弱人工智能智能時(shí)代安防、落地為王

　　自從AlphaGo戰勝李世石，轟動(dòng)全球之后，各種各樣的所謂人工智能概念大肆興起，幾乎貫穿各個(gè)行業(yè)。近日，AlphaGo戰勝中國圍棋小子柯杰，人工智能代替人類(lèi)的呼聲再次響起。然而截至到目前，回頭看，人工智能雖好，談到真正落地的產(chǎn)品和項目到底有多少，人們似乎就不像宣傳概念時(shí)那樣有熱情了。

　　在互聯(lián)網(wǎng)風(fēng)口以及人口紅利即將過(guò)去的年代，人工智能已經(jīng)牢牢占據了各大公司發(fā)展的戰略位置。但是，我們以人盡皆知的AlphaGo為例，他到底做了什么，我們到底需要他做什么？難道僅僅是下圍棋？顯然不是這樣的。我們今天談的主題就是，什么階段做什么事，落地為王。根據人工智能的定義，目前的狀態(tài)僅僅是“弱人工智能”階段（人工智能分為弱人工智能、強人工智能、超人工智能），那么在這個(gè)階段我們就應該讓人工智能來(lái)做它應該做的事情，比如AlphaGo，就是下棋。那么就可以理解目前大家所談的各種人工智能，比如siri，就是陪你聊；比如人臉識別的，就是幫你分析年齡、性別、體貌特征等；比如醫療人工智能，就是幫你分析以往病史給出就診意見(jiàn)等。他們只做也只能做弱人工智能該做的事情，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，今天我們不談AlphaGo，談?wù)勅斯ぶ悄艿穆涞亍Ｄ敲淳筒坏貌徽務(wù)劙卜佬袠I(yè)了。因為無(wú)論是醫療、語(yǔ)音還是火爆的游戲領(lǐng)域，真正落地的項目寥寥可數，然而在安防行業(yè)，海康威視的”獵鷹“、”刀鋒“，宇視科技的”昆侖“，包括曠世、依圖等非傳統安防廠(chǎng)商，都在利用人工智能進(jìn)行行業(yè)變革，落地項目遍地開(kāi)花。說(shuō)到這，我們有必要思考一下，為什么安防行業(yè)人工智能項目落地的速度會(huì )大大高出我們的預期呢？那就又要談?wù)労腿斯ぶ悄芟嚓P(guān)的幾個(gè)關(guān)鍵點(diǎn)。

　　首先是深度學(xué)習算法。理解深度學(xué)習的最簡(jiǎn)單方式就是先理解簡(jiǎn)單的機器學(xué)習是什么。拿最常用的例子來(lái)講，就是教會(huì )機器如何識別一只可愛(ài)的小狗。按照機器的思維，我只要在算法中告訴它，某張圖片或者某個(gè)物體是一只小狗，這樣就結束了。然而，如果這是一只黑狗，當設備再遇到一只白狗它還會(huì )識別出來(lái)嗎？顯然是不能的。那么深度學(xué)習就是來(lái)解決這類(lèi)問(wèn)題的。按人類(lèi)的思維模式，無(wú)論黑狗還是白狗，總歸是一只狗，那么我們利用深度學(xué)習算法就是為了讓機器也有類(lèi)似于人類(lèi)的這種歸納總結能力，利用深度學(xué)習算法的機制，我們可以對機器進(jìn)行多層次的模型培養，慢慢的總結出狗的特征和規律，當再見(jiàn)到一只狗的時(shí)候，就不必我們一次又一次的“教“會(huì )機器去認出這是一只狗。

　　其次是大數據。大數據已經(jīng)火了好幾年，而且必將繼續火下去。那么大數據和人工智能有什么關(guān)系呢？仍然以識別一只狗為例，上文中我們提到可以利用深度學(xué)習算法來(lái)讓機器具有總結歸納能力，但是，如何保證識別的準確率呢？假設，我只有兩張照片，一張黑狗、一張白狗，確實(shí)深度學(xué)習算法讓我的機器可以大致識別出一只狗應該具有哪些特征，然而這只狗是胖是瘦？是大是小？是黃色呢？是灰色呢？是沙皮狗還是薩摩耶呢？這時(shí)候，大數據的引入就完美的解決了這個(gè)問(wèn)題。試想，如果我有1W張狗的照片，其中既包含了黑狗、白狗，又包含了胖狗瘦狗、還包含了各種品種類(lèi)型的狗，那么對于機器來(lái)說(shuō)，總結出的可遵循的規律就更多，對新的物體進(jìn)行識別時(shí)可參照樣本量就越大，我的深度學(xué)習算法也就越準，同時(shí)算法模型的深度也就越深。那么繼續設想，如果我有10W張甚至100W張狗的照片，我的準確率勢必大幅度提升，這也就是為什么我們目前看到的做人工智能的廠(chǎng)商一定是行業(yè)領(lǐng)頭企業(yè)或者是掌握了大量數據的企業(yè)的原因。

　　最后，硬件設備的升級。說(shuō)到整個(gè)2016年甚至截止到今天全球最成功的公司，就不得不談?wù)動(dòng)�偉達了。排除PC行業(yè)，GPU硬件平臺的持續強勁拉動(dòng)了整個(gè)公司的強勢發(fā)展。那么以往作為配角出現的GPU，在與CPU的競爭當中為何強勢突起了呢？這就是整個(gè)硬件結構的不同帶來(lái)的適應性變化。CPU在串行運算中大行其道，統治PC屆幾十年，GPU只是配合CPU在進(jìn)行圖形圖像算法時(shí)提供大量并行運算。然而到了深度學(xué)習以及大數據要發(fā)揮作用的時(shí)候，串行運算已經(jīng)遠遠無(wú)法達到人們預期的效率和速率了。GPU 在處理數據時(shí)，首要的兩點(diǎn)：一是運算，二是數據吞吐量。然而 CPU的內部硬件結構首要目的是要降低整個(gè)串行處理的延時(shí)并且保持管線(xiàn)持續工作。那么，GPU內部結構相對簡(jiǎn)單的架構、重復性的進(jìn)行同一運算、海量GPU集群配置等等因素注定了在深度學(xué)習乃至人工智能領(lǐng)域，GPU都具有天生的優(yōu)越性。

　　結合以上的三點(diǎn)，安防行業(yè)天生的優(yōu)越性就顯露出來(lái)了。首先深度學(xué)習算法是開(kāi)放的。也就是說(shuō)任何廠(chǎng)家都可以使用這種算法進(jìn)行針對性的優(yōu)化，例如處理視頻、音頻、文字等等。其次，視頻是信息量最大的一種大數據。那么利用深度學(xué)習算法就可以持續不斷的進(jìn)行模型培養、層數加深等等。最后，GPU方面肯定不是問(wèn)題，只要有錢(qián)。曾經(jīng)有一篇在朋友圈非常火的文章，叫《揭秘英偉達GPU國內最大客戶(hù)，竟然是它！》，講的就是安防領(lǐng)頭羊企業(yè)利用人工智能技術(shù)在安防領(lǐng)域所做的一些產(chǎn)品以及解決方案。另外英偉達國內第一臺NVIDIA DGX-1深度學(xué)習超級計算機也以天價(jià)落戶(hù)于該企業(yè)，為該公司人工智能算法的研究提供強有力的后盾。

　　說(shuō)了這么多，到底人工智能在安防行業(yè)有哪些落地產(chǎn)品？從前端的高速人臉抓拍識別產(chǎn)品到后端的人臉大數據分析產(chǎn)品，層出不窮。從廣州火車(chē)站人臉抓逃犯到南京火車(chē)站人證合一“刷臉“進(jìn)站，再從北京化工大學(xué)實(shí)驗室人臉?lè )揽叵到y到屢上新聞的江蘇宿遷”圖立方“系統，人工智能在安防領(lǐng)域連戰連捷。反觀(guān)其他領(lǐng)域，貌似只有我們本來(lái)不想談的AlphaGo，畢竟，產(chǎn)品、項目無(wú)法落地，說(shuō)的再好，天花亂墜也沒(méi)有任何作用。

　　回到人工智能目前所處階段的問(wèn)題上，我們離超人工智能還有十萬(wàn)八千里，甚至離強人工智能還有很遠，那么在所處的階段，做該做的事，讓人工智能更好的服務(wù)于大眾，服務(wù)于生活，那么安防行業(yè)確實(shí)是人工智能技術(shù)成長(cháng)的一片沃土，人工智能大幕剛剛開(kāi)啟，安防行業(yè)作為排頭兵，讓我們拭目以待，期待安防行業(yè)推動(dòng)更多的智能化項目落地，同時(shí)也期待人工智能拉動(dòng)安防行業(yè)真正智能化時(shí)代的到來(lái)。