智慧型相機是工業深度學習的第一步

神經網路將嵌入在工廠車間及其周圍出現的越來越多具有linux功能的多核x86閘道器和控制器中。而據說新興的5g蜂窩網路有一天會讓神經網路可以隨時訪問遠端資料中心。

汽車和飛機製造商以及醫療保健提供商正在採取早期措施，主要是智慧型相機。佳能正在其工業相機中嵌入nvidia jetson板，以開啟深度學習。工業相機**商康耐視公司正在加大自己的產品種類。機械人技術是計算機和人工智慧的交叉點，但深度學習的許多任務業用途將不那麼迷人，而且會更快到達。

深度學習導致了tensorflow，caffe和chainer等軟體框架的迅速崛起，每個框架都有自己的優點和缺點。開發人員認為需要混合框架來支援細微的ai抽象，研究人員才剛剛開始研究它們。

不過也有人指出，神經網路是不確定的。這產生了兩個問題：結果是有用的但無法解釋，並且它們通常表現為良好但總是不完美的準確度水平。

與演算法一樣，硬體仍在不斷發展。深度學習中的計算需要改變你如何為矩陣乘法等特徵布置電晶體，深度學習的需求與今天的cpu和gpu不匹配。

從噴氣渦輪機到挑揀快遞

機器學習開始在工業應用中產生影響，從噴漆渦輪機到包裝聖誕禮物。通用電氣公司使用配備計算機視覺的機械人將發光塗料應用於噴氣發動機渦輪機並檢查它們是否有裂縫。

nvidia的jetson板可以幫助拖拉機區分作物和雜草，這樣肥料就不會浪費在雜草身上。這些電路板還為agrobot製造的自動收割系統提供動力。

少數初創公司正在開創一些棘手的任務，幫助機械人自動導航倉庫甚至城市。在一些零售店中，研究員機械人有乙個巡航通道，盤點庫存的系統。商用無人機具有計算機視覺，可用於執法，搜尋和救援以及施工。

在阿里巴巴和亞馬遜等公司分揀機械人都在高效的工作，分揀機械人是一種具備了感測器、物鏡和電子光學系統的機械人，可以快速進行貨物分揀。

工廠可以使用網路將振動感測器連線到校園的偏遠地區的公用系統，例如水幫浦。它還可能使用4k攝像機的無線鏈結以確保安全，並在緊急情況下確認3,000名員工的下落，這是一款適用於神經網路的人臉識別應用程式。

不斷擴充套件的網路正在為深度學習的神經網路有朝一日地鋪設道路鋪平道路，為每個連線它們的系統帶來新的智慧型水平。