混沌大学-梁信军：漂移的价值之锚-全球经济趋势-课后练习
未听过此课程的人可先参考下述连结
请就你所在的行业或选取一个你感兴趣的行业，大开脑洞，分析AI对行业的影响甚至颠覆。
例：
AI+教育，以后或许不再需要学校、教室的集中学习，AI根据每个学生的能力制定教学计划，真正实现因材施教。
AI图像识别+制造
我待过AI图像识别创业公司, 现在在电子制造业工作, 所以我选择AI图像识别+制造作为此次练习
吴恩达成立一家立足于AI解决制造业转型问题的公司Landing.ai
首先产品要能实现, 有几个关键要素:
1. 产品使用场景是否可标准化
2. 数据采集与处理
3. 基础设施跟人员配置成本
我将用以上三点关键要素分析目前我想到的改善方案是否能落地?
a. 机器取代人工进行产品不良筛选
a-1 使用场景是否可标准化: 如果只是锁螺丝, 吸附产品这类重复性动作, 只要有自动化工程师设计产品跑到固定位置就可达成;
那现有的AI技术能做什么? 例如: 产品外观不良的识别, 产品外观不良通常都是固定那几种, 所以可将这些不良的图片数据收集起来进行模型训练, 到时模型训练完成就可用来挑选不良品
a-2 数据采集与处理: 产品外观不良, 产品一般就是六个面需要采集图像(为减少数据量, 也可只采集A, B级面), 所以流水线可设置一个工站装置六个摄像头采集图像,六个摄像头可分别针对每个摄像头训练六个模型, 也可统一在同一个模型里, 然后再将采集到的图像透过云端模型推断或是设备端模型推断, 就可马上辨识出不良品
a-3: 基础设施跟人员配置成本 : 这个部分其实才是很多中小型制造业无法投入的原因, 模型训练需要用GPU进行运算, 但一般企业是不会配备这样的硬件或服务器, 且还需配备人员专门进行模型参数的调整, 再加上数据采集的硬件成本, 若是怕数据外流还需企业内部自行配置私有云, 即便找AI服务公司, 定制化费用仍然是很多企业无法承担的
那AI图像识别+制造是否就不可行? 也不是, 有几种可行性
i. 大型制造企业可先内部开发, 并导入使用图像识别技术, 等到细分的场景跟模型够多时, 就可打包成服务卖给其他小型制造企业, 此种服务类似AWS跟阿里云
ii. 图像数据采集公司(例如安防摄像头, AI公司), 藉由不断采集更多数据, 并针对各种场景的图像识别需求进行模型训练, 最后针对客户需求挑选最适合的几种模型结合在一起给到客户使用
其实上述两种方案都是长尾理论的显现, 当模型够多(细分场景够多), 网络更快(5G), 芯片推断更快(摩尔定律), 导致成本大幅下降, 最终售价将满足客户期望
最后我认为AI始终只是一种技术, 端看企业及个人有没有好好的去使用它。且最终还是看谁能对用户或客户需求有着更深的理解, 这样所做出来的AI服务就会让人有着更好的体验。
网友评论