自从AlphaGo战胜李世石,轰动全球之后,各种各样的所谓人工智能概念大肆兴起,几乎贯穿各个行业。近日,AlphaGo战胜中国围棋小子柯杰,人工智能代替人类的呼声再次响起。然而截至到目前,回头看,人工智能虽好,谈到真正落地的产品和项目到底有多少,人们似乎就不像宣传概念时那样有热情了。
![](http://www.ctiforum.com/uploadfile/2017/0920/20170920104029397.jpg)
柯杰与AlphaGo对战宣传
在互联网风口以及人口红利即将过去的年代,人工智能已经牢牢占据了各大公司发展的战略位置。但是,我们以人尽皆知的AlphaGo为例,他到底做了什么,我们到底需要他做什么?难道仅仅是下围棋?显然不是这样的。我们今天谈的主题就是,什么阶段做什么事,落地为王。根据人工智能的定义,目前的状态仅仅是“弱人工智能”阶段(人工智能分为弱人工智能、强人工智能、超人工智能),那么在这个阶段我们就应该让人工智能来做它应该做的事情,比如AlphaGo,就是下棋。那么就可以理解目前大家所谈的各种人工智能,比如siri,就是陪你聊;比如人脸识别的,就是帮你分析年龄、性别、体貌特征等;比如医疗人工智能,就是帮你分析以往病史给出就诊意见等。他们只做也只能做弱人工智能该做的事情,步子走大了,容易扯到蛋。(下文中提到的人工智能目前泛指弱人工智能)
那么,今天我们不谈AlphaGo,谈谈人工智能的落地。那么就不得不谈谈安防行业了。因为无论是医疗、语音还是火爆的游戏领域,真正落地的项目寥寥可数,然而在安防行业,海康威视的”猎鹰“、”刀锋“,宇视科技的”昆仑“,包括旷世、依图等非传统安防厂商,都在利用人工智能进行行业变革,落地项目遍地开花。说到这,我们有必要思考一下,为什么安防行业人工智能项目落地的速度会大大高出我们的预期呢?那就又要谈谈和人工智能相关的几个关键点。
![](http://www.ctiforum.com/uploadfile/2017/0920/20170920103957494.jpg)
![](http://www.ctiforum.com/uploadfile/2017/0920/20170920104007446.jpg)
海康威视人工智能产品发布会及宇视科技人工智能产品
首先是深度学习算法。理解深度学习的最简单方式就是先理解简单的机器学习是什么。拿最常用的例子来讲,就是教会机器如何识别一只可爱的小狗。按照机器的思维,我只要在算法中告诉它,某张图片或者某个物体是一只小狗,这样就结束了。然而,如果这是一只黑狗,当设备再遇到一只白狗它还会识别出来吗?显然是不能的。那么深度学习就是来解决这类问题的。按人类的思维模式,无论黑狗还是白狗,总归是一只狗,那么我们利用深度学习算法就是为了让机器也有类似于人类的这种归纳总结能力,利用深度学习算法的机制,我们可以对机器进行多层次的模型培养,慢慢的总结出狗的特征和规律,当再见到一只狗的时候,就不必我们一次又一次的“教“会机器去认出这是一只狗。
![](http://www.ctiforum.com/uploadfile/2017/0920/20170920104058881.jpg)
深度学习算法总结特征原理
其次是大数据。大数据已经火了好几年,而且必将继续火下去。那么大数据和人工智能有什么关系呢?仍然以识别一只狗为例,上文中我们提到可以利用深度学习算法来让机器具有总结归纳能力,但是,如何保证识别的准确率呢?假设,我只有两张照片,一张黑狗、一张白狗,确实深度学习算法让我的机器可以大致识别出一只狗应该具有哪些特征,然而这只狗是胖是瘦?是大是小?是黄色呢?是灰色呢?是沙皮狗还是萨摩耶呢?这时候,大数据的引入就完美的解决了这个问题。试想,如果我有1W张狗的照片,其中既包含了黑狗、白狗,又包含了胖狗瘦狗、还包含了各种品种类型的狗,那么对于机器来说,总结出的可遵循的规律就更多,对新的物体进行识别时可参照样本量就越大,我的深度学习算法也就越准,同时算法模型的深度也就越深。那么继续设想,如果我有10W张甚至100W张狗的照片,我的准确率势必大幅度提升,这也就是为什么我们目前看到的做人工智能的厂商一定是行业领头企业或者是掌握了大量数据的企业的原因。
![](http://www.ctiforum.com/uploadfile/2017/0920/20170920104122597.jpg)
某算法准确率提升与训练数据关系
最后,硬件设备的升级。说到整个2016年甚至截止到今天全球最成功的公司,就不得不谈谈英伟达了。排除PC行业,GPU硬件平台的持续强劲拉动了整个公司的强势发展。那么以往作为配角出现的GPU,在与CPU的竞争当中为何强势突起了呢?这就是整个硬件结构的不同带来的适应性变化。CPU在串行运算中大行其道,统治PC届几十年,GPU只是配合CPU在进行图形图像算法时提供大量并行运算。然而到了深度学习以及大数据要发挥作用的时候,串行运算已经远远无法达到人们预期的效率和速率了。GPU 在处理数据时,首要的两点:一是运算,二是数据吞吐量。然而 CPU的内部硬件结构首要目的是要降低整个串行处理的延时并且保持管线持续工作。那么,GPU内部结构相对简单的架构、重复性的进行同一运算、海量GPU集群配置等等因素注定了在深度学习乃至人工智能领域,GPU都具有天生的优越性。
结合以上的三点,安防行业天生的优越性就显露出来了。首先深度学习算法是开放的。也就是说任何厂家都可以使用这种算法进行针对性的优化,例如处理视频、音频、文字等等。其次,视频是信息量最大的一种大数据。那么利用深度学习算法就可以持续不断的进行模型培养、层数加深等等。最后,GPU方面肯定不是问题,只要有钱。曾经有一篇在朋友圈非常火的文章,叫《揭秘英伟达GPU国内最大客户,竟然是它!》,讲的就是安防领头羊企业利用人工智能技术在安防领域所做的一些产品以及解决方案。另外英伟达国内第一台NVIDIA DGX-1深度学习超级计算机也以天价落户于该企业,为该公司人工智能算法的研究提供强有力的后盾。
说了这么多,到底人工智能在安防行业有哪些落地产品?从前端的高速人脸抓拍识别产品到后端的人脸大数据分析产品,层出不穷。从广州火车站人脸抓逃犯到南京火车站人证合一“刷脸“进站,再从北京化工大学实验室人脸防控系统到屡上新闻的江苏宿迁”图立方“系统,人工智能在安防领域连战连捷。反观其他领域,貌似只有我们本来不想谈的AlphaGo,毕竟,产品、项目无法落地,说的再好,天花乱坠也没有任何作用。
![](http://www.ctiforum.com/uploadfile/2017/0920/20170920104140739.jpg)
宿迁市公安局图立方实战平台
回到人工智能目前所处阶段的问题上,我们离超人工智能还有十万八千里,甚至离强人工智能还有很远,那么在所处的阶段,做该做的事,让人工智能更好的服务于大众,服务于生活,那么安防行业确实是人工智能技术成长的一片沃土,人工智能大幕刚刚开启,安防行业作为排头兵,让我们拭目以待,期待安防行业推动更多的智能化项目落地,同时也期待人工智能拉动安防行业真正智能化时代的到来。