吳恩達創立的Landing.AI在臺發表智慧製造新產品，靠攝影機即時追蹤作業員行為就能檢測產線組裝正確性

由Google Brain創辦人吳恩達成立的新創公司Landing.AI，最近來臺拓展市場，其副總裁王冬岩在臺發布了在智慧製造缺陷檢測（Defect Detection）的新解決方案，直接透過攝影機分析產線上操作員的行為，來判斷產品組裝的錯誤率。

雖然Landing.AI是新創企業，但已經有許多企業導入其服務，包括鴻海也找上門合作。其提供的服務主要分為AI Solution解決方案、AI加速平臺（AI Acceleration Platform）、以及AI轉型平臺（AI Transformation Platform），企業可以依照需求來選擇合適的服務採用。

如AI解決方案，提供企業在五種常見製造場景中運用的缺陷檢測技術，包括管線中氣液體的洩漏、微小顆粒的追蹤和偵測、表面工藝的瑕疵偵測、透過辨認幾何圖形來偵錯、以及不同微小零組件的分類。不同技術又適用於不同場景，例如微小顆粒常見於藥廠辨識藥物是否摻入雜質，而運用幾何圖形能查找組裝作業中錯置的零件等。

除此之外，王冬岩也在臺發布缺陷檢測的新解決方案「人類行為訓練（Human Performance Coaching）」，可以用攝影機即時擷取生產線上作業員的行為，來判斷組裝過程中的行為是否正確，也能進一步得知每個作業員在各工序花費的時間、以及與前10%表現者平均效率的差距。

另推出多項輔助AI訓練工具，可靠GAN自動產生缺陷影像彌補不足資料

Landing.AI的還提供了提高缺陷檢測模型偵錯率的輔助工具，例如Smart Data技術，可利用生成對抗網路（GAN）搭配隨機擴充資料量的工具，王冬岩表示，可利用不到10張瑕疵影像，萃取其特徵值來生成大量仿製的資料，並以此來訓練缺陷偵測模型。他解釋，許多企業缺乏訓練用的瑕疵影像資料，例如某個顯示器製造大廠，蒐集了300萬張影像資料要建立瑕疵偵錯模型，但細問之下，其中瑕疵影像比例不到10%，又必須根據上百種瑕疵進行分類，最後才發現每一種特定瑕疵的影像數量都不多，不夠訓練模型。

此外，AI加速平臺也提供了一個Live Defect框架來供企業更有效地定義資料缺陷。除了使用者可以標記舊有資料之外，也能隨著新缺陷的產生來增加標記資料，進而不斷優化模型。

王冬岩表示，模型表現不好很常是因為缺陷的標記不精確，例如質檢員在標記影像時，時常遇到每個人針對同一張影像沒有共識的情形，就表示影像不能明確反映實物情形；此外，標記的工作量大，試想一個工廠生產幾百種零件，每一個零件每一面的每個缺陷都要標記，若沒有工具輔助標記，很難有效率的分類執行。「客觀基於事實來定義缺陷，是整個流程最重要的事。」

吳恩達提出AI導入5大步驟，第一步是小專案實測，而不急著先定AI戰略

除了工具，Landing.AI也提供導入顧問服務，稱為AI轉型平臺，一次為期18-24個月。吳恩達根據自身的經驗，將企業導入AI的過程分為5個步驟，推出這項服務。

王冬岩進一步說明，首先，是選定小的專案來執行，確保可以6-9個月見效，以建立企業應用AI的信心；第二，則是透過各種管道輔助企業招攬AI人才、建立團隊；第三，是提供公司高層與職員相關課程來學習，培養新的思維與觀念；第四，則是擬定企業的AI戰略，王冬岩指出，很多人誤認為擬定戰略應該是第一步，其實，企業剛接觸AI時，還沒做好準備，就算這時擬定戰略，未來也會不斷修正。最後，訂定長期戰略後，才是從內而外的導入和執行AI，目標是希望能改變整個市場對企業的定位與觀感。