制造业深度学习简介

当您准备向孩子描述房子是什么的时候，一种方式是画一个矩形，顶部画一个三角形，然后是画门和几个窗户，然后说“这’就是房子。”另一种方式是给孩子看各种房子的照片，让孩子开始理解什么是房子。之后，这个孩子可能会看到类似的建筑，例如公寓大楼，然后会自然地理解两者之间的区别。

孩子通过房子的照片学习什么是房子时，就是通过示例学习。这个过程是深度学习的核心，特别是对于制造业。

深度学习是人工智能的子集，是更广泛的机器学习系列的一部分。深度学习使用的不是人类编程的针对特定任务的计算机应用，而是使用非结构化的数据进行学习，然后根据学习数据输出更准确的结果。深度学习应用无需针对性的编程即可学习并解决特定任务。

然而，深度学习也不是只能在未来帮助人类的’遥不可及的技术。’它现在就在解决着各种平凡的和重要的问题：通过面部识别解锁手机或识别社交媒体照片上的好友，流视频和音乐服务上的或在电子商务网站上购物时的推荐引擎，医学成像，例如帮助诊断癌症等疾病，电子邮件中的垃圾邮件过滤器以及信用卡欺诈检测。

深度学习应用因为能够一致地大规模识别一组数据中的异常和差异而蓬勃发展。’这是人类天生可以做得很好的事情，’发现不同之处或理解什么是房屋，而且直到现在刚性编程的计算机也无法做好。’

但人类容易疲劳，而计算机不会。’所以，深度学习结合机器视觉用于正确的应用类型后，能够给工厂和制造公司带来其他新兴技术几年时间都难以企及的优势。

深度学习技术被用于预测图案并做出关键的业务决策。同样的技术已在先进的制造实践中用于质量检查和其他判断性用途，例如缺陷探测或最终装配验证。

很多深度学习都是以神经网络的工作原理为基础的。对神经网络进行训练时，训练数据被送到底层（即输入层），然后经过后续的计算层，以复杂的方式相乘和相加，直到最终到达输出层并进行彻底的转换。这就是程序判断为什么图片是一个房子而不是（例如）一只狗的方式。

深度学习技术的爆炸性增长离不开现代电子游戏的爆炸性普及。MIT 表示，“当今’电子游戏的复杂图像和快节奏要求硬件能跟上，结果就产生了将数千个相对简单的处理核心封装在一个芯片中的显卡 (GPU)。’研究人员不久发现，GPU 的架构非常像一个神经网络。”

这些现代的高性能 GPU 成就了当今的 50 层神经网络，这使深度学习成为可能。这为制造技术提供了惊人的新能力以识别图像、区分趋势，并做出明智的预测和决定。

要了解与制造业所用的深度学习技术相关的更多信息，请下载我们免费的电子书深度学习与机器视觉。