在深度學習的幫助下，一批機器人質檢員、機器人醫生正迅速自學成才、強勢崛起。雖然在它們的幫助下，人類可以更快地制造出更優質的產品，更準確、更及時地診斷疾病，但是人工智能的黑箱也愈加讓人看不透了…… 

在工業和醫療領域，面對不可逆轉的機器換人浪潮，首當其沖的似乎是工作內容高度重復且機械化的生產線工人和配藥打針的護士。然而，隨著人工智能(AI)、深度學習等技術的飛速發展，機器視覺正日趨敏銳，技術含量更高的質檢與診病工作也漸漸可以由機器人來擔綱?；蛟S在不久之后，人類質檢員和?？漆t生也將變得岌岌可危。
　　金屬3D打印是目前3D打印產業在大規模生產方面走得最遠的分支之一。3D打印“一次成型”的技術特點決定了其產品質量檢測方法也會不同于普通質檢，從最近業界的動態來看，已有專業人士選擇了同樣年輕的機器視覺技術來輔助這個新產業。
　　2017年6月，美國著名研究型高?？▋然仿〈髮W開發了一種識別金屬3D打印粉末的機器視覺系統。與成品檢驗不同，該系統像是一個預言者，它在粉末投入生產前對其質量進行評估，并判斷其能否被制成合格的產品。整個檢測流程都是在無人參與的情況下自動完成，系統會把它對粉末微觀結構的觀察結果詳細呈報給人類工作人員，包括粉末的種類、強度、韌性、疲勞壽命等，準確率超過95%，比訓練有素的人類質檢員更為出色。這套系統有望在五年之內得到推廣。
　　除了科研機構，一些實力雄厚的企業也在機器視覺質檢領域下功夫。2017年11月初，美國通用電氣(GE)宣布他們正在研發一款金屬3D打印自我檢查系統，其核心技術便是機器視覺。與卡內基梅隆大學相似的是，這套系統也將把觀察重點放在粉末上，做個了不起的“預言家”。根據GE的構想，人們可以根據這套系統的建議選出優質粉末進行生產，且能完全省略后處理與成品質檢環節，大大提升生產效率。
　　機器視覺在看病方面的能力也頗像一個先知，它能比人類醫生更早地看出潛伏在患者身上的病魔，且準確率也不輸人類，甚至能糾正人類的漏診、誤診。以往僅由人類醫生來分析判斷的超聲、CT、磁共振等醫學影像，交給機器人重新審視一遍會是個可靠的雙保險。
　　也許有人會感到疑惑，機器是怎么做到明察秋毫的呢？就照目前機器模仿人類神經網絡的水平，它們的“視覺神經”還不比人類發達吧？其實，這些“眼神犀利”的機器視覺系統并不會以人的方式洞悉一切，它們也不必像人。通過收集數量非常龐大的專業影像數據，并以機器學習來迅速分析總結，機器視覺系統可以在很短的時間內自學成才，它所“過目”的醫學影像比一個人類醫生整個職業生涯遇到的還要多得多！
　　盡管機器視覺的敏銳目光讓人類面對不確定事物時心里更踏實，但同時也在犯嘀咕：機器究竟是怎么看出來的？人工智能越發達，越像是一個黑箱，讓人難以看透它的“思路”，而只能接受它輸出的正確結果。只知其然而不知其所以然，終究難以帶來真正的安全感，這也不符合人類充滿好奇的天性。在機器看穿我們的同時，我們也得把它盯緊了。