破解工業 AI 的 4 個迷思

人工智慧（AI）幾乎滲透了現代生活的各個層面。它能夠推薦最佳的通勤方式、在旅途中推薦音樂或播客、全天為無數的應用程式和機器提供動力、並在您回家時推薦串流觀看的節目或電影。

AI 將成為生活不可或缺的一部分。 

工業用 AI 可協助製造商透過設備監控和預防性維護計畫，盡可能延長運作時間，並判斷損失率和缺陷（Cavallo）。其預測能力可以建立學習和預測需求模型（Koev）。

然而，AI 在工業自動化使用案例中難以廣泛採用。許多公司仍在努力奠定基礎，對 AI 是否可帶有意義的回報感到遲疑。

在 IBM 的 2022 年全球 AI 採用指數報告中，34% 的調查受訪者（全球約 2,550 家企業）指出缺乏 AI 專業知識造成無法導入（IBM）。阻礙 AI 採用的其他因素包括成本（29%）、缺乏工具/平台（25%）、難度和擴充性（24%）以及資料複雜性（24%）。

在這裡，我們將檢視這些障礙，並消除在製造和物流中對於 AI 的常見誤解。

#1 術語可互換且不具重要性。

在探索 AI 選項之前，必須瞭解技術的不同形式、功能和可行性。雖然某些術語一開始可能會重疊或看似為同義詞，但理解 AI 的細微差別是確定該技術是否適合您的需求的第一步。

演算法：協助客戶達成目標的一組指令與計算。「學習」演算法使用反覆試驗和從實例學習的方法，讓生產流程在沒人工介入的情況下達到最佳化。

人工智慧：運用圖像識別與自然語言處理等技術嘗試模仿人類決策的一組運算技術，使用自動化執行人類難以完成的工作。

深度學習：可以將複雜或高度自訂應用自動化的 AI 技術設計。處理作業透過圖形處理器 (GPU) 進行，可快速有效分析大量圖像組，藉此檢測各種細微缺陷，並區分可接受和不可接受的異常。

邊緣學習：一種 AI 技術，旨在讓人易於使用。處理作業會使用一組預先訓練的算法在裝置上或「在邊緣」進行。比起傳統的深度學習型解決方案，這項技術的設定簡單，需要的圖像組更少（可少至 5 至 10 張圖像）而且訓練的期間更短。 

機器學習：不需要人類設計程式，就能改善結果的運算流程。機器學習演算法會訓練電腦尋求成功並避免失敗數百萬次，以產生學習成果。 

機器視覺：基於規則的演算法，可識別物件的特定特徵。雖然機器視覺工具的處理速度比肉眼更快，但深度學習可大幅提升這類工具的精準度與效用。
 

#2 AI 將取代工作機會並在員工之間萌生不信任感。

新興技術取代工作的迷思可回溯到輪子的發明。事實情況其實較為複雜。

包括 AI 在內的工業技術發展若脫離實際應用環境便會很難理解。它們經過重新設計，可改善效能、效率、品質和處理能力。很容易看出為什麼內燃機和蒸汽引擎有效取代了馬和馬車的運用，或者相較於手寫信，電報更開啟了嶄新的通訊途徑。這些創新接續了其他形式的技術用途。雖然引擎讓馬與馬車被淘汰，但這項技術創造了全新的產業，同時讓大眾運輸、物流轉型、個人運輸和運送得以實現。

AI 也是同樣道理。企業發現，員工可以與 AI 一起工作以創造更高的生產力並開啟新的可能性，並非用AI取代工作機會。 

AI 可以減少單調、重複性的工作量，讓員工有餘裕去擔任其他更需創意或高技能的職務。2018 年，一家總部位於紐約的慈善機構開始為資料輸入工作導入 AI，這有助於使該企業的年度流動率從 42% 降至 17%（Knight）。

該技術廣泛應用於製造和物流，以解決持續性的勞動力短缺和其他長期問題。與機器人搭配使用時，AI 可以加速障礙迴避和表面映射等任務，以便在設施中運送貨物。若與機器視覺系統配合，AI 則可以執行重複性、基本的品質保證任務，包括零件缺損/存在偵測和檢查（Gow）。

運用 AI 執行單調作業，讓設施能夠重新分配資源以執行更密集的工作，並協助前線員工均衡工作量。
 

#3 工業用 AI 需要數千張圖像和大型資料集

這種謬誤事實可藉由工程師最喜歡的說法總結：「視情況而定」。

AI 是一個廣泛的領域，涵蓋許多可以用多種方式應用的技術類型。對於能處理諸如偵測焊縫異常或分析紡織品拼接圖案等複雜應用的 AI，這項技術必須經過廣泛的建模、開發和測試，使資料密集型深度學習解決方案成為合適的候選解決方案。

然而，更直接的 AI 形式可以處理類似任務，包括瑕疵偵測和分類/分類。舉例說，邊緣學習技術只需要利用 5-10 張圖像進行訓練，而且可以由前線人員部署，不需要任何經驗。

首先，操作人員根據應用方法訓練系統。例如，在零件檢查情況中，使用者會向系統展示可接受零件和有瑕疵零件的圖像。 

邊緣學習技術僅使用少量圖像，利用先進的演算法區分可接受和不可接受的部分。系統經過訓練，可以區分好零件和壞零件後，使用者就可以在生產線上部署解決方案。 
 

#4 您需要有博士學位和資料科學家團隊導入 AI 解決方案

開發、設計和測試 AI 需要熟練的技能，但前線人員可以在幾分鐘內使用現代AI解決方案進行部署。

康耐視邊緣學習解決方案完全在配備整合式照明、自動對焦鏡頭和功能強大感測器的智慧相機中運行，所有這些解決方案同時運作提供精確的檢測功能。

由於不需要具備機器視覺或 AI 方面的專業知識，生產線工程師可以使用其對所需任務的現有知識訓練這項技術。透過識別和釐清圖像的相關部分，先進圖像硬體和邊緣學習驅動的軟體比傳統深度學習方法更能減少運算工作量。