DForum0606
bluetooth

深度學習在製造與醫療領域先行 為下一階段自動駕駛暖身

  • 廖家宜
醫療業透過工智慧中的深度學習技術協助醫學成像判斷。Healthcare Global

讓機器模仿人腦思考行為的深度學習,是人工智慧(AI)近年能夠在各行各業中加速發展的一大功臣。持續到今年,AI在眾多領域中紛紛展現出未來科技世代的嶄新面貌。研究機構IDC也預估全球AI布局包括製造業、醫療業、零售業、銀行業等,都將是未來5年投入AI最多的行業。

隨著AI應用普遍落地,人工智慧已成為政府、企業提升競爭力或生產力的關鍵。日本正計劃在2021年全面採用AI強化因應網路攻擊的能力,藉由學習並分析過去網路攻擊的共通點和跡象,讓相關單位更有效率地抵禦新病毒攻擊;大陸更透過「天網」監控系統,僅花7分鐘便在全國捉到嫌疑犯,而背後正是透過人臉辨識技術來完成這不可能的任務。

人工智慧幾乎無所不在,而在華爾街自然也是如此。投資專家坦承,從大數據中獲得見解能力的學習機器,正準備經手99%的投資交易,AI掌管投資界即將來臨,人工智慧戰完棋王後,接著要大戰股神了嗎?

AI提升製造良率 取代雙眼精挑產線不良品 

對於製造業來說,產品良率決定製造品質的優劣,甚至關乎企業品牌形象。傳統的品質檢測方式,乃透過大量人力以肉眼方式檢查。但近來製造業正面臨人力成本越來越高的困境,加上人眼容易疲勞,導致檢測品值不一,甚致降低檢測效率。

當品管追不上製造,如此傳統的檢測方式更無法因應未來快速生產的製造趨勢。因而在製造業領域裡,發現利用深度學習技術,不但可以讓機器視覺大幅提高檢測效率外,過去肉眼容易忽略、或無法檢測到的細節也能一一被精挑細選出來。

當製程檢測環節導入AI,機器便會透過自我學習的方式,事先辨識各種良品與不良品的特徵,其後便可根據分析結果快速地篩選出產線上的瑕疵品。

同樣的方式還可以應用在農產品上,需要大量人工來篩選出損壞的馬鈴薯,現在只要針對損壞的馬鈴薯做異常檢測,一旦機器偵測到瑕疵品,產線便會想起警示音,只待挑起不良品後產線即可恢復運作,最終產線只需要一位負責挑揀瑕疵馬鈴薯的人力站崗即可。

前百度首席科學家吳恩達表示,AI技術非常適合用以解決製造業面臨的挑戰,像是不穩定的品質及良率、生產線設計缺乏靈活性、產能管理困難以及生產成本上升等問題。

吳恩達舉例,就算一塊外表看起來毫無問題的電路板,仍然能被深度學習演算法檢測出表面細微的刮痕。而經過AI調整校正的檢測演算法,更可以讓每個零件的檢測時間只需要短短0.5秒。

協助醫學成像判斷 醫療資源貧乏地區先受惠

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助來抵禦,醫療技術始終是人類終其一生致力研究的目標。因而深度學習在醫療領域上具有很大的潛力,可協助醫療診斷更精確、更有效率。不過,許多研究專家仍不約而同表示,即便深度學習可以從旁協助醫師,但最終的診斷結果,仍必須由醫生本人決定。

醫生是需要一個經驗累積的行業,透過經驗的判斷更深深影響最終的診斷結果。而深度學習在醫療領域當中的應用,目前已經廣泛採用影像辨識技術來協助醫生判讀醫學成像,包括Google研究團隊用來診斷糖尿病視網膜病變、乳腺癌腫瘤轉移等。

糖尿病視網膜病變是全球失明人數上升主因,為預防失明,每年糖尿病患者都要接受眼底圖像篩檢。疾病的嚴重程度取決於視網膜病變的形態,如出血、硬性滲出物等。取得影像後必須由專業眼科醫生判讀加以分級,不過這對於醫生短缺的印度來說實有其難度。

因此Google團隊便應用深度學習技術,透過專業醫生的協助,從具有12.8萬張的視網膜眼底影像數據集中,創建出如同專業醫生判斷病變能力的模型,未來便可透過該模型在系統上得出診斷結果。

過往醫師在診療期間,通常需要花費時間詳看X光片、電腦斷層攝影(CT)或是核磁共振(MRI)影像報告,對於經驗豐富的醫生來說,可能只要看一眼便知道問題所在,未來面臨醫療人才汰換時,所幸也可以透過科技方法讓寶貴的醫療經驗傳承下去。

甚至未來若進一步與醫療器材結合,還可發展出前端檢測、後端匯出報告,加速檢測流程,讓醫師利用更多時間進行醫學診斷。

機器學習駕駛風格 天衣無縫的配合

在人類探討AI如何提升生活品質時,自動駕駛無疑是最受到熱烈關注的話題。安全性是自動駕駛能否普及的重要關鍵,除了透過攝影機或各式感測器等外部車載設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,是加速自動駕始發展最有效的助力。

一旦機器具有自主學習的能力,便可以在不斷學習的過程中,逐漸增進其駕駛技能,提升車輛行駛安全性。大陸地平線機器人公司汽車業務總監李星宇指出,自動駕駛的發展進程建構在一個非常複雜的體系上,深度學習不但可以做得跟人一樣好,甚至做得比人還要好,而這樣複雜的駕駛環境正是深度學習最能發揮優勢的地方。

從另一個層面來看,則是駕駛人與車之間微妙的關係。現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人之間的配合,簡單的說就是讓汽車去理解你。因此,未來自動駕駛領域中還必須面對駕駛習慣的學習,甚至包括駕駛風格,這感覺就像是汽車變成了駕駛人的行車管家。