中国金融信息网讯(余伟婷)8日，2017世界智能制造大会制造业+人工智能分论坛在南京举行。IBM电子行业全球工业4.0及智能制造总经理邓钦发表了主题为“人工智能在智能制造当中的应用”的演讲，详细介绍了IBM的认知技术在视觉检测自动化领域的广泛应用。
邓钦说，很多智能制造工厂前端流程、自动化程度很高，但是后端质检环节仍旧是工人在操作，IBM一直在考虑如何用机器检测替代人。目前电子行业里已经出现的智能检测工具，核心技术就是事先预定好缺陷类型，然后基于编程算法来定义、查找。
“然而如果出现了一类新的缺陷类型，检测的出错概率就会提升。”邓钦说，因此，必须要有一个智能系统不断自我学习缺陷类型，通过不断修改程序的方式打补丁，完善缺陷类型的数据库。但另一个问题出现了，它需要大量人工去维护。
邓钦说，IBM在解决过程中也尝试了不同的方案。一是运用人脸识别技术来检测产品缺陷。但人脸区别非常大，而产品缺陷非常小，这套检测方式并不可行。
二是运用监督式学习方法来检测。监督式学习方式需要给标识物打标签，没有标签就无法学习。假设一天有70万张图片要学，那么打标签这个过程就已经繁琐到不可行了。
三是运用封闭式数据去训练。所谓封闭式数据就是给产品缺陷定义好名称。但是在工厂里，数据往往是非封闭的。用封闭式数据学出来的人工智能模型一旦进入工厂的开放式数据环境中，也无法实现对新型产品缺陷的检测。
邓钦说，IBM正在做的就是给智能检测工具加上人工智能大脑。IBM打造了一套自学习的循环系统，通过机器学习的方式不断自我优化，这个过程不需要用编程或者人为方式去维护。
目前，IBM已经能够极快地学习提取差异性视觉特征和质检员的知识。邓钦说，首次运行约800张训练图像时，批量测试结果准确率只有65.12%；二次运行约2000张训练图像时，准确率为67.01%。但当第三次运行训练图像达26000张，同时加上人类质检员的作用时，准确率则高达95.29%，前后整个过程只用了三个星期。
邓钦说，虽然还留有5%的判断错误可能，但机器学习的过程并不会间断。随着对错误批次的缺陷类型不断学习，未来机器检测将会达到96%、97%甚至更高的准确率。
