我國(guó)機(jī)器視覺(jué)系集成和設(shè)備制造一直是國(guó)內(nèi)企業(yè)的著力點(diǎn)，但無(wú)論是在軟件算法，還是在硬件成本上，我國(guó)都沒(méi)有占據(jù)優(yōu)勢(shì)。業(yè)內(nèi)人士認(rèn)為，我國(guó)人工智能發(fā)展的根本出路在于教育，建議開(kāi)設(shè)機(jī)器學(xué)習(xí)研究生專(zhuān)業(yè)。

在過(guò)去幾十年來(lái)，分析一直是高度手工操作的行為，分析師基本上都是手動(dòng)來(lái)梳理數(shù)千行的表單，現(xiàn)在正由技術(shù)變得自動(dòng)化起來(lái)，基本上通過(guò)一些簡(jiǎn)單的按鈕就能夠?qū)崿F(xiàn)操作。但隨著時(shí)代的進(jìn)步，人們的需求也隨之提升。

由于選擇的機(jī)會(huì)原來(lái)越多，如今用戶對(duì)產(chǎn)品質(zhì)量的要求也就越來(lái)越嚴(yán)。這對(duì)于廠家來(lái)說(shuō)雖說(shuō)是一個(gè)挑戰(zhàn)，卻又是難得的突破機(jī)遇，人工檢測(cè)產(chǎn)品質(zhì)量不僅麻煩，而且不準(zhǔn)確。解決方法就是采用機(jī)器視覺(jué)的自動(dòng)化視覺(jué)檢測(cè)系統(tǒng)，才能不斷擴(kuò)大產(chǎn)能和質(zhì)量控制的要求。

據(jù)了解，機(jī)器學(xué)習(xí)由Arthur Samuel在1959年首次定義，即“學(xué)習(xí)領(lǐng)域，使計(jì)算機(jī)能夠在沒(méi)有被明確編程的情況下學(xué)習(xí)”。換言之就是，這就是分析的自動(dòng)化，從而能夠讓分析得以大規(guī)模應(yīng)用。

機(jī)器視覺(jué)系統(tǒng)可以快速獲取大量信息，而且易于自動(dòng)處理，也易于同設(shè)計(jì)信息以及加工控制信息集成，因此，在現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，人們將機(jī)器視覺(jué)系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。

相比深層的神經(jīng)網(wǎng)絡(luò)，傳統(tǒng)的機(jī)器學(xué)習(xí)模式正在為大多數(shù)人工智能應(yīng)用提供動(dòng)力。工程師們?nèi)栽谑褂脗鹘y(tǒng)的軟件工程工具來(lái)進(jìn)行機(jī)器學(xué)習(xí)工程，但這些工具并不起作用：數(shù)據(jù)建模的管道試圖將數(shù)據(jù)轉(zhuǎn)為模型，但最終得到的只是一些不完整的碎片。隨著大型科技公司構(gòu)建具有端到端功能的新型機(jī)器學(xué)習(xí)平臺(tái)，這一過(guò)程將會(huì)有所改觀。

隨著機(jī)器視覺(jué)系統(tǒng)在工業(yè)領(lǐng)域被廣泛接受，已經(jīng)有越來(lái)越多的新領(lǐng)域涉及機(jī)器視覺(jué)，這個(gè)趨勢(shì)將帶動(dòng)機(jī)器視覺(jué)需求的急速增長(zhǎng)。

就國(guó)內(nèi)而言，我國(guó)機(jī)器視覺(jué)系統(tǒng)集成和設(shè)備制造一直是國(guó)內(nèi)企業(yè)的著力點(diǎn)，但無(wú)論是在軟件算法，還是在硬件成本上，我國(guó)都沒(méi)有占據(jù)優(yōu)勢(shì)。要知道，機(jī)器視覺(jué)組成部件的門(mén)檻主要就是體現(xiàn)在軟件算法上，但目前來(lái)說(shuō)，國(guó)內(nèi)對(duì)算法的處理能力和速度相比于國(guó)外都存在較大差距。另一方面，由于我國(guó)同行業(yè)起步晚，出貨量少，硬件價(jià)格也處于劣勢(shì)。

在這些不利條件下，我國(guó)機(jī)器視覺(jué)產(chǎn)業(yè)該如何發(fā)展?從哪里開(kāi)始入手呢?業(yè)內(nèi)人士表示，以計(jì)算機(jī)科學(xué)為主導(dǎo)，聯(lián)合統(tǒng)計(jì)和應(yīng)用數(shù)學(xué)專(zhuān)業(yè)，開(kāi)設(shè)機(jī)器學(xué)習(xí)研究生專(zhuān)業(yè)是值得考慮的。

業(yè)內(nèi)人士認(rèn)為，我國(guó)人工智能發(fā)展的根本出路在于教育。研究生專(zhuān)業(yè)應(yīng)該圍繞理論機(jī)器學(xué)習(xí)、概率與隨機(jī)圖模型、貝葉斯方法、大規(guī)模優(yōu)化算法、深度學(xué)習(xí)等基礎(chǔ)機(jī)器學(xué)習(xí)領(lǐng)域。因此建議開(kāi)設(shè)理論機(jī)器學(xué)習(xí)、概率圖模型、統(tǒng)計(jì)推斷與貝葉斯分析、凸分析與優(yōu)化、強(qiáng)化學(xué)習(xí)、信息論等課程。只有培養(yǎng)出一批批數(shù)理基礎(chǔ)深厚、動(dòng)手執(zhí)行力極強(qiáng)，有真正融合交叉能力和國(guó)際視野的人才，我們才會(huì)有大作為。