印刷技術數位化的過程中，已經累積了許多利用電腦幫忙製造的經驗，如果把這些經驗應用於管理系統，幫助電腦去判斷，去啟動下一個工序，這就已經是智能印刷了。
《本文開始》
最近有個朋友需要一份外國產品的說明，他把手上僅有的英文版說明，貼到穀歌自動翻譯去轉了一下，整篇兩頁的技術說明，翻譯成中文之後，居然一個字都不用修改就可以轉給客戶看了。
去年底，Google翻譯演算法換成了神經網路翻譯機器（Nueural Machine Translation，NMT) 取代了原來用的自然語言處理演算法（NLP natural Language Processing），翻譯品質幾乎和有經驗的技術編輯的工作一樣出色。
翻譯機器採用了人工智慧最熱門的“機器學習”技術，讓機器像人一樣學習兩種語言，機器不眠不休而且運算速度又快，很快就能從小學程度進展到專家的水準，機器翻譯的能力改善的速度一日千里。
什麼是機器學習？就是把事物的處理程式編成電腦可以演算的邏輯，再提供足夠的樣本，讓電腦依照演算法練習並比對答案，就像我們小時候背唐詩，有人背得夠多夠熟，沉浸於大量的詩詞之中，找出詩詞的邏輯，終於可以吟詩作對，滿足了詩詞的基本要素，作出令人驚豔的作品。
機器學習在今天計算能力容易取得的環境下，晚上教電腦學習，我們把已知的詩詞都喂進去，明天早上電腦已經可以寫詩了。即使電腦寫詩不是為了抒發情感，一樣也能感動人，因為他學習的數據來源本來就是人類情感的泉源。
機器學習將“人工智慧”推進到電腦可以學習任何人類做的工作，只要這個工作的“內容”可以利用『數字』來描繪，電腦都學得會，不論是深奧的圍棋還是簡單的點鈔機...
機器學習不是今天才有的新玩意，只是今天機器學習的方法和環境更有效率而已，各行各業的數位化一直是專業師傅教電腦工程師，工程師教電腦學習的過程。
印刷業是最好的例子，從CDR的檔案到印版上的印紋，到控墨臺的墨鍵，到快遞的交貨地點如果利用電腦來幫忙，一定比人來處理更有效率。這是因為十幾年以來，軟體工程師學會了各個工序的內容，利用數字來描繪印刷工序的屬性，最後轉換成幫忙處理印刷生產和管理的電腦軟體。
印刷流程中幾乎所有工序早已經數位化了，電腦還能學習什麼？
只要還需要人手處理的部分都值得電腦去學習，技術供應商為了幫助印刷廠客戶提升競爭力，都將目標指向解決人力成本的關鍵上。
自動化已經替代了許多人手，有那些部分需要讓自動化更進一步？
今天印刷廠聘請了許多PS師傅來處理檔案，因為客戶送來的檔案不規範，一個檔案上面有好幾個的版面，必須經過整理才能轉換成一個個和訂單關聯的PDF。如果電腦學會像人一樣能判斷版面的範圍和正反面，自動處理並輸出PDF，才能打開整理檔案的瓶頸，這是電腦需要學習的第一項。
電腦已經管理訂單，管理好的訂單被列印成施工單，用來指揮生產流程，第二項就是如何教會電腦將施工單的內容，變成指揮印前工序的命令，訂單確認了以後，生產系統自動自發開始工作了。
還有一個人手無法解決，成本無法控制的是檔案轉換中出現錯誤造成的損失，印前流程從設計原稿，匯出PDF小版，小版拼成大版的PDF，經過精煉再RIP成CTP版上的印紋，最後上機印刷，以上每一個工序都對檔案內容進行了重新組合，再交給下一個工序，PDF檔案本身是程式語言，組合的過程中偶爾改變了表面上文字或是圖片的屬性，到了下一個工序，版面內容就被改變了。
這種錯誤只能怪電腦，就怕萬一錯誤出現在重要的印件上，代價就無法估計。由於不同工序採用不同廠商的軟體，要教會電腦不出錯根本不可能，解決的辦法就是教會電腦來審稿，在工序之間把不同階段的檔案，取出來校對，在CTP製版以前過濾出被改變了的版面。
目前，國內不同的技術供應商正努力於這三方面，機器學習和人類的學習一樣需要經驗，經驗越多的，電腦的執行能力就越強。
高鐵站的自動櫃員機提供賣票和取票的服務，進站檢票也都由機器取代人手，20年前的車站就有了類似的機器，只是今天的機器由於經驗豐富，變聰明瞭，不論是工程師學習再去改善機器的功能，還是機器自己會學習，都一樣能促成智慧製造。
今天，機器學習技術念成為人工智慧突飛猛進的主要動力，如果我們以為人工智慧只會發生在特定的領域和印刷行業無關，那就是對於今天技術發展的無知。
目前印刷管理的改造追求的，正是教電腦學習整理檔，指揮生產工序和自動審稿，等到各種自動化應用成熟以後，智能印刷就向前了一大步。
《end》
|
