人工智能技术发展综述

人工智能技术发展综述

好的AI=算力+算法/样本,这是大家对人工智能的传统认知。对于AI本身来说,海量算力配合充足的正负样本,加上大量训练和调优后的算法就基本可以交出一个满意的答卷。在第一轮人工智能技术的建设浪潮中,大家都在追求更高的指标、更多的标签以及更高的性能,为了极致的指标投入大量人力物力。而随着项目逐渐开始落地,当算法投入实战,当整个安防行业正式向前迈进时,人们也逐渐发现一个无法绕过的问题:人工智能到底是单纯的部件化产品还是一个系统性的方案?在回答这个问题之前,我们先回过头看一下深度学习算法本身,从“聪明”程度来区分的话,人工智能可以简单的分为弱人工智能、强人工智能以及超人工智能。

人工智能技术发展综述

弱人工智能是指能以智能的方式高效完成特定领域内的工作,不具备真正的思考能力,如人脸识别、AlphaGo。当行业里人工智能热度逐渐冷却,大家也认识到当前的人工智能实际还是在弱人工智能等级上。人工智能算法可以在满足要求的图像上做到很高的精度,而一旦图片质量无法满足要求,指标就会急剧下降。安防行业的图像数据无论是图片还是视频流基本都是由前端摄像机提供,因此人脸识别对传统前端整个体系都提出了挑战。

而人脸识别想要顺利落地并为用户提供最优解决方案,所面对的挑战不止这些。人工智能落地需要端到端系统中每一类组件的重新适配,人工智能重新定义了安防,对每个节点上的设备都提出了新的挑战。回到前面的问题,人工智能应该是一个单纯的部件化产品还是一个系统性的方案?答案显而易见,在安防行业,抛开落地谈产品都是空中楼阁。人工智能算法是一个对前端、存储、大数据以及算法算力调度乃至协议标准都有着严格配套要求的系统方案,而安防行业的实施配套要求,如机房、电费、人工等一系列产品之外的成本也无疑对人工智能的整套方案TCO提出了更高的要求。

卷土重来:注重落地与应用

现如今,人工智能依然是行业内最火热的话题。但是用户已经不像初遇人工智能时那么迷信算法,很多时候用户更愿意让算法验证一下可行性,或者干脆与算法厂家以合作实验的形式来确定算法是否可用。而各个厂家以及算法公司也在项目实践中发现了单纯靠人工智能、深度学习、大数据这些实际是不够的,例如宇视提出“场景定义算法”“AI工程化”等更加注重算法落地和实际应用的理念。与此同时,通过新一轮算法的不断PK以及“十三五”建设的格局洗牌,有实力、有经验的厂家也逐渐改变了自己的探索方向,不断投入到算法的落地、智能分析整体方案的拉通以及用户应用的完整闭环和流程简化中。

人工智能算法作为最核心的技术,依然需要不断投入和探索,这是永恒不变的真理。另一方面,各个算法厂家已经不再把算法指标作为最重要的竞争力,而是把多算法解决方案、应用生态配套作为最关键的亮点。原本单一算法可能无法实现的业务,现在通过不同算法协同检索比对可以很轻松实现,这种组合应用的整体方案已然成为新的建设热点。

人工智能技术发展综述

未来:探索无止境

未来,一方面随着算法和业务的高度融合,势必会在各个行业形成行业属性凸出的专用业务及解决方案,人脸识别的建设和发展重点也会逐渐有针对性地对各个行业业务场景进行调整;另一方面随着算法的不断推陈出新和同质化及GA/T1400标准(中华人民共和国公共安全行业标准)的不断优化,算法正在向着标准化组件演进。就像当年IP相机经历过的一样,人脸在内的各种深度学习算法都终将成为标准的交付件,而管理算法的多算法服务框架平台势必会成为下一波平台建设的新高潮。

分享扩散:

改版

反馈