉AI有多聪明。

实际上，曾经的AI是为了“像人一样思考”而被发明出来的。在20世纪80年代兴起的上一代AI热潮中，人们将专家所拥有的知识规律化，教给电脑，并用三段论法等逻辑推理方法来引导出有用的结果。

但是，这种方法很难实现AI的真正应用。这股热潮在20世纪90年代的时候就消退了。

21世纪的AI：用深度学习，超越人类

到了21世纪，深度学习在模式识别的领域获得了超越人类能力的成果。深度学习的热潮起始于2012年。

在“用AI判断画像”的国际图像识别竞赛中，使用深度学习的研究小组取得了优异的成绩。而且，随着精度的不断改善。

到2015年，AI识别判断的错误率仅为3.6%，甚至低于人类错误率的5%。

深度学习最厉害的是它的应用范围十分广泛，在以语音识别为代表的领域，不仅取得了惊人的成果，还推动了让机器“像人一样思考”的语言处理技术的发展。

现在，外语翻译、提问回答、天气预报、医疗诊断，甚至是专业的作曲和女性化妆建议等领域，都应用了深度学习。打破围棋世界冠军的“Alpha Go”中，也有使用。

在被称为第3次AI浪潮的现在，深度学习成为了AI的代名词。

从“思考的机器”到“学习的机器”

目前为止，模式识别的技术有很多种。为什么深度学习能在广泛的用途上发挥出超人的实力呢？实际上，与其他模式识别方法相比，深度学习存在决定性的差异。

过去的模式识别技术是基于人类思考特征后所设计的。例如，如果你想从图像中识别人脸，你会说“眼睛，鼻子”等，技术人员必须考虑在图像中需要什么样的特征才能称之为人的面部，需要反复的摸索。

深度学习则不需要以上尝试。因为电脑会从大量的数据中自己找出特征，而不是使用人们所思考的特征。深度学习之所以能取得惊人的结果，是因为电脑发现的特征比人类所想的，要优秀得多(图4)。

电脑提取特征需要用到“学习”处理。如果想识别人脸，首先要准备很多脸的照片和没有脸的照片。然后，反复告诉电脑“这个是脸部的照片，那个不是”。电脑便会随意抽出面部特征。

免责声明：本文来自日本制造业内参客户端，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。