想導入AI卻苦無頭緒? 看看日本各領域企業運用深度學習強化服務的方法
胡儀芳 2017-03-14
以深度學習(deep learning)為架構的人工智慧(AI)旨在提高作業效率、減少人為疏失，其相關應用陸續登場，顯示AI的時代即將到來。
據日本經濟新聞(Nikkei)報導，自2017年4月，工具機廠商Okuma將在控制工作機械的電腦數值控制(Computer Numerical Control；CNC)工具機導入深度學習架構OSP-AI。
OSP-AI採用AI，以深度學習分析CNC運作狀況、內部感測裝置取得的溫度、震動等數據，來判斷螺絲等工具機中的零件是否異常，當察覺異常狀況時，再由人員做最終確認，經由這樣的雙重確認，精準度相當高。
因目測無法判斷，以往CNC的異常狀況只能由負責的人員透過聲音來察覺，但即使是老手，也有出錯的時候，因此導入OSP-AI後，將可大幅降低人員負擔，並減少機械錯誤發生，Okuma計劃年出貨量約8,000台的CNC都導入該AI應用。
而食品廠Kewpie 2016年9月開始，在美乃滋、沙拉醬汁等食品生產線導入深度學習，以防止異物混入其中。
除了工廠產線，深度學習的應用也延伸到金融業。野村證券(Nomura Securities)近來將部分股市交易轉至自動演算系統，由該系統進行變動預測分析。
野村證券採用新創公司Preferred Networks的深度學習架構Chainer，並自2016年5月起將該架構導入投資人演算交易系統ModelEx。
Chainer根據近1年的股市交易數據，從10種參數中，決定最適當的函數類型，Chainer會預測每5分鐘後的股價，進行買賣，藉此預防股匯市場大幅變動下的交易情況。
農業方面，具開發能力的農家導入深度學習架構TensorFlow，開發分類系統CUCUMBER-9。該分類系統結合攝錄影機，將放在分類台上的小黃瓜，按長度、曲度、寬度等特徵，自動分成6個等級，目前該系統資料庫已有9,000張影像數據。
業者表示，由於白天、傍晚等不同光線下，所拍攝的影像落差很大，品質參差不齊，容易導致判斷失準，以目前準確度約7成來說，仍有很大的改善空間，因此，如何蒐集到品質穩定的影像數據是該分類系統的開發關鍵。
目前亦有搭載深度學習的監視器問世，如法國新創業者Netatmo開發的Presence，可自動判別影像中的景物，此類影像設備將有助零件、設備使用現成品的CUCUMBER-9提升影像拍攝品質。
而隨著2020東京奧運逼近，導入AI鎖定觀光財的各種應用應運而生，如7-11便利商店採用NTT開發的演算自由角度物體搜尋技術，該技術以手機相機所拍攝的影像數據為基礎，判別各種商品，並能顯示15國的語言資訊，以因應訪日旅客購物時，欲了解食品成分、卡路里等需求；而此多國語言功能也被近畿日本旅行社導入，2017年1月在旗下旅館、飯店提供AI的多國語言服務，其使用自然語言處理技術，可判別房客的詢問內容後，予以回答。
另一方面，AI在醫療研究的應用更早，自2015年7月，東京大學醫科研究所基因分析中心所長宮野悟就開始利用IBM的AI雲端服務Watson Genomic Analytics(WGA)。
WGA蒐集大量醫療研究論文與專利數據，可答覆使用者的問題，準確度高，目前已習得2,000萬件以上的論文概要、1,500萬件以上的醫療相關專利數據。
由於人終其一生所能習得的知識有限，透過WGA的協助，只要10分鐘就能找出罹癌可能的基因，而人工調查卻要花上數月，醫生或研究人員可將WGA取得的結果做為判斷根據，而最終仍由人類做決定。
隨著AI技術發展更進一步，將也見到愈來愈多的企業以此為主力來推展事業。
附圖：日本以深度學習為架構的AI應用相繼登場。法新社
資料來源：http://www.digitimes.com.tw/iot/article.asp…
okuma cnc 在 Okuma's 5-Axis Vertical Machining Center, MU-500VA 的推薦與評價
https://www.okuma.com/mu-5000v-5-axis-mill The MU-V Series provides the power of process-intensive machining and high-speed, high-accuracy ... ... <看更多>