由Google Brain创办人吴恩达成立的创业公司Landing.AI，最近来台拓展市场，其副总裁王冬岩在台发布了在智能制造缺陷检测（Defect Detection）的新解决方案，直接通过摄影机分析生产线上操作员的行为，来判断产品组装的错误率。
虽然Landing.AI是创业公司企业，但已经有许多企业导入其服务，包括鸿海也找上门合作。其提供的服务主要分为AI Solution解决方案、AI加速平台（AI Acceleration Platform）、以及AI转型平台（AI Transformation Platform），企业可以依照需求来选择合适的服务采用。
如AI解决方案，提供企业在五种常见制造场景中运用的缺陷检测技术，包括管线中气液体的泄漏、微小颗粒的关注和侦测、表面工艺的瑕疵侦测、通过辨认几何图形来调试、以及不同微小零部件的分类。不同技术又适用于不同场景，例如微小颗粒常见于药厂识别药物是否掺入杂质，而运用几何图形能查找组装作业中错置的零件等。
除此之外，王冬岩也在台发布缺陷检测的新解决方案“人类行为训练（Human Performance Coaching）”，可以用摄影机即时截取生生产线上作业员的行为，来判断组装过程中的行为是否正确，也能进一步得知每个作业员在各工序花费的时间、以及与前10%表现者平均效率的差距。
Landing.AI的还提供了提高缺陷检测模型调试率的辅助工具，例如Smart Data技术，可利用生成对抗网络（GAN）搭配随机扩展数据量的工具，王冬岩表示，可利用不到10张瑕疵图片，萃取其特征值来生成大量仿制的数据，并以此来训练缺陷侦测模型。他解释，许多企业缺乏训练用的瑕疵图片数据，例如某个显示器制造大厂，搜集了300万张图片数据要创建瑕疵调试模型，但细问之下，其中瑕疵图片比例不到10%，又必须根据上百种瑕疵进行分类，最后才发现每一种特定瑕疵的图片数量都不多，不够训练模型。
此外，AI加速平台也提供了一个Live Defect框架来供企业更有效地定义数据缺陷。除了用户可以标记旧有数据之外，也能随着新缺陷的产生来增加标记数据，进而不断优化模型。
王冬岩表示，模型表现不好经常是因为缺陷的标记不精确，例如质检员在标记图片时，时常遇到每个人针对同一张图片没有共识的情形，就表示图片不能明确反映实物情形；此外，标记的工作量大，试想一个工厂生产几百种零件，每一个零件每一面的每个缺陷都要标记，若没有工具辅助标记，很难有效率的分类执行。“客观基于事实来定义缺陷，是整个流程最重要的事。”
除了工具，Landing.AI也提供导入顾问服务，称为AI转型平台，一次为期18-24个月。吴恩达根据自身的经验，将企业导入AI的过程分为5个步骤，推出这项服务。
王冬岩进一步说明，首先，是选定小的项目来执行，确保可以6-9个月见效，以创建企业应用AI的信心；第二，则是通过各种渠道辅助企业招揽AI人才、创建团队；第三，是提供公司高层与职员相关课程来学习，培养新的思维与观念；第四，则是拟定企业的AI战略，王冬岩指出，很多人误认为拟定战略应该是第一步，其实，企业刚接触AI时，还没做好准备，就算这时拟定战略，未来也会不断修正。最后，订定长期战略后，才是从内而外的导入和执行AI，目标是希望能改变整个市场对企业的定位与观感。