印刷技术数字化的过程中，已经累积了许多利用计算机帮忙制造的经验，如果把这些经验应用于管理系统，帮助计算机去判断，去启动下一个工序，这就已经是智能印刷了。

　　最近有个朋友需要一份外国产品的说明，他把手上仅有的英文版说明，贴到谷歌自动翻译去转了一下，整篇两页的技术说明，翻译成中文之后，居然一个字都不用修改就可以转给客户看了。

　　去年底，Google翻译算法换成了神经网络翻译机器（Nueural Machine Translation，NMT) 取代了原来用的自然语言处理算法（NLP natural Language Processing），翻译质量几乎和有经验的技术编辑的工作一样出色。

　　翻译机器采用了人工智能最热门的“机器学习”技术，让机器像人一样学习两种语言，机器不眠不休而且运算速度又快，很快就能从小学程度进展到专家的水平，机器翻译的能力改善的速度一日千里。

　　什么是机器学习？就是把事物的处理程序编成计算机可以演算的逻辑，再提供足够的样本，让计算机依照算法练习并比对答案，就像我们小时候背唐诗，有人背得够多够熟，沉浸于大量的诗词之中，找出诗词的逻辑，终于可以吟诗作对，满足了诗词的基本要素，作出令人惊艳的作品。

　　机器学习在今天计算能力容易取得的环境下，晚上教计算机学习，我们把已知的诗词都喂进去，明天早上计算机已经可以写诗了。即使计算机写诗不是为了抒发情感，一样也能感动人，因为他学习的数据来源本来就是人类情感的泉源。

　　机器学习将“人工智能”推进到计算机可以学习任何人类做的工作，只要这个工作的“内容”可以利用『数字』来描绘，计算机都学得会，不论是深奥的围棋还是简单的点钞机...

　　机器学习不是今天才有的新玩意，只是今天机器学习的方法和环境更有效率而已，各行各业的数字化一直是专业师傅教计算机工程师，工程师教计算机学习的过程。

　　印刷业是最好的例子，从CDR的档案到印版上的印纹，到控墨台的墨键，到快递的交货地点如果利用计算机来帮忙，一定比人来处理更有效率。这是因为十几年以来，软件工程师学会了各个工序的内容，利用数字来描绘印刷工序的属性，最后转换成帮忙处理印刷生产和管理的计算机软件。

　　印刷流程中几乎所有工序早已经数字化了，计算机还能学习什么？

　　只要还需要人手处理的部分都值得计算机去学习，技术供货商为了帮助印刷厂客户提升竞争力，都将目标指向解决人力成本的关键上。

　　自动化已经替代了许多人手，有那些部分需要让自动化更进一步？

　　今天印刷厂聘请了许多PS师傅来处理档案，因为客户送来的档案不规范，一个档案上面有好几个的版面，必须经过整理才能转换成一个个和订单关联的PDF。如果计算机学会像人一样能判断版面的范围和正反面，自动处理并输出PDF，才能打开整理档案的瓶颈，这是计算机需要学习的第一项。

　　计算机已经管理订单，管理好的订单被打印成施工单，用来指挥生产流程，第二项就是如何教会计算机将施工单的内容，变成指挥印前工序的命令，订单确认了以后，生产系统自动自发开始工作了。

　　还有一个人手无法解决，成本无法控制的是档案转换中出现错误造成的损失，印前流程从设计原稿，汇出PDF小版，小版拼成大版的PDF，经过精炼再RIP成CTP版上的印纹，最后上机印刷，以上每一个工序都对档案内容进行了重新组合，再交给下一个工序，PDF档案本身是程序语言，组合的过程中偶尔改变了表面上文字或是图片的属性，到了下一个工序，版面内容就被改变了。

　　这种错误只能怪计算机，就怕万一错误出现在重要的印件上，代价就无法估计。由于不同工序采用不同厂商的软件，要教会计算机不出错根本不可能，解决的办法就是教会计算机来审稿，在工序之间把不同阶段的档案，取出来校对，在CTP制版以前过滤出被改变了的版面。

　　目前，国内不同的技术供货商正努力于这三方面，机器学习和人类的学习一样需要经验，经验越多的，计算机的执行能力就越强。

　　高铁站的自动柜员机提供卖票和取票的服务，进站检票也都由机器取代人手，20年前的车站就有了类似的机器，只是今天的机器由于经验丰富，变聪明了，不论是工程师学习再去改善机器的功能，还是机器自己会学习，都一样能促成智能制造。

　　今天，机器学习技术念成为人工智能突飞猛进的主要动力，如果我们以为人工智能只会发生在特定的领域和印刷行业无关，那就是对于今天技术发展的无知。

　　目前印刷管理的改造追求的，正是教计算机学习整理文件，指挥生产工序和自动审稿，等到各种自动化应用成熟以后，智能印刷就向前了一大步。