前言：不同于技術(shù)的單點(diǎn)突破，人工智能作為一項(xiàng)賦能型技術(shù)，技術(shù)本身的演化是一方面，但落到實(shí)際行業(yè)領(lǐng)域中，仍然需要綜合考慮場(chǎng)景的適用性、應(yīng)用成本以及技術(shù)的泛化能力等問(wèn)題。面對(duì)豐富且零碎的行業(yè)場(chǎng)景，如何推進(jìn)AI的賦能作用，這是一個(gè)關(guān)鍵問(wèn)題。本次我們有幸邀請(qǐng)到?？低暩呒?jí)副總裁、研究院院長(zhǎng)浦世亮先生參與到a&s系列訪談中，訪談內(nèi)容涵蓋了浦院長(zhǎng)對(duì)AI落地應(yīng)用的現(xiàn)狀、遭遇的瓶頸問(wèn)題、AI賦能方式以及未來(lái)的趨勢(shì)預(yù)判等全方位的觀點(diǎn)分享。

　　Q：a&s總經(jīng)理、總編輯 關(guān)玉娟

　　A：?？低暩呒?jí)副總裁、研究院院長(zhǎng)浦世亮

　　Q：您如何看待近年來(lái)人工智能在安防領(lǐng)域的落地應(yīng)用現(xiàn)狀？

　　A：這一輪人工智能熱潮發(fā)展至今已有四五年的時(shí)間，對(duì)于安防產(chǎn)業(yè)而言，人工智能并不是新鮮的技術(shù)訴求，因?yàn)樵诤芫靡郧靶袠I(yè)就被這樣的需求所驅(qū)動(dòng)，視頻監(jiān)控從“看得清”到“看得懂”，需求一直存在，因?yàn)檫@是用技防去替代人防的一個(gè)核心能力。但很久以來(lái)產(chǎn)業(yè)仍處于一種技術(shù)與用戶需求或方案需求之間存在巨大鴻溝的狀態(tài)。

　　在深度學(xué)習(xí)出現(xiàn)之前，人工智能在安防領(lǐng)域的應(yīng)用十分受限，沒(méi)有辦法大規(guī)模推廣，基本只有車牌識(shí)別的應(yīng)用相對(duì)成熟，因?yàn)樗膽?yīng)用場(chǎng)景相對(duì)規(guī)范。人臉識(shí)別雖然應(yīng)用需求廣泛，但由于場(chǎng)景的復(fù)雜性，極大地限制了人臉識(shí)別的大規(guī)模普及應(yīng)用。

　　然而這一輪人工智能技術(shù)的發(fā)展，使得現(xiàn)有的人工智能尤其在計(jì)算機(jī)視覺(jué)領(lǐng)域的性能實(shí)現(xiàn)了極大的突破，所以我們現(xiàn)在會(huì)更泛化的去看待安防領(lǐng)域的人工智能。它并不僅僅局限在安全管理上，視頻監(jiān)控其實(shí)更多是一種視覺(jué)傳感器的角色，有了AI加持之后，它可以提取更豐富的數(shù)據(jù)信息，把物理世界進(jìn)行數(shù)字化轉(zhuǎn)化，然后為包括安防和更多其他實(shí)體經(jīng)濟(jì)的行業(yè)領(lǐng)域賦能。

　　Q：當(dāng)前階段，人工智能的實(shí)際效能和用戶真實(shí)需求之間大概契合到了什么程度？

　　A： 當(dāng)下人工智能雖然泛化能力提升了很多，但仍然處于有監(jiān)督學(xué)習(xí)的階段，自主學(xué)習(xí)技術(shù)還不成熟，致使現(xiàn)階段的人工智能更多只適用于受任務(wù)限制和場(chǎng)景約束的場(chǎng)景。

　　以智慧城市這個(gè)大的應(yīng)用領(lǐng)域?yàn)槔?，智慧城市中所有的?wèn)題無(wú)法用一套統(tǒng)一的算法去解決，而是要輔以具體任務(wù)和場(chǎng)景進(jìn)行約束，比如具體的交通違法處理、智慧停車等場(chǎng)景，在詳細(xì)地了解了場(chǎng)景的實(shí)用需求之后，通過(guò)充分的數(shù)據(jù)采集、樣本訓(xùn)練，針對(duì)場(chǎng)景開(kāi)發(fā)的AI算法才能實(shí)現(xiàn)更好的效能和作用。

　　現(xiàn)階段，人工智能主流的應(yīng)用方式是基于監(jiān)督學(xué)習(xí)，用海量數(shù)據(jù)驅(qū)動(dòng)算法。半監(jiān)督學(xué)習(xí)或自主學(xué)習(xí)是學(xué)術(shù)界的研究熱點(diǎn)，但在行業(yè)領(lǐng)域，目前仍是弱人工智能的應(yīng)用。

　　Q：弱人工智能這幾年提升比較明顯的技術(shù)點(diǎn)以及應(yīng)用最為成熟的細(xì)分場(chǎng)景主要有哪些？

　　A：人工智能已成熟落地應(yīng)用的行業(yè)領(lǐng)域其實(shí)非常多，比如智慧社區(qū)，僅就小區(qū)物業(yè)而言，人工智能便可應(yīng)用于社區(qū)安全管理、消防管理、人員/車輛管理、高空拋物、垃圾清運(yùn)等系列環(huán)節(jié)的管理；在商超零售領(lǐng)域，基于AI技術(shù)的商品防損、貨架盤點(diǎn)、智能零售貨柜等細(xì)分需求也多達(dá)幾十種。另外在金融、教育、司法、醫(yī)療等眾多行業(yè)領(lǐng)域，AI的應(yīng)用需求相當(dāng)廣泛，且以碎片化的形式存在。

　　“場(chǎng)景”和“碎片化”是人工智能產(chǎn)業(yè)應(yīng)用中的兩大關(guān)鍵詞，不論是“AI+行業(yè)”還是“行業(yè)+AI”，它背后其實(shí)體現(xiàn)的是兩種技術(shù)思路和商業(yè)思路，前者是利用AI去顛覆行業(yè)，后者則是通過(guò)AI來(lái)為行業(yè)賦能。由于AI應(yīng)用場(chǎng)景相當(dāng)碎片化，其中需要大量的行業(yè)應(yīng)用知識(shí)和領(lǐng)域知識(shí)，所以真正能夠發(fā)展得比較好的應(yīng)該是“行業(yè)+AI”，即把AI作為一種工具去賦能這個(gè)行業(yè)的用戶，然后基于用戶所掌握的行業(yè)應(yīng)用知識(shí)，來(lái)完成技術(shù)的效能轉(zhuǎn)化。

　　2017年，國(guó)務(wù)院在最新一代人工智能發(fā)展規(guī)劃中稱，到2030年中國(guó)人工智能產(chǎn)業(yè)競(jìng)爭(zhēng)力將達(dá)到國(guó)際領(lǐng)先水平，人工智能核心產(chǎn)業(yè)規(guī)模超過(guò)1萬(wàn)億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超過(guò)10萬(wàn)億元。這個(gè)數(shù)字看起來(lái)非常遙遠(yuǎn)，但真正進(jìn)入到行業(yè)中去了解，10萬(wàn)億產(chǎn)業(yè)規(guī)模其實(shí)未來(lái)可期。

　　這也引出了?？低晫?duì)于人工智能業(yè)務(wù)的未來(lái)戰(zhàn)略，面對(duì)如此豐富和零碎的行業(yè)場(chǎng)景，相比于用項(xiàng)目式的方式一個(gè)個(gè)去幫用戶解決問(wèn)題，平臺(tái)式的賦能方式更能夠促進(jìn)萬(wàn)眾創(chuàng)新和群智的涌現(xiàn)。怎樣才能使數(shù)量眾多的傳統(tǒng)產(chǎn)業(yè)用戶受益于人工智能技術(shù)的發(fā)展?我們將算法、產(chǎn)品、云服務(wù)等提煉成一套通用、靈活又方便調(diào)用的體系來(lái)完成對(duì)人工智能的集成，通過(guò)這種方式將技術(shù)分享出去，讓“天下沒(méi)有難做的AI”。AI開(kāi)放平臺(tái)為用戶提供了人工智能技術(shù)平臺(tái)和應(yīng)用工具，基于平臺(tái)的能力，用戶可以自己操作、便捷快速的滿足AI應(yīng)用需求。

　　Q：人工智能落地應(yīng)用面臨的主要瓶頸問(wèn)題有哪些？

　　A：當(dāng)下AI開(kāi)放平臺(tái)品類繁多，并不是說(shuō)隨便給用戶一套平臺(tái)工具，用戶就可以上手用，其中仍存在著一些瓶頸：

　　第一是數(shù)據(jù)瓶頸。人工智能由海量的數(shù)據(jù)來(lái)進(jìn)行驅(qū)動(dòng)，首先要保證數(shù)據(jù)的體量規(guī)模，其次數(shù)據(jù)要是被人為標(biāo)定監(jiān)督過(guò)的。作為平臺(tái)提供商，首要任務(wù)是幫助用戶突破數(shù)據(jù)瓶頸。

　　第二是算法瓶頸。當(dāng)前階段的AI算法人才資源仍比較稀缺，用人成本高昂。但人工智能技術(shù)研發(fā)，算法人才是關(guān)鍵，算法團(tuán)隊(duì)的組建是必不可少且需要長(zhǎng)期高成本投入的環(huán)節(jié)，對(duì)于大量傳統(tǒng)企業(yè)而言，這也是一個(gè)極大的考驗(yàn)。

　　第三是計(jì)算資源和訓(xùn)練資源。人工智能算法訓(xùn)練必須基于相關(guān)的并行訓(xùn)練系統(tǒng)，通過(guò)海量數(shù)據(jù)的導(dǎo)入進(jìn)行算法訓(xùn)練，期間還需要做各種調(diào)試，這對(duì)并行訓(xùn)練系統(tǒng)的性能水平有很高的要求，這種計(jì)算資源和訓(xùn)練資源也是一個(gè)顯著的瓶頸。

　　第四是產(chǎn)品端的瓶頸?，F(xiàn)在大量的人工智能系統(tǒng)應(yīng)用主推的是云端方案，并不是因?yàn)樵贫朔桨笐?yīng)用效能最好或是成本最低，而是因?yàn)樵贫朔桨笇?duì)于硬件產(chǎn)品的要求相對(duì)最低，因?yàn)榇罅康挠脩簦缮蹋┥踔罙I初創(chuàng)企業(yè)，并不具備硬件產(chǎn)品資源，在沒(méi)有更多方案可供選擇的時(shí)候，云端方案或許并非最優(yōu)解但是是時(shí)下的選擇。

　　最后是系統(tǒng)，要有完整的人工智能解決方案，系統(tǒng)集成與應(yīng)用開(kāi)發(fā)資源投入是很大的，這也是一個(gè)瓶頸。

　　只有突破了這五大瓶頸，我們才能真正的落實(shí)AI在實(shí)體行業(yè)中的賦能作用，而這也是?？低暃Q定構(gòu)建AI開(kāi)放平臺(tái)的主要目的。

　　Q：?？低旳I開(kāi)放平臺(tái)如何實(shí)現(xiàn)這五大瓶頸的突破？

　　A：首先是數(shù)據(jù)瓶頸的突破。在學(xué)術(shù)界，ImageNet數(shù)據(jù)集的推出對(duì)于人工智能的學(xué)術(shù)研究具有強(qiáng)大的推動(dòng)力，但在工業(yè)界和實(shí)體行業(yè)，還沒(méi)有出現(xiàn)適用的數(shù)據(jù)集來(lái)助推行業(yè)人工智能的發(fā)展。至此，我們希望能夠做實(shí)體行業(yè)的領(lǐng)域模型?？梢灶A(yù)想，未來(lái)物理世界所感知到的信息都可以用各種領(lǐng)域模型去描述，當(dāng)然，這種領(lǐng)域模型和最終的應(yīng)用場(chǎng)景之間還是會(huì)有一點(diǎn)差距，但我們有一種技術(shù)叫遷移學(xué)習(xí)。在相關(guān)領(lǐng)域模型基礎(chǔ)之上，系統(tǒng)神經(jīng)網(wǎng)絡(luò)已經(jīng)對(duì)某類場(chǎng)景有較強(qiáng)的感知能力，通過(guò)少量的用戶自我數(shù)據(jù)，再通過(guò)遷移學(xué)習(xí)方法便可以在這個(gè)模型上很好地進(jìn)行算法訓(xùn)練。

　　通過(guò)系列測(cè)試實(shí)驗(yàn)，在很多領(lǐng)域上我們已有的領(lǐng)域模型基本可達(dá)80%甚至更高的檢測(cè)精度，用戶只需要提供少量的場(chǎng)景數(shù)據(jù)，精度可提升到95%以上，對(duì)于用戶而言，這是一個(gè)0到1的突破。這是?？低旳I開(kāi)放平臺(tái)解決數(shù)據(jù)問(wèn)題的第一點(diǎn)。

　　第二點(diǎn)，我們用了大量諸如圖像三維建模這一類虛擬現(xiàn)實(shí)技術(shù)構(gòu)建了一個(gè)虛擬數(shù)據(jù)生產(chǎn)引擎，主要是幫助那些數(shù)據(jù)量少、數(shù)據(jù)獲取難的行業(yè)解決數(shù)據(jù)樣本采集難的問(wèn)題。比如商超零售領(lǐng)域貨架補(bǔ)貨環(huán)節(jié)，傳統(tǒng)的做法是上新貨后人工從各個(gè)角度、各種擺放位置拍攝做數(shù)據(jù)采集，但這個(gè)工作量很大，每上一次新貨或換一個(gè)位置，用戶需要重復(fù)操作很久。但通過(guò)虛擬數(shù)據(jù)生產(chǎn)引擎系統(tǒng)，用戶只需拍少量幾張圖片上傳，系統(tǒng)便可自動(dòng)生成各種角度、各種大小、各種擺放位置的貨品圖片，這種方式可以進(jìn)一步的幫助用戶突破數(shù)據(jù)瓶頸。

　　其次是在算法層面的突破。以前人工智能算法訓(xùn)練首先要設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)模型框架，然后人工調(diào)參，但現(xiàn)在我們可以通過(guò)機(jī)器自動(dòng)完成建模，在這個(gè)過(guò)程中，通過(guò)龐大的計(jì)算力完成各種模型結(jié)構(gòu)的自動(dòng)調(diào)整、測(cè)試和訓(xùn)練，這正是當(dāng)下學(xué)術(shù)界熱門的網(wǎng)絡(luò)架構(gòu)自動(dòng)搜索技術(shù)方向。海康在這方面投入了重大資源，相關(guān)技術(shù)能力已經(jīng)上線到我們的AI開(kāi)放平臺(tái)，這項(xiàng)能力的推出，將極大地簡(jiǎn)化算法訓(xùn)練、算法生成的技術(shù)門檻。

　　與此同時(shí)，?？颠€推出了一種自動(dòng)編譯工具，可以幫助用戶在平臺(tái)上進(jìn)行很好的算法優(yōu)化。邊緣智能的當(dāng)下，由于受功耗和成本的限制，很多邊緣類產(chǎn)品往往只能在一些計(jì)算資源和內(nèi)存資源比較受控的計(jì)算平臺(tái)上運(yùn)行，如何在這些平臺(tái)上做算法優(yōu)化是一項(xiàng)強(qiáng)大的考驗(yàn)。通過(guò)自動(dòng)編譯工具可以把各種優(yōu)化方法做成軟件工具，讓用戶隨取隨用，無(wú)需再另外投入資源去做工具開(kāi)發(fā)。

　　第三在計(jì)算資源方面，我們已經(jīng)在螢石云上開(kāi)放了?？祪?nèi)部的并行訓(xùn)練系統(tǒng)，可以讓用戶共享我們的計(jì)算資源，基于高性能并行訓(xùn)練系統(tǒng)，更好的輔助算法訓(xùn)練。

　　最后在產(chǎn)品層面，海康開(kāi)放了整個(gè)前后端的基礎(chǔ)產(chǎn)品，包括操作系統(tǒng)，可以幫助沒(méi)有產(chǎn)品資源的用戶乃至AI創(chuàng)業(yè)公司能夠基于?？档囊幌盗杏布a(chǎn)品去實(shí)現(xiàn)他們自己的算法，自建自己的智能產(chǎn)品。

　　通過(guò)上述這一系列從數(shù)據(jù)、算法、計(jì)算資源到硬件產(chǎn)品瓶頸的突破和能力的開(kāi)放，海康威視希望可以真正幫助實(shí)體行業(yè)的合作伙伴貫徹AI能力的落地應(yīng)用。

　　Q：從用戶角度而言，用戶該如何共享海康A(chǔ)I開(kāi)放平臺(tái)的這一系列能力？

　　A：舉個(gè)最直接的例子：比如一家連鎖商店的老板需要通過(guò)AI技術(shù)檢測(cè)商鋪門口是否堆有垃圾，但商戶本身沒(méi)有任何技術(shù)能力。這種情況下，只需要商戶注冊(cè)成為?？礎(chǔ)I開(kāi)放平臺(tái)的合作伙伴，在線上傳幾十張自己拍攝的店門口的垃圾圖片，并通過(guò)平臺(tái)上的標(biāo)定工具標(biāo)定垃圾信息，同時(shí)選定攝像機(jī)，將標(biāo)定后的垃圾數(shù)據(jù)進(jìn)行算法訓(xùn)練后關(guān)聯(lián)到選定攝像機(jī)，商戶即可自行給普通的攝像機(jī)DIY出可實(shí)現(xiàn)垃圾堆疊檢測(cè)的AI能力，整個(gè)過(guò)程只需20分鐘左右。

　　我們的意愿，一是讓任何沒(méi)有算法基礎(chǔ)但有行業(yè)經(jīng)驗(yàn)的用戶能夠DIY出端到端的AI系統(tǒng)解決方案的能力，二是讓有算法能力但沒(méi)有硬件產(chǎn)品的AI創(chuàng)業(yè)者能夠基于?？档能浻布?shí)現(xiàn)他們自己算法能力的輸出。

　　人工智能產(chǎn)業(yè)擁有如此龐大的經(jīng)濟(jì)體量和市場(chǎng)潛力，一定會(huì)有越來(lái)越多的企業(yè)和人才加入到這個(gè)產(chǎn)業(yè)當(dāng)中，我們希望能夠通過(guò)我們的開(kāi)放平臺(tái)，為更多有不同需求的企業(yè)、團(tuán)隊(duì)及個(gè)人解決AI落地的困境。

　　自2017年開(kāi)始上線，目前?？礎(chǔ)I開(kāi)放平臺(tái)已經(jīng)面向環(huán)保、餐飲、制藥、物流、零售等全行業(yè)開(kāi)放，積累了豐富的實(shí)用案例。

　　Q：平臺(tái)開(kāi)放一年多來(lái)，您的感受和總結(jié)是什么？

　　A:我們認(rèn)為這是AI賦能實(shí)體行業(yè)的一條非常正確的道路。當(dāng)然這個(gè)過(guò)程中也經(jīng)歷過(guò)曲折，包括前期需要花時(shí)間對(duì)用戶及市場(chǎng)進(jìn)行教育，讓社會(huì)和行業(yè)對(duì)于AI有更為客觀理性的了解。同時(shí)，在沒(méi)有先例可以借鑒的行業(yè)市場(chǎng)，一門心思扎進(jìn)來(lái)探索這條路是否正確，這也是一個(gè)忐忑的過(guò)程，好在我們已經(jīng)摸清楚了方向，并且堅(jiān)信這是一條非常正確的路。

　　在面向全行業(yè)推出AI開(kāi)放平臺(tái)的過(guò)程中，通過(guò)各類合作伙伴的不斷加入及反饋，帶來(lái)各類數(shù)據(jù)的接入、標(biāo)注，算法及需求也在持續(xù)豐富，整個(gè)開(kāi)放平臺(tái)的AI算法、編譯工具、神經(jīng)網(wǎng)絡(luò)模型，軟硬件產(chǎn)品等也都在不斷演進(jìn)升級(jí)，在開(kāi)放平臺(tái)這個(gè)龐大的載體之上，供需雙方之間可以構(gòu)成一個(gè)互為驅(qū)動(dòng)力的良性循環(huán)。

　　Q：?？礎(chǔ)I開(kāi)放平臺(tái)可為用戶提供數(shù)據(jù)、算法、訓(xùn)練資源及產(chǎn)品等一系列服務(wù)，這其中的商業(yè)模式如何設(shè)計(jì)，用戶需要為哪些服務(wù)付費(fèi)？

　　A：實(shí)際上我們沒(méi)有過(guò)多就模式而模式。AI開(kāi)放平臺(tái)的宗旨，就是能幫助用戶落地AI能力，解決實(shí)際問(wèn)題。把用戶服務(wù)好了，平臺(tái)自然能夠?qū)崿F(xiàn)商業(yè)價(jià)值。

　　目前平臺(tái)的SDK都是免費(fèi)的，用戶只需要在AI開(kāi)放平臺(tái)上注冊(cè)成為海康威視的合作伙伴就可以享受免費(fèi)SDK支持。另外，我們已經(jīng)開(kāi)放了并行訓(xùn)練系統(tǒng)給到合作伙伴，因此，用戶也可以免費(fèi)調(diào)用我們開(kāi)放平臺(tái)的訓(xùn)練資源。

　　我們正在思考更多樣的合作形態(tài)，比如輔助合作伙伴共建某些行業(yè)領(lǐng)域的算法模型產(chǎn)品、建立算法商店等等，這些我們也正在嘗試中。通過(guò)我們的努力，用戶獲得的收益會(huì)更大。

　　目前涉及到付費(fèi)的服務(wù)，主要針對(duì)那些需要調(diào)用我們的云平臺(tái)做一定規(guī)?；虮容^高頻數(shù)據(jù)分析的用戶，因?yàn)檫@個(gè)過(guò)程有大量計(jì)算資源和能耗的成本，還有就是如果要把算法部署到我們的邊緣硬件產(chǎn)品，產(chǎn)品是需要收費(fèi)的。

　　Q：要真正展開(kāi)應(yīng)用，數(shù)據(jù)融合必不可少，推進(jìn)物信融合在當(dāng)前階段是否仍存在難點(diǎn)？

　　A：物聯(lián)網(wǎng)和信息網(wǎng)，這兩張網(wǎng)之間確實(shí)仍然存在信息孤島的問(wèn)題，與此同時(shí)，信息維度和數(shù)據(jù)維度都還不夠，導(dǎo)致相關(guān)應(yīng)用無(wú)法很好的展開(kāi)。我們也看到了這個(gè)問(wèn)題，所以希望通過(guò)AI Cloud物信融合數(shù)據(jù)架構(gòu)能夠很好地促進(jìn)物信兩網(wǎng)之間的數(shù)據(jù)融合。

　　AI Cloud架構(gòu)中設(shè)有數(shù)據(jù)資源池和計(jì)算資源池。數(shù)據(jù)資源池主要起到數(shù)據(jù)治理和數(shù)據(jù)匯聚的作用，可以將物聯(lián)網(wǎng)和信息網(wǎng)的數(shù)據(jù)放到資源池進(jìn)行治理和匯聚。

　　物聯(lián)網(wǎng)本身是非結(jié)構(gòu)化的信息，未經(jīng)處理很難和信息網(wǎng)上結(jié)構(gòu)化的信息進(jìn)行融合，所以首先需要通過(guò)人工智能技術(shù)對(duì)物聯(lián)網(wǎng)中視頻信息進(jìn)行結(jié)構(gòu)化處理，結(jié)構(gòu)化后的物聯(lián)網(wǎng)數(shù)據(jù)再和信息網(wǎng)數(shù)據(jù)進(jìn)行融合，便可以碰撞出非常多的應(yīng)用。

　　比如交通行業(yè)，傳統(tǒng)模式中的交通管理很多是基于浮動(dòng)車和地感線圈檢測(cè)來(lái)實(shí)現(xiàn)，但這種數(shù)據(jù)采集方式由于頻率關(guān)系可能并沒(méi)有十分精準(zhǔn)，如果利用路面廣泛覆蓋的攝像頭進(jìn)行車輛動(dòng)線數(shù)據(jù)的采集，基于攝像頭7*24小時(shí)且覆蓋面廣的特性，則能夠極大的完善數(shù)據(jù)的豐富性。如果再基于這些豐富的視頻數(shù)據(jù)和雷達(dá)、微波等信息進(jìn)行融合，便可以實(shí)現(xiàn)在各種天氣、光照條件下對(duì)于路面過(guò)車情況的精準(zhǔn)判斷，更好地輔助交通管理。

　　Q：這一套下來(lái)，可以看出?？狄呀?jīng)能夠解決AI落地應(yīng)用的很多重要瓶頸問(wèn)題，接下來(lái)，你們的重點(diǎn)研究方向會(huì)是什么？

　　A：首先第一點(diǎn)，公司當(dāng)下及未來(lái)依舊會(huì)深耕人工智能核心技術(shù)。人工智能還有很多需要解決的問(wèn)題，比如如何加強(qiáng)人工智能的自主學(xué)習(xí)能力，讓AI從感知智能上升到認(rèn)知智能？或者是如何在攝像機(jī)上去做更多維度的感知信息的融合，將視頻“視覺(jué)”能力進(jìn)一步優(yōu)化等，這些都是我們?cè)谌斯ぶ悄茴I(lǐng)域?qū)?huì)繼續(xù)研究的方向。

　　另外，從視頻感知，到智能物聯(lián)，再到物信融合，當(dāng)下的?？低曇呀?jīng)從安防公司變成視覺(jué)公司繼而成長(zhǎng)為一家大數(shù)據(jù)公司，在整個(gè)數(shù)據(jù)服務(wù)里面，如何基于多維度的信息去構(gòu)建數(shù)據(jù)認(rèn)知的能力，讓系統(tǒng)能夠?qū)崿F(xiàn)自我決策和判斷，這個(gè)過(guò)程中，無(wú)論是技術(shù)研發(fā)還是業(yè)務(wù)探索都任重道遠(yuǎn)。

　　未來(lái)，我們將主要專注于在這兩方面持續(xù)發(fā)力。

　　Q：從您的經(jīng)驗(yàn)來(lái)看，您如何預(yù)估未來(lái)幾年人工智能技術(shù)和應(yīng)用的發(fā)展態(tài)勢(shì)？

　　A：基于人工智能場(chǎng)景化和碎片化的特點(diǎn)，它的發(fā)展將會(huì)是一個(gè)滲透的過(guò)程，發(fā)展速度會(huì)很快，但可能會(huì)相對(duì)線性一點(diǎn)，不過(guò)隨著AI開(kāi)放平臺(tái)價(jià)值的涌現(xiàn)，人工智能的線性發(fā)展，將呈現(xiàn)更多維度的發(fā)展方向，預(yù)計(jì)未來(lái)3-5年，人工智能技術(shù)的普及和落地應(yīng)用的成熟度都將升級(jí)到一個(gè)全新的階段。

　　Q：籍由這次訪談，您最想傳達(dá)出什么樣的訊息？

　　A：任何技術(shù)的發(fā)展都會(huì)帶來(lái)生產(chǎn)力的提升，而最終能否讓每個(gè)人受益并不是取決于技術(shù)本身，而是取決于技術(shù)共享的方式。

　　從我的角度來(lái)說(shuō)，AI的確是未來(lái)一個(gè)巨大的技術(shù)應(yīng)用趨勢(shì)，將會(huì)對(duì)我們的產(chǎn)業(yè)和經(jīng)濟(jì)帶來(lái)巨大的推動(dòng)力。如果希望技術(shù)能夠更快的發(fā)展，讓更多的人和產(chǎn)業(yè)從中受益，那么它一定是一個(gè)可以開(kāi)放共享、生態(tài)共建的模式。?？低曊脫碛羞@樣能力開(kāi)放的資源和基礎(chǔ)，同時(shí)，我們也非常愿意去開(kāi)放共享我們的能力，也希望聯(lián)合產(chǎn)業(yè)生態(tài)一起去共同推進(jìn)人工智能賦能百業(yè)的價(jià)值實(shí)現(xiàn)。

　　編后語(yǔ)：

　　過(guò)去幾年時(shí)間里，人工智能在行業(yè)領(lǐng)域的落地應(yīng)用進(jìn)展并沒(méi)有想象中的順利，用戶苦于技術(shù)無(wú)法更好的契合實(shí)際應(yīng)用需求，投入產(chǎn)出不成正比，而廠商則困擾于場(chǎng)景的過(guò)于碎片化，導(dǎo)致AI泛化能力不夠。究其原因，一是人工智能依舊弱人工智能的技術(shù)階段，二是由于所有的人工智能應(yīng)用還是場(chǎng)景化、碎片化的應(yīng)用，無(wú)法形成合力。

　　對(duì)于相當(dāng)冗長(zhǎng)的人工智能產(chǎn)業(yè)鏈而言，算法、產(chǎn)品、算力、數(shù)據(jù)、行業(yè)經(jīng)驗(yàn)等資源大都掌握在不同企業(yè)手中，而要促進(jìn)產(chǎn)業(yè)的共同發(fā)展，開(kāi)放的心態(tài)和開(kāi)放的AI能力平臺(tái)已然成為必須。進(jìn)入到物聯(lián)網(wǎng)時(shí)代，只有利用智能產(chǎn)業(yè)鏈的多方鏈條，相互協(xié)同，共同助推人工智能在實(shí)體行業(yè)領(lǐng)域的發(fā)展及應(yīng)用，才能真正讓人工智能技術(shù)像電力技術(shù)和信息技術(shù)一樣，無(wú)處不在，賦能全行業(yè)。