数据短缺怎么破（这家企业“零样本”也能助力制造升级）

工业生产对验收要求极高，想要成品良率至少达到 99.9% 以上，每个零件的良率至少需达到 99.999%;因此当前能够满足工业生产场景需求的，往往是高度定制化算法和训练方式。

思谋科技结合各方研发出的算法，过去一个模型(算法开发+部署)需要10 人月，而现在仅需要0.3人月。

10月21日，2021第五届全球智能工业大会“智能感知与机器视觉”分论坛在深圳举行。思谋科技董事长、香港中文大学终身教授贾佳亚介绍了人工智能在工业场景中的应用。

思谋科技董事长贾佳亚

奔现有风险?AI“一键卸妆”

贾佳亚回忆了一个故事：十几年前去看一个医生，医生都是用手写诊断书，结果看到药方时非常震惊——不像中文，不像甲骨文，也不像隶书。这张纸拿到药房时，拿到了该用的药。

“这件事情给了我非常大的启发，如果我能有一套自动的、智能的文字识别系统，岂不是可以把这些文字轻松抓取出来?”贾佳亚说，现在，这个愿望已经实现了，思谋科技文字识别系统达到了100多类，超过10万种不同的产品类型，自动识别产品、识别字符后，就可以找到每一个产品生产的位置、时间、工人及良率等信息。

贾佳亚还提了一个故事，很多年前他的一个学生，见女网友回来闷闷不乐，贾佳亚旁敲侧击才发现，他见网友有心理落差，照片形象和实际形象差别太大。后来同学奋发图强，几周时间研发出了一款软件，并命名为“一键卸妆”，把网络上经过修饰的面容，通过软件处理，恢复到原来的模样。

这样的技术忽然有了新的应用：可把一个20年前、30年前所拍摄的视频，通过现在的技术，还原成高清、高码率、高分辨率的效果。

“20年前拍摄电影，因为原有的技术不能够承载像素和色彩，最后照出来的视频和照片没有今天这么好看，应用这个技术，我们做了一套设备，可以让很多以前的视频做高清化处理。”贾佳亚说，目前该被全球超过10多家的视频企业、网络媒体以及电视台采用。

AI走向了更专业化道路

在演讲中，贾佳亚回顾了人工智能发展的历程。在1940年代，全球出现自动化生产的公司，当时以发那科、安川自动化为突破口，制造业实现了用自动化设备制造设备。

到20世纪70年代，世界开始出现信息化，以西门子、IBM为代表，把所有的数据打通，能够连上网络，数据能够被数字化。

发展至今，工业迎来了新的发展机会，即智慧化的过程，数据能够做自动决策，生产流程逐步的摆脱了主观的人为因素，使得所有的制造流程变得更加自动化和高速化。

“工厂会招聘一些技术工人，他们也都会退休，必须找新一批年轻人承担同样的岗位，做同样的事情，这样相当于一个系统重新地找到新的新鲜血液，替换老的知识和经验。而人工智能在产业里面最大的作用是它永远不会有这个过程，它一旦进入学习阶段，积累的知识永远在系统里面，这是工业4.0最大的契机。”贾佳亚说。

与此同时，人工智能走向了更加专业化的道路。2000年，贾佳亚团队做的是普适型视觉的AI研究，包括医疗图象、自然图象还有普通的2D、3D图像，而到了2017年，方向变得越来越窄，开始钻研一些更深入互联网问题，到了2019年底，贾佳亚把研究方向更加缩窄，只做智能制造和产业智能化升级。

“当我把目光放得越来越狭小，处在一个特定领域的时候，我发现对这个领域的理解越来越深刻。”贾佳亚说，生产是一个庞大的过程，有产品设计、管理、服务以及和客户的交互等，当电脑发现有新的产品要上线时，这个新产品是没见过，也能做到自己学习产品的特性，自决策、自执行、自适应，“如果把工厂从东部地区搬到中部地区或者更加内陆地区，环境发生变化，工厂的调试和生产系统能够达到和原有厂房一样的生产效率，这个叫自适应”。

解决零样本难题

智能制造的提升，并不是一件容易的事情。做教授时，贾佳亚一身西装革履经常外出演讲，而现在花费大量时间在第一线研究制造，把西服一脱、穿上工作装，冲到厂房的无尘车间，观察整个生产工艺。

“AI应用中，以定位为例，产品需要定位每一个部分的厚度、位置、材料，定位又需要很多硬件，需要有镜头、光源、机械臂，还需要AOI设备，如果哪个产线软件坏了，换了另外一个镜头，定位系统软件也要跟着换。”贾佳亚说，庞大的硬件，如何适配相应的软件算法，本身很复杂。

其次，当产线更换算法或硬件时，比如把20纳米的工作区域提升到5纳米乃至更小，也意味着大量算法也要随之更换。

“还要面对数据短缺的困境。”贾佳亚说，人脸识别场景有超过2亿张图片，但工业场景截然不同，因为绝大部分的产品在正式生产前甚至少于10张图，就要去判断产品是否合格，“即使算法再牛，也很难得出结论。”

贾佳亚用“十年不遇”来形容他的一个遭遇：在一个工厂的无尘车间，连灰尘都没有的一个车间，居然板上会有一只死苍蝇，这样的缺陷在所有的训练群体里面是不可能出现的，等于说这样的样本是为零的，没见过这样差的样本，却要解决这样的问题。

对此，贾佳亚提出了一个概念来破解这个难题，即区域感知异常检测器，这是一个机器学习的一个算法，记住一百个错误答案，不如掌握一个正确标准，当确定正确标准之后，就不关注错误答案了，只要跟它相背离的就是错误答案，就可以在工厂中，即便零样本也可以做得很好。

【记者】郜小平

【作者】 郜小平

南方产业智库

来源：南方+ - 创造更多价值