從人臉識別、智能翻譯，到遠程醫療、智能投顧、無人駕駛、線上教育、智能物流，大數據和人工智能已經以一個我們想不到的速度蔓延、滲透到了人們生活的方方面面。我們的制造、交通、金融、通訊、醫院、教育，乃至我們的政府服務，都正在經歷一場前所未有的技術變革。全社會范圍的廣泛關注下，政府部門、科研院所、科技企業以及資本力量則在積極行動，不斷突破大數據應用和智能化帶來的各種挑戰。在全球新一輪科技和產業革命中，中國正逐漸從“跟跑”轉向“并跑”，甚至在某些領域實現了“領跑”。
這也引起了其他國家的焦慮，從美國全面封殺中興、劍指華為，到最近考慮收緊對中美企業間人工智能、半導體、自動駕駛等領域非正式合作的審查，特朗普政府發起的貿易戰，至少有部分是出于對中國新技術進步的擔憂。無法否認，在現階段，這在一定程度上會對中國人工智能的發展產生影響。但從另一方面，越封鎖中國，越可能驅使中國專注于自我創新，長久來看，反倒會加快中國的技術進步，增強核心競爭力，用短痛換取未來可持續的發展。
人工智能的發展是由“計算能力+數據+場景”三大要素推動的。目前計算機的計算能力仍然是人工智能的算法和性能提升的主要限制，這也是人工智能早在60多年前就被提出但直到現在才興盛的原因。對于中國來講，在計算這一塊對國外的芯片供應依賴較重，國內自給率不足20%，“芯”挑戰非常巨大。但是目前中國整個芯片產業的發展潛力不可小覷，特別是芯片設計方面，這一點讓人感到非常振奮。相信隨著時間的推移，中國自主研發的芯片能夠快速趕上，對國外芯片的依賴將逐漸減少。
大數據是中國發展人工智能的重要優勢。人工智能技術的演進需要借助大量的數據積累對算法模型進行訓練，而中國人口眾多，并且受益于近年來中國移動互聯網的爆發式發展普及，人們通過網絡訂餐、購物、娛樂、出行和支付已如此普遍，各種應用場景深度滲透入日常生活。巨大的用戶基數、廣泛的應用、多樣的場景累積了海量的數據，這種優勢其它國家難以企及。
現在，數據所承載的信息量、所覆蓋的維度倍增，甚至是人的一個動作、姿態、表情，所處的地理位置、天氣等等都是可以捕捉的數據。但人工智能并不是單純地對數據的捕捉和記錄，首先，這些數據需要被篩選，一個手機內置的傳感器數量可多達16個，如果想要收集、運算，甚至傳輸和分析所有數據是不現實的；其次，很多數據都是圖像、聲音、姿態、動作這類非結構化的情境數據，需要人工智能從如此大量的數據中提煉、分析有價值的信息。所有相關領域的技術公司都在做一件事情，就是嘗試用各種算法、用機器學習去還原人在現實生活中的行為、情緒和認知方式，搭建起能夠反映現實世界的數字化世界。
各大巨頭紛紛角力爭搶技術發展的制高點，谷歌將人工智能作為整體發展戰略，微軟宣布重組成立人工智能平臺部門，蘋果在全球狂挖人工智能人才。在中國，不僅有BAT這樣自帶優勢的巨頭參與并全面出擊，還有一批人工智能、大數據領域的創新企業開始躋身“獨角獸”行列，。如專注智能家庭機器人研發的優必選，剛剛以8.2億美元再次刷新了人工智能領域融資紀錄；如專注計算機視覺技術的商湯科技，其人臉識別、圖像識別產品已實現工業級應用；如專注智能語音及語言技術的科大訊飛，語音識別相關核心技術已達世界領先水平；如專注大數據價值挖掘的TalkingData，在幫助國內傳統企業數字化轉型的同時也積極探索技術創新與出海；如專注人工智能芯片研發的寒武紀，推出了世界首款商用深度學習處理器；如專注無人飛行器研制的大疆，已成為事實上的全球民用無人機霸主……資本市場青睞、技術快速演進、重視落地應用，中國正在逐步成為全球科技創新高地。
在人工智能結合各種各樣的數據進行具體應用時，業務場景化是核心，而這方面中國的落地能力較強，只要是對智能有需求并且能夠部署計算能力的場合，基本上都能看到人工智能的影子。大網絡、大制造、大需求的優勢，讓中國在人工智能應用領域被視為實現商業智能化的最佳市場。想象一下，在未來社會的各行各業中，耗時耗力又強調精確的流水線工作被智能化的機械臂、感應器所替代，客服、助理等需要時刻在線、輔助人們工作和生活職業被智能機器人換下，那些需要大量數據計算過程與快速反應的工作也會同樣轉移給人工智能，如網絡編輯、語言翻譯及醫療診斷等職業。人工智能將充分發揮其社會價值，智能化技術讓交通變成了智能交通，醫療變成了智能醫療，房屋變成了智能樓宇，同時也推動智能農業、智能城市、智能金融、智能教育等等出現。
事實上，人工智能、大數據背后的驅動力除了技術因素之外，還有另一種強大力量：國家戰略。自2015年來，僅國家層面就相繼發布了《大數據產業發展規劃》、《新一代人工智能發展規劃》等十余項大數據、人工智能相關政策，將其作為中國“各產業領域培育新增長點、發展壯大新動能”的重要組成部分。可以預測，大數據、人工智能在中國的發展將迎來黃金期。
隨著國家對數據安全和隱私保護的重視，一系列相關法律、法規陸續出臺，對數據的使用有了明確規范，也讓更多的企業能針對具體的業務場景對采集到的數據進行處理和計算，從而轉變為更高層的數據服務輸出給各行各業。打通底層大數據服務上層行業應用的路徑，形成用大數據加速智能轉型和產業發展、最終整體優化社會和人類生活的閉環，人工智能的價值就能夠充分在中國各產業中爆發。
（eNet&Ciweek）
]]>
? ? ? ? “截至2017年年底，深圳市公安局要求全市范圍內在視頻監控領域實現兩萬路的人像識別的建設。”在某次會議上，深圳大學安鶴男教授介紹道。
? ? ? ?他表示，如今AI已與很多行業融合、落地，就拿安防行業來說，深圳公安部門已經越來越多地使用相關系統協助自身辦案。在系統建設過程中，深圳平安城市建設與公安部要求不謀而合，總結起來有四點：全面高清、全域覆蓋、全網共享、全時可用。
? ? ? ? 安教授透露說，龍崗分局是深圳市公安系統人臉識別建設規模最大的一個分局。截止到目前已經建設了智慧警務二期，人臉一期建設了108路，二期就已經上升到了603路，相關關聯項目建設了1761路。現如今，接入到龍崗分局業務系統中的人臉識別是2910路，其中還包括了250路從其他分局匯聚到龍崗分局的人像識別的業務系統，比如說聯合判案等等。
? ? ? ?他在會上強調，人臉識別等系統的應用有效解決了公安以往遇到的棘手難題。在去年的深圳十大杰出優秀警務案例評比中，有六個案例是完全依賴于人像的智能識別，有四個案例是借用了這些系統。
? ? ? ?隨后，安鶴男教授還例舉了一個詳細案例加以敘述。“在中國(深圳)國際文化產業博覽交易會(文博會)上，深圳市公安局福田分局通過動態人臉布控系統實現了近20萬人次的人像識別，并比中20多名前科人員，保障了文博會零案件的發生。”
? ? ? ?對于未來，安鶴男教授認為AI等技術將會在安防行業落地生根，語音識別及人臉識別將成兩個大方向，包括安防機器人等產品將大受市場歡迎。
? ? ? ?以下是安鶴男教授的演講全文，雷鋒網作了不改變原意的編輯：
? ? ? ?深圳是智慧安防應用比較早的一個城市。尤其是在平安城市的建設當中，它既圍繞著公安部對平安城市的具體建設要求，同時又有深圳本地公安在平安城市建設當中的一些創新和心得。
智慧安防從提出到發展大概走過幾個“節點”。從看得見到看得清、從看得清到看得懂。AI的出現很好地解決了機器“如何看懂”難題。
如今，深圳平安城市的建設過程主要圍繞四點展開：
一、全面高清。未來的建設目標是全高清。
二、全域覆蓋。不留死角，尤其是在死角當中，必須有高清記錄。
三、全網共享。全網聯通，更寬、更快的信息基礎建設。
四、全時可用。全城隨時隨地可以有效利用相關設備。
? ? ? ?其實按照上面的四個目標，也就知道高清前端越多，效果會越好，但由此帶來的視頻數據也會越大。隨著這些數據的指數增長，為這些數據服務的人力、物力的增長成本也是不計其數的。這也就顯示出AI在視頻監控當中的重要地位及使用環境。
? ? ? ?我們常說的這類技術，其實無外乎從三個維度來詮釋這些問題：大數據、超算集群、算法。
? ? ? ?在世界范圍內，包括Google、微軟提出來的其實就是卷積神經網絡的一些算法，但從用戶角度來講，我們更關注的是在云架構下大數據的計算，包括GPU的集群、給我們帶來的API的出口，未來安防行業無論是企業、還是集成單位，更多關心的是使用成本。
? ? ? ?這個特點也決定了相關產品在市場上的智能應用。
? ? ? ?接下來我會分享一些數據，這些數據是深圳公安局對深圳智慧城市建設當中關乎到AI方面做的一些重點規劃。
? ? ? ? 2017年年底，深圳市公安局要求全市范圍內在視頻監控領域實現兩萬路的人像識別的建設。
? ? ? ?截止目前建設情況是怎樣的呢？首先說一下龍崗分局，龍崗分局是深圳市公安系統人臉識別建設規模最大的一個分局，截止到今天已經建設了智慧警務二期，人臉一期建設了108路，二期就已經上升到了603路，相關關聯項目建設了1761路。
? ? ? ?現如今，接入到龍崗分局業務系統中的人臉識別是2910路。這個2910路里面還包括了250路從其他分局匯聚到龍崗分局的人像識別之后的業務系統，比如說聯合判案等等。
? ? ? ?那么這么多的人臉識別建設在龍崗的公安業務系統當中有何成效？深圳在去年年底做了一個十大杰出優秀警務案例評比，其中有6個案例是完全依賴于人像的智能識別，有4個案例是借用了這個系統，從這些數據可以看出，建設相關設備及系統非常有利于公安部門展開工作。
? ? ? ?其次是福田分局。福田分局建設相對較晚，之前只建設了65路。但由于該區域由深圳市政府所管轄，包括會展中心每年有很多大型活動，對相關方案需求比較大。比如文博會，今年的文博會總共裝了40路相關產品，在此次工作中，系統共識別了180883人，預警了2871人，抓了20人，實現了零案的發生。
說了這么多，其實我們一直都是給AI唱贊歌。“聞其身，觀其形”，未來人工智能在安防領域的應用主要會體現在兩個方面：
一、語音識別；
二、人臉識別。
? ? ? ? 而這些技術的應用背后都涉及到深度學習算法，主要關聯的就四大塊：
第一、計算資源。
? ? ? ?我覺得它比算法更為重要，計算資源其實指引的就是超算，基于GPU的超算其實是基于一種浮點、寬浮點的運算，以往，它可能是一千個CPU做的集群，然后存20萬張圖片，做一次卷積的迭代大概需要一個月。像這樣的設備，做12次的迭代，需要一年。
? ? ? ?那么今天，如果只有200個GPU，集成一千萬張圖片做一次迭代只需要兩個小時，使得識別率出現革命性變化，機器的識別首次超過了人類。
? ? ? ?在這個背景下，無論是科學家也好、企業家也好，就盯上了這個變化，并將這些成果帶入安防行業。
第二、規模效應。
? ? ? ?規模效應其實是問題的關鍵。個別案例的破獲可能不足以說明問題，但大規模的建設可能會變成相關產品在安防行業落地的導向。
第三、加工。
? ? ? ?系統識別過后的數據挖掘及分析。
第四、作業。
? ? ? ?其指的是安防領域中相關聯的一些業務系統。在以前，很多數據處理在后臺完成，未來可以將應用前移，經過芯片算法集成，放在攝像機的前端去做。那么這種作業量和集成量到底是什么關系？目前很多公司可以通過很多的途徑來獲取大量的數據，目前中國人多，數據也非常多，但是數據采集、抓取之后，數據的整理工作進行的如何呢？
? ? ? ?在這里，我想插敘一個故事，AlphaGo可能是對普羅大眾最深的一次傷害，這個機器居然能夠贏人。
? ? ? ?其實，在1996年的時候，也有一個非常轟動的實踐——深藍，IBM推出了一款專門下國際象棋的超級計算機，重1270公斤，只有32顆CPU，線程是并行的，4核，大概是120多個計算單元。
? ? ? ?在當年迎戰俄羅斯象棋高手，結果是：機器輸了，人贏了。那個時候所謂的計算機與如今所談的AI完全不是一個概念，結構也完全不同；但1997年再戰的時候，深藍就贏了象棋大師，當時就有人非常恐慌，未來該怎么辦？
? ? ? ?今天，我們看到的這種基于深度學習的AI架構，是建立了一個深度的卷積標做迭代，其實就是耗費背后龐大的計算資源，也就是剛才提到的作業。
后面的這幾個指標，就跟我們的業務系統有關系，一個是公安的業務，不僅看臉，還看物、聽聲、判別類別。未來應用場景有很多：
類別一、視頻監控。
? ? ? ? 這個應用很龐大，包括視頻門禁等。
類別二、機器人。
? ? ? ? 自2015年之后，安防機器人雨后春筍般冒出，包括如今非常火的物流分揀機器人，機器人在安防領域的應用不可低估。
? ? ? ? 未來，AI在安防領域的‘機會’將非常巨大，可能會體現在兩個方面：
方面一、視頻監控。
? ? ? ? 視頻監控看得清已經不重要了，未來一定要看得懂。
方面二、大數據和視頻結構化技術。
? ? ? ? 視頻記錄下來的是非結構化數據，結構化數據的轉化是一個非常重要的過程，也是一個非常難的技術。當然，今天已經有了很大進步，但也能從原來手動的變成了半自動的；另外，我們今天的標注其實還有人為的因素。
? ? ? ? 隨著數據量增大，AI將進入一個快速發展期；同時，由于AI的發展，各個行業對AI的依賴性也會越來越大。
? ? ? ? 在AI的路上，不僅有風花雪月，可能還有詩和遠方！
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?本文摘自：雷鋒網
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 編輯：GZW
]]>