不久前你嘴裡的假牙牙冠（俗稱牙套）還是在組裝線上生產，一大群工人進行著體力勞動，揮舞雙手來製作和塑型。
牙科產品製造商 Glidewell Laboratories 不斷為了設計和製造牙套一事建立深度學習環境，以求縮短這個過程的時間，還有製作出更精準、成本更低廉的產品。
Glidewell 在過去的十年裡，使用大量自動化機器人來製作牙套，使用電腦輔助設計與製造軟體來加快速度。但由於人們有著各式需求，還是需要極為精細的手藝來雕琢產品。
日產量達一萬個單位的 Glidewell，有充足的理由希望以系統化的方式，為雕琢產品的過程創造更高的一致性。
Glidewell 為此正在訓練有著 GPU 助力的生成對抗網路，這套神經網路擅長從影像重建出精細的 3D 立體模型。Glidewell 的機器學習團隊負責人 Sergei Azernikov 表示，Glidewell 不久後就會準備好現場製作人工智慧設計出的牙套。Azernikov 上個月出席在矽谷舉行的 GPU 技術大會發表演講。
Azernikov 說：「在不久的將來，我們便會以完全自動化的方式為客戶進行製作，所有事情都由智慧系統來處理。
Glidewell 在訓練神經網路方面遇到了一些特別的難題，因為它實際上並不適用於影像。它的資料是 3D 網格的形式，不適合以神經網路來運作。
Azernikov 說他和他的團隊一開始試著將網格轉成影像，但他們發現每次改變渲染時，都得修改模型。後來他們又試著使用體素化技術來優化模型，依舊沒有產生出預期的結果。
他們最後決定將網格轉成深度圖，更好地重現牙齒的輪廓與細微之處（大多數牙套都是用在臼齒上）。
必須達到極為精細的程度，以確保牙套符合三項考慮因素：形狀能巧妙卡入相鄰的牙齒之間、與相對的牙齒對稱，還有其力學形態能有效進行撕咬和咀嚼。
將深度圖搭配 GAN 一起使用，其中一個神經網路生成影像，另一個進行檢查，產生出的牙套比起原本要替換的牙齒，在解剖結構上更為精細。生成網路的任務是隨機進行輸出，讓用於檢查的神經網路盡量發生錯誤，長期下來才能變得愈來愈精確。
這招雖然效果不錯，對於下層的深度學習過程卻有著更多要求。
「訓練一套神經網路已屬不易，同時訓練兩套更為困難。」Azernikov 說。
Glidewell 已經看到令人驚艷的成果。三年前該公司先開始使用人工智慧進行試驗，在 CPU 上對神經網路進行初步訓練，花了六週的時間。改用第一代的 NVIDIA TITAN GPU，將時間縮短為六天。後來又將 NVIDIA TITAN X 搭配 NVIDIA 的 cuDNN 深度學習函式庫，將訓練時間減少為兩天半。
Azernikov 表示還是在本地使用 TITAN X 進行訓練作業，推論作業則是在該公司特別訂製的 Amazon Web Services 環境裡進行，該環境運行了多種 NVIDIA GPU。他的團隊還使用 TensorRT（搭配 CUDA runtime）來加快推論作業的速度。
「推論作業對我們來說極為重要。訓練只要一次，推論作業則是要花上數個月的時間。」他說。
Azernikov 希望 Glidewell 的患者在今年能用到人工智慧設計出的牙套產品，期待它將會過去有著不少變數的產品類別帶來更高的可靠性。
「人工智慧的最大優勢在於，一旦你訓練好了，在任何情況下它都能維持穩定的表現。」Azernikov 說。