工業生產對驗收要求極高，想要成品良率至少達到 99.9% 以上，每個零件的良率至少需達到 99.999%；因此當前能夠滿足工業生產場景需求的，往往是高度定製化算法和訓練方式。
思謀科技結合各方研發出的算法，過去一個模型（算法開發+部署）需要10 人月，而現在僅需要0.3人月。
10月21日，2021第五屆全球智能工業大會「智能感知與機器視覺」分論壇在深圳舉行。思謀科技董事長、香港中文大學終身教授賈佳亞介紹了人工智慧在工業場景中的應用。
思謀科技董事長賈佳亞
奔現有風險？AI「一鍵卸妝」
賈佳亞回憶了一個故事：十幾年前去看一個醫生，醫生都是用手寫診斷書，結果看到藥方時非常震驚——不像中文，不像甲骨文，也不像隸書。這張紙拿到藥房時，拿到了該用的藥。
「這件事情給了我非常大的啟發，如果我能有一套自動的、智能的文字識別系統，豈不是可以把這些文字輕鬆抓取出來？」賈佳亞說，現在，這個願望已經實現了，思謀科技文字識別系統達到了100多類，超過10萬種不同的產品類型，自動識別產品、識別字符後，就可以找到每一個產品生產的位置、時間、工人及良率等信息。
賈佳亞還提了一個故事，很多年前他的一個學生，見女網友回來悶悶不樂，賈佳亞旁敲側擊才發現，他見網友有心理落差，照片形象和實際形象差別太大。後來同學奮發圖強，幾周時間研發出了一款軟體，並命名為「一鍵卸妝」，把網絡上經過修飾的面容，通過軟體處理，恢復到原來的模樣。
這樣的技朮忽然有了新的應用：可把一個20年前、30年前所拍攝的視頻，通過現在的技術，還原成高清、高碼率、高解析度的效果。
「20年前拍攝電影，因為原有的技術不能夠承載像素和色彩，最後照出來的視頻和照片沒有今天這麼好看，應用這個技術，我們做了一套設備，可以讓很多以前的視頻做高清化處理。」賈佳亞說，目前該被全球超過10多家的視頻企業、網絡媒體以及電視台採用。
AI走向了更專業化道路
在演講中，賈佳亞回顧了人工智慧發展的歷程。在1940年代，全球出現自動化生產的公司，當時以發那科、安川自動化為突破口，製造業實現了用自動化設備製造設備。
到20世紀70年代，世界開始出現信息化，以西門子、IBM為代表，把所有的數據打通，能夠連上網絡，數據能夠被數位化。
發展至今，工業迎來了新的發展機會，即智慧化的過程，數據能夠做自動決策，生產流程逐步的擺脫了主觀的人為因素，使得所有的製造流程變得更加自動化和高速化。
「工廠會招聘一些技術工人，他們也都會退休，必須找新一批年輕人承擔同樣的崗位，做同樣的事情，這樣相當於一個系統重新地找到新的新鮮血液，替換老的知識和經驗。而人工智慧在產業裡面最大的作用是它永遠不會有這個過程，它一旦進入學習階段，積累的知識永遠在系統裡面，這是工業4.0最大的契機。」賈佳亞說。
與此同時，人工智慧走向了更加專業化的道路。2000年，賈佳亞團隊做的是普適型視覺的AI研究，包括醫療圖象、自然圖象還有普通的2D、3D圖像，而到了2017年，方向變得越來越窄，開始鑽研一些更深入網際網路問題，到了2019年底，賈佳亞把研究方向更加縮窄，只做智能製造和產業智能化升級。
「當我把目光放得越來越狹小，處在一個特定領域的時候，我發現對這個領域的理解越來越深刻。」賈佳亞說，生產是一個龐大的過程，有產品設計、管理、服務以及和客戶的交互等，當電腦發現有新的產品要上線時，這個新產品是沒見過，也能做到自己學習產品的特性，自決策、自執行、自適應，「如果把工廠從東部地區搬到中部地區或者更加內陸地區，環境發生變化，工廠的調試和生產系統能夠達到和原有廠房一樣的生產效率，這個叫自適應」。
解決零樣本難題
智能製造的提升，並不是一件容易的事情。做教授時，賈佳亞一身西裝革履經常外出演講，而現在花費大量時間在第一線研究製造，把西服一脫、穿上工作裝，衝到廠房的無塵車間，觀察整個生產工藝。
「AI應用中，以定位為例，產品需要定位每一個部分的厚度、位置、材料，定位又需要很多硬體，需要有鏡頭、光源、機械臂，還需要AOI設備，如果哪個產線軟體壞了，換了另外一個鏡頭，定位系統軟體也要跟著換。」賈佳亞說，龐大的硬體，如何適配相應的軟體算法，本身很複雜。
其次，當產線更換算法或硬體時，比如把20納米的工作區域提升到5納米乃至更小，也意味著大量算法也要隨之更換。
「還要面對數據短缺的困境。」賈佳亞說，人臉識別場景有超過2億張圖片，但工業場景截然不同，因為絕大部分的產品在正式生產前甚至少於10張圖，就要去判斷產品是否合格，「即使算法再牛，也很難得出結論。」
賈佳亞用「十年不遇」來形容他的一個遭遇：在一個工廠的無塵車間，連灰塵都沒有的一個車間，居然板上會有一隻死蒼蠅，這樣的缺陷在所有的訓練群體裡面是不可能出現的，等於說這樣的樣本是為零的，沒見過這樣差的樣本，卻要解決這樣的問題。
對此，賈佳亞提出了一個概念來破解這個難題，即區域感知異常檢測器，這是一個機器學習的一個算法，記住一百個錯誤答案，不如掌握一個正確標準，當確定正確標準之後，就不關注錯誤答案了，只要跟它相背離的就是錯誤答案，就可以在工廠中，即便零樣本也可以做得很好。
【記者】郜小平
【作者】 郜小平
南方產業智庫
來源：南方+ - 創造更多價值