机器学习深陷算法与成本难题教育或为根本出路
- 来源：中国智能制造网
- 编辑：一不做
- 2017/8/14 13:16:52
- 46864
在过去几十年来，分析一直是高度手工操作的行为，分析师基本上都是手动来梳理数千行的表单，现在正由技术变得自动化起来，基本上通过一些简单的按钮就能够实现操作。但随着时代的进步，人们的需求也随之提升。
由于选择的机会原来越多，如今用户对产品质量的要求也就越来越严。这对于厂家来说虽说是一个挑战，却又是难得的突破机遇，人工检测产品质量不仅麻烦，而且不准确。解决方法就是采用机器视觉的自动化视觉检测系统，才能不断扩大产能和质量控制的要求。
据了解，机器学习由Arthur Samuel在1959年定义，即“学习领域，使计算机能够在没有被明确编程的情况下学习”。换言之就是，这就是分析的自动化，从而能够让分析得以大规模应用。
机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
相比深层的神经网络，传统的机器学习模式正在为大多数人工智能应用提供动力。工程师们仍在使用传统的软件工程工具来进行机器学习工程，但这些工具并不起作用：数据建模的管道试图将数据转为模型，但终得到的只是一些不完整的碎片。随着大型科技公司构建具有端到端功能的新型机器学习平台，这一过程将会有所改观。
随着机器视觉系统在工业领域被广泛接受，已经有越来越多的新领域涉及机器视觉，这个趋势将带动机器视觉需求的急速增长。
就国内而言，我国机器视觉系统集成和设备制造一直是国内企业的着力点，但无论是在软件算法，还是在硬件成本上，我国都没有占据优势。要知道，机器视觉组成部件的门槛主要就是体现在软件算法上，但目前来说，国内对算法的处理能力和速度相比于国外都存在较大差距。另一方面，由于我国同行业起步晚，出货量少，硬件价格也处于劣势。
在这些不利条件下，我国机器视觉产业该如何发展？从哪里开始入手呢？业内人士表示，以计算机科学为主导，联合统计和应用数学专业，开设机器学习研究生专业是值得考虑的。
业内人士认为，我国人工智能发展的根本出路在于教育。研究生专业应该围绕理论机器学习、概率与随机图模型、贝叶斯方法、大规模优化算法、深度学习等基础机器学习领域。因此建议开设理论机器学习、概率图模型、统计推断与贝叶斯分析、凸分析与优化、强化学习、信息论等课程。只有培养出一批批数理基础深厚、动手执行力极强，有真正融合交叉能力和视野的人才，我们才会有大作为。
版权与免责声明：凡本网注明“来源：智能制造网”的所有作品，均为浙江兴旺宝明通网络有限公司-智能制造网合法拥有版权或有权使用的作品，未经本网授权不
展开全部
热门评论