讓機(jī)器模仿人腦思考行為的深度學(xué)習(xí)，是人工智能(AI)近年能夠在各行各業(yè)中加速發(fā)展的一大功臣。持續(xù)到今年，AI在眾多領(lǐng)域中紛紛展現(xiàn)出未來科技世代的嶄新面貌。研究機(jī)構(gòu)IDC也預(yù)估全球AI布局包括制造業(yè)、醫(yī)療業(yè)、零售業(yè)、銀行業(yè)等，都將是未來5年投入AI最多的行業(yè)。

隨著AI應(yīng)用普遍落地，人工智能已成為政府、企業(yè)提升競爭力或生產(chǎn)力的關(guān)鍵。日本正計(jì)劃在2021年全面采用AI強(qiáng)化因應(yīng)網(wǎng)絡(luò)攻擊的能力，藉由學(xué)習(xí)并分析過去網(wǎng)絡(luò)攻擊的共通點(diǎn)和跡象，讓相關(guān)單位更有效率地抵御新病毒攻擊；大陸更透過「天網(wǎng)」監(jiān)控系統(tǒng)，僅花7分鐘便在全國捉到嫌疑犯，而背后正是透過人臉辨識技術(shù)來完成這不可能的任務(wù)。

人工智能幾乎無所不在，而在華爾街自然也是如此。投資專家坦承，從大數(shù)據(jù)中獲得見解能力的學(xué)習(xí)機(jī)器，正準(zhǔn)備經(jīng)手99%的投資交易，AI掌管投資界即將來臨，人工智能戰(zhàn)完棋王后，接著要大戰(zhàn)股神了嗎？

對于制造業(yè)來說，產(chǎn)品良率決定制造質(zhì)量的優(yōu)劣，甚至關(guān)乎企業(yè)品牌形象。傳統(tǒng)的質(zhì)量檢測方式，乃透過大量人力以肉眼方式檢查。但近來制造業(yè)正面臨人力成本越來越高的困境，加上人眼容易疲勞，導(dǎo)致檢測品值不一，甚致降低檢測效率。

當(dāng)品管追不上制造，如此傳統(tǒng)的檢測方式更無法因應(yīng)未來快速生產(chǎn)的制造趨勢。因而在制造業(yè)領(lǐng)域里，發(fā)現(xiàn)利用深度學(xué)習(xí)技術(shù)，不但可以讓機(jī)器視覺大幅提高檢測效率外，過去肉眼容易忽略、或無法檢測到的細(xì)節(jié)也能一一被精挑細(xì)選出來。

當(dāng)制程檢測環(huán)節(jié)導(dǎo)入AI，機(jī)器便會透過自我學(xué)習(xí)的方式，事先辨識各種良品與不良品的特征，其后便可根據(jù)分析結(jié)果快速地篩選出產(chǎn)在線的瑕疵品。

同樣的方式還可以應(yīng)用在農(nóng)產(chǎn)品上，需要大量人工來篩選出損壞的馬鈴薯，現(xiàn)在只要針對損壞的馬鈴薯做異常檢測，一旦機(jī)器偵測到瑕疵品，產(chǎn)線便會想起警示音，只待挑起不良品后產(chǎn)線即可恢復(fù)運(yùn)行，最終產(chǎn)線只需要一位負(fù)責(zé)挑揀瑕疵馬鈴薯的人力站崗即可。

前百度首席科學(xué)家吳恩達(dá)表示，AI技術(shù)非常適合用以解決制造業(yè)面臨的挑戰(zhàn)，象是不穩(wěn)定的質(zhì)量及良率、生產(chǎn)線設(shè)計(jì)缺乏靈活性、產(chǎn)能管理困難以及生產(chǎn)成本上升等問題。

吳恩達(dá)舉例，就算一塊外表看起來毫無問題的電路板，仍然能被深度學(xué)習(xí)算法檢測出表面細(xì)微的刮痕。而經(jīng)過AI調(diào)整校正的檢測算法，更可以讓每個零件的檢測時間只需要短短0.5秒。

人類在面臨生老病死的過程中，只有疾病可以透過外力的協(xié)助來抵御，醫(yī)療技術(shù)始終是人類終其一生致力研究的目標(biāo)。因而深度學(xué)習(xí)在醫(yī)療領(lǐng)域上具有很大的潛力，可協(xié)助醫(yī)療診斷更精確、更有效率。不過，許多研究專家仍不約而同表示，即便深度學(xué)習(xí)可以從旁協(xié)助醫(yī)師，但最終的診斷結(jié)果，仍必須由醫(yī)生本人決定。

醫(yī)生是需要一個經(jīng)驗(yàn)累積的行業(yè)，透過經(jīng)驗(yàn)的判斷更深深影響最終的診斷結(jié)果。而深度學(xué)習(xí)在醫(yī)療領(lǐng)域當(dāng)中的應(yīng)用，目前已經(jīng)廣泛采用影像辨識技術(shù)來協(xié)助醫(yī)生判讀醫(yī)學(xué)成像，包括Google研究團(tuán)隊(duì)用來診斷糖尿病視網(wǎng)膜病變、乳腺癌腫瘤轉(zhuǎn)移等。

糖尿病視網(wǎng)膜病變是全球失明人數(shù)上升主因，為預(yù)防失明，每年糖尿病患者都要接受眼底圖象篩檢。疾病的嚴(yán)重程度取決于視網(wǎng)膜病變的形態(tài)，如出血、硬性滲出物等。取得影像后必須由專業(yè)眼科醫(yī)生判讀加以分級，不過這對于醫(yī)生短缺的印度來說實(shí)有其難度。

因此Google團(tuán)隊(duì)便應(yīng)用深度學(xué)習(xí)技術(shù)，透過專業(yè)醫(yī)生的協(xié)助，從具有12.8萬張的視網(wǎng)膜眼底影像數(shù)據(jù)集中，創(chuàng)建出如同專業(yè)醫(yī)生判斷病變能力的模型，未來便可透過該模型在系統(tǒng)上得出診斷結(jié)果。

過往醫(yī)師在診療期間，通常需要花費(fèi)時間詳看X光片、計(jì)算機(jī)斷層攝影(CT)或是核磁共振(MRI)影像報(bào)告，對于經(jīng)驗(yàn)豐富的醫(yī)生來說，可能只要看一眼便知道問題所在，未來面臨醫(yī)療人才汰換時，所幸也可以透過科技方法讓寶貴的醫(yī)療經(jīng)驗(yàn)傳承下去。

甚至未來若進(jìn)一步與醫(yī)療器材結(jié)合，還可發(fā)展出前端檢測、后端匯出報(bào)告，加速檢測流程，讓醫(yī)師利用更多時間進(jìn)行醫(yī)學(xué)診斷。

在人類探討AI如何提升生活質(zhì)量時，自動駕駛無疑是最受到熱烈關(guān)注的話題。安全性是自動駕駛能否普及的重要關(guān)鍵，除了透過攝影機(jī)或各式傳感器等外部車載設(shè)備來確保行駛過程的安全外，讓車輛本身變聰明，能夠自主判斷路況做出分析，是加速自動駕始發(fā)展最有效的助力。

一旦機(jī)器具有自主學(xué)習(xí)的能力，便可以在不斷學(xué)習(xí)的過程中，逐漸增進(jìn)其駕駛技能，提升車輛行駛安全性。大陸地平線機(jī)器人公司汽車業(yè)務(wù)總監(jiān)李星宇指出，自動駕駛的發(fā)展進(jìn)程建構(gòu)在一個非常復(fù)雜的體系上，深度學(xué)習(xí)不但可以做得跟人一樣好，甚至做得比人還要好，而這樣復(fù)雜的駕駛環(huán)境正是深度學(xué)習(xí)最能發(fā)揮優(yōu)勢的地方。

從另一個層面來看，則是駕駛?cè)伺c車之間微妙的關(guān)系?，F(xiàn)今自動駕駛的定義是汽車可以自行判斷路況做出決斷，而未來更深的層面則是汽車與駕駛?cè)酥g的配合，簡單的說就是讓汽車去理解你。因此，未來自動駕駛領(lǐng)域中還必須面對駕駛習(xí)慣的學(xué)習(xí)，甚至包括駕駛風(fēng)格，這感覺就象是汽車變成了駕駛?cè)说男熊嚬芗摇?/p>