10月29日募寨，在CPSE安博會高端訪談的現(xiàn)場，圍繞人工智能和安防等相關(guān)問題進(jìn)行了探討森缠。此次會談由CPS中安網(wǎng)總經(jīng)理?xiàng)钊逯鞒职斡ィ埖募钨e有：觸景無限科技(北京)有限公司CEO肖洪波、商湯科技南區(qū)銷售總監(jiān)陳治華贵涵、深圳云天勵飛技術(shù)有限公司產(chǎn)品總監(jiān)程冰列肢、北京曠視科技有限公司解決方案總監(jiān)安洋、蘇州科達(dá)科技股份有限公司智能事業(yè)部總經(jīng)理晉兆龍(以上排名不分先后)宾茂。
以下內(nèi)容瓷马，在不影響嘉賓意思的語境下，有所更改跨晴。
主持人：大家怎么理解AI和安防落地相比其它行業(yè)會更快?
晉兆龍：我們在安防行業(yè)耕耘了很多年裂怕，對此有一個深切的體會。從原來傳統(tǒng)的智能算法開始曹是，安防行業(yè)對于智能的需求是非常迫切的椒缀，也是一直存在的，只是原來的算法沒法滿足這種高端的需求房睁，包括到現(xiàn)在深度學(xué)習(xí)出來之后脑播，其實(shí)還有很多用戶關(guān)于智能方面的應(yīng)用需求還是被壓制的。隨著技術(shù)的前進(jìn)侈吨，包括我們對行業(yè)應(yīng)用深刻的理解冗级，從數(shù)據(jù)量的爆發(fā)到運(yùn)算平臺的成熟，到客戶對這個應(yīng)用理解不斷地深入均膛，包括很多現(xiàn)在技術(shù)上無法完美解決的東西咸耍，客戶也能通過他自身的不斷認(rèn)識提升，能夠得到一些容忍或者說一些變通的處理方法。
總體上來講拢宛，智能或者AI為安防行業(yè)的應(yīng)用賦能了很多東西磺穷，從這個角度上來講，加快了智能的發(fā)展和演進(jìn)渤昌。同時虽抄，本身安防行業(yè)大量的視頻監(jiān)控也具備大數(shù)據(jù)應(yīng)用的基礎(chǔ)，我覺得這是兩個相輔相成的促進(jìn)独柑。
安洋：首先為什么人工智能在安防行業(yè)落地很快迈窟，我認(rèn)為它有基礎(chǔ)，現(xiàn)在全國已經(jīng)有2500萬+的攝像機(jī)忌栅，這些攝像機(jī)都不需要再改造车酣，大部分就可以用來做人臉識別，所以它可以很快的落地索绪，因?yàn)樗恍枰芏嗟幕A(chǔ)建設(shè)湖员。第二是有需求，原因是現(xiàn)在公安的很多傳統(tǒng)的老三樣的手段瑞驱，比如說敲門娘摔、查身份證、蹲點(diǎn)唤反，這些手段已經(jīng)無效了凳寺，所以急需一些基于人臉、基于人形的方法來幫助他提高破案率旧搔，所以是有強(qiáng)烈需求的旁核。第三就是技術(shù)的成熟和規(guī)模化的應(yīng)用仿扩，現(xiàn)在這么多的攝像機(jī)极求，技術(shù)也成熟到了一定程度，機(jī)器視覺的識別率已經(jīng)高于人類的識別率频澜，所以在這種大數(shù)據(jù)的情況下盖础，人工本來就看不過來，機(jī)器又比人看得準(zhǔn)试授。所以我們一直有一個理念伶肚，越來越多的攝像機(jī)不是給人看的，是給機(jī)器看的辈畜，而在見效快侄含、有基礎(chǔ)、有需求的情況下洽腊，所以AI落地安防很快褒醒。
程冰：剛才各位都提到了現(xiàn)在的攝像頭數(shù)非常多，比較適合應(yīng)用人工智能技術(shù)，我覺得這是其中一個方面焦除。其實(shí)需求是從十幾年前一直都存在的激况，包括以前大家也有做人臉識別，也有做各種生物識別的膘魄，這幾年才非澄谥穑火。我們覺得有三個方面的因素创葡，第一方面是算法性能的提升浙踢，這兩三年做AI的公司基本上都采用深度學(xué)習(xí)的技術(shù)，這個技術(shù)比以前的算法提升了10%到20%灿渴。第二洛波，我們覺得是算力的提升，包括這幾年的GPU骚露、FPGA這些在計(jì)算加速方面得到了大面積的推廣蹬挤，成本也做得比較低，也便于一些AI公司做數(shù)據(jù)的訓(xùn)練荸百，所以算力也讓技術(shù)得到了快速的進(jìn)步槽邮。第三，客戶的認(rèn)知的改變债竖，以前客戶覺得你的準(zhǔn)確性要非常高，大數(shù)據(jù)也是這幾年普及的肌顾，我們把AI和大數(shù)據(jù)融合之后姨猖，從大數(shù)據(jù)里面能找到目標(biāo)的概率提升，這樣就能幫助客戶解決他切身需要的問題冕盅，所以他的認(rèn)知度有一個提升漆逐。
陳治華：這件事情我覺得首先要感謝領(lǐng)導(dǎo)，他們在很多的大會上都講到人工智能宇颊，尤其是在去年6月15號撬替，在百萬公安干警大會上，當(dāng)時都講到了人工智能传悍，我們公安部門應(yīng)該用人工智能手段提升我們的偵查破案的效率梦柬，解決當(dāng)前警力不足的問題，這是開啟了大規(guī)模應(yīng)用的一個點(diǎn)幻狈，這是我最明確的感受磺送。這個點(diǎn)結(jié)束之后，我再去拜訪公安局的時候就非常受歡迎灿意，他們主動找我跟他們交流估灿，我覺得這是很重要的一個點(diǎn)。包括今年十九大的會議上也提到了人工智能。
另外一點(diǎn)就是算法的突破馅袁，這個算法的突破為我們打開了一個瓶頸域慷，深度學(xué)習(xí)為什么這么火?因?yàn)樗且环N明確的方法，在人工智能領(lǐng)域發(fā)展了幾十年汗销，為什么人工智能一直進(jìn)步很慢犹褒，可能就是大家沒有找到打開這個門的鑰匙，這個鑰匙就是深度學(xué)習(xí)大溜，商湯在2010年的時候化漆，我們的創(chuàng)始人就用深度學(xué)習(xí)的方法在視覺領(lǐng)域進(jìn)行突破，這是很重要的一點(diǎn)钦奋。
還有一點(diǎn)就是算法的提升座云，其實(shí)這種規(guī)模化的應(yīng)用付材，云計(jì)算在公安的落地也就變成可能离春。今天算法突破之后，它就是一個二進(jìn)制的數(shù)據(jù)帜焰，就不再是一張張的人臉集圈，它可能是一個數(shù)據(jù)集，這些數(shù)據(jù)集就可以分析和應(yīng)用味爷。因?yàn)槭菙?shù)據(jù)恩奢，它不再是傳統(tǒng)的非結(jié)構(gòu)化數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)是可以分析和利用的嫩属，這時候就可以產(chǎn)生很多有意思的事情阎恒，比如說布控、檢索瞄惑、軌跡還原棺厚、同型高頻，這都是數(shù)據(jù)應(yīng)用的一種漓楣。這么大的應(yīng)用就需要很大的運(yùn)算能力离钱，所以需要云計(jì)算。所以我覺得云計(jì)算這樣一個概念在公安的大規(guī)模應(yīng)用链患，就把安防的產(chǎn)業(yè)有很大的提升巧鸭，這種大規(guī)模應(yīng)用一定會帶來安防產(chǎn)業(yè)從平安城市到智慧城市的升級，我非陈嘞眨看好未來整個安防落地的情況蹄皱。
肖洪波：主要有幾個方面促進(jìn)了現(xiàn)在人工智能的發(fā)展：
一、不僅僅在安防行業(yè)芯肤，現(xiàn)在很多其他行業(yè)都在做和人工智能的結(jié)合巷折。我記得去年我參加EVS(全球嵌入式智能會議)压鉴，大家還在討論要不要在前端做人工智能，但今年大家都不討論了锻拘，今年討論的是怎么在前端做人工智能油吭。
二、深度學(xué)習(xí)的出現(xiàn)署拟，某種程度上降低了圖象算法研究的門檻婉宰。我記得我當(dāng)時在UIUC的研究所里面做圖象搜索，大家要定義它的特征推穷，做PCA分析心包，再做底層的搜索，我們大概花了兩三年的時間酵抚，做出來一個覺得還不錯的算法辛辱。但是現(xiàn)在你找一個實(shí)習(xí)生，他只要有比較好的數(shù)據(jù)遣睦，他可以很快地做出來比我們當(dāng)時幾個很頂級的博士做出來的效果還要好的模型唱忠。所以說它從某種程度上降低了算法進(jìn)入的門檻。
三芜醉、算法的提升临卿。2014年，我們和英特爾合作屠睡，基于它的平臺做的前端處理楷象，完全可以做到1080P的圖象全幀率的處理，而且功耗在5瓦以內(nèi)受二，它的前端的運(yùn)算力得到了極大的提升堂憔。你只要把這個模型做有效的壓縮和優(yōu)化，你在前端也可以跑得很快掐划。
主持人：大家剛才聊的自己的產(chǎn)品或方案，我們聊具體一點(diǎn)昼钻，這些能幫用戶解決哪些場景的問題?能幫他們解決哪些痛點(diǎn)?
肖洪波：我們關(guān)注的主要是在嵌入式這一端掸屡，另外我們也是一個中間提供商，我們并不做最終的產(chǎn)品然评，我們提供的主要是模組的解決方案仅财。所以我們的客戶更多的是攝像頭的企業(yè)，我們提供解決方案給他碗淌。整個產(chǎn)業(yè)鏈的發(fā)展一定是大家關(guān)注在自己更核心的點(diǎn)上盏求，大家進(jìn)行合作。
我們非常愿意和大家展開這種合作亿眠，我們解決的問題是什么呢?我們的攝像頭以前在出廠的時候沒有針對場景進(jìn)行優(yōu)化碎罚，后來磅废，我們就開始在數(shù)據(jù)的源頭這一塊做人工智能。根據(jù)這個場景可以優(yōu)化荆烈、調(diào)節(jié)前端的抓拍拯勉，這樣可以根據(jù)你關(guān)注的目標(biāo)，通過最前端這一塊給你做優(yōu)化憔购，這是我們關(guān)注的點(diǎn)宫峦。我們只是在嵌入式這個環(huán)節(jié)去用人工智能幫助我們的客戶能夠把前端的圖象非常優(yōu)化、非常清晰地給它抓下來罚琅。
以前很多時候并不是我們識別這些算法不好涮舔，而是說我們的圖象質(zhì)量有問題。因?yàn)樗虚g還有通過網(wǎng)絡(luò)的傳輸南谈、壓縮骂蒙，我們希望在那個壓縮之前就把檢測的這些圖象提取出來，這是我們的切入點(diǎn)痪蚤。所以我們也是非常希望和廣大的廠商一起合作追艘，這是我們的出發(fā)點(diǎn)。
陳治華：商湯在市場上主要是兩大部分穴肄，一個部分就是在規(guī)慕糠化應(yīng)用，面對集成商這個部分人度，我們會提供端到端的解決方案遂撮，比如說大規(guī)模應(yīng)用上，結(jié)合了我們的人工智能拉氧、云計(jì)算技術(shù)壳坪，加上我們的數(shù)據(jù)處理技術(shù)，可能提供一個完整的后端解決方案掰烟，這是我們在大規(guī)模應(yīng)用上爽蝴，可以和廣大集成商一起做的事情。
另外一個部分纫骑，我們會把這些能力跟廣大的廠商合作蝎亚，我們在后端會給很多合作伙伴提供一些后臺的引擎。我們可以把高性能的GPU的服務(wù)器和算法結(jié)合好的產(chǎn)品提供給合作伙伴先馆，讓他們在更多的領(lǐng)域做垂直化的應(yīng)用发框，因?yàn)槲覀儾豢赡茏龊芏嗟念I(lǐng)域，所以我們會在垂直化的領(lǐng)域做一些應(yīng)用煤墙。
還有一個是前端的產(chǎn)品梅惯，我們也會前置到芯片里面，我們也會開發(fā)出一些FPGA的芯片仿野，提供給一些硬件廠商铣减，比如說不僅僅是在安防領(lǐng)域她君，可能還在輔助駕駛、機(jī)器人等等領(lǐng)域徙歼。
程冰：現(xiàn)在AI確實(shí)幫助客戶解決了很多的問題废筒，一個是解決了效率的問題，原來我們的客戶要在視頻里面找什么東西捆牍，需要大量的人力棉挤，包括國內(nèi)一些典型的案件，要花費(fèi)上百人從視頻里面尋找線索跃躯。
第二個是準(zhǔn)確度的提升岳扒，在以前我們要辨認(rèn)一個人和另外一個人是不是相似，其實(shí)你拿著兩張照片唯久，很難通過人工就辨認(rèn)得清楚掘叫。但其實(shí)有的時候，機(jī)器在這種準(zhǔn)確性上還超過了人眼吕罩，它能夠給到你一個相似度的閾值洒屡，這個閾值到達(dá)一定程度之后，就可以給人眼一個參考等跳。
第三是在節(jié)省人力方面查奉，例如現(xiàn)在有巡邏機(jī)器人、安保機(jī)器人萌狂，人工智能通過物體檢測档玻、人的檢測，大大節(jié)省了保安的人力和物力茫藏。
安洋：剛才各位伙伴也提到了误趴，現(xiàn)在用戶分兩類，一類叫做懂人臉务傲，一類叫做不懂人臉凉当，從儀式上、應(yīng)用上幫助那些沒那么懂人臉的用戶更了解人工智能售葡，這是一個方向纤怒。第二個方向是從公安的角度來看，我認(rèn)為它有三個方向要掌握天通，一是他要知道要保護(hù)哪些人，我們在大城市級的應(yīng)用里面找到好人熄驼，二是要知道防范哪些人像寒，這些人我不知道是好人還是壞人，我要把他防起來瓜贾，三是要打擊壞人会贝，對已經(jīng)知道的壞人我要快速抓捕掉“埽現(xiàn)在的發(fā)展階段是倒著來的，我們現(xiàn)在抓了好多壞人跺鬼，曠視試圖提供這種大的解決方案盘贤，幫助他找到哪些需要防范的人，哪些是需要確定保護(hù)的人墩沸，這是一個方面蚣枝。
另外一個方面，現(xiàn)在大面積的人工智能址嘴、人臉識別上了之后歼呼，對算法和云計(jì)算等等廠家來說都是面臨一個巨大的挑戰(zhàn)，因?yàn)椴粌H僅是你是億級庫蚀弹，現(xiàn)在可能已經(jīng)到了千億級的水平犁捕，曠視希望基于現(xiàn)有的網(wǎng)絡(luò)和前端計(jì)算力把算法前置化，這樣能大規(guī)模的節(jié)省用戶的基礎(chǔ)投資减叫，最快速的見效萤遥，讓現(xiàn)有的攝像機(jī)和即將上馬的攝像機(jī)具有智能化的能力，這是解決他的兩個痛點(diǎn)問題包竹。
第三個問題是隨著計(jì)算力的提升燕酷，他的硬件成本也在不斷地下降，有了深度學(xué)習(xí)之后映企，我們的門檻其實(shí)是在降低悟狱，在這兩個環(huán)境條件下，可以支持用戶更大規(guī)模的去做堰氓，這樣能回應(yīng)到我提的第一個問題挤渐，就是說在整個城市級、國家級的層面上双絮，我們要知道保護(hù)誰浴麻、防范誰、打擊誰囤攀。
晉兆龍：科達(dá)為什么在2014年提出實(shí)施前端智能?就是意識到光靠后端智能是無法解決很多問題的软免，這是一方面。第二方面焚挠，我們在端到端的智能解決方案中會碰到很多問題膏萧，比如說我們的深度學(xué)習(xí)出來之后，它要凌駕在什么樣的平臺上運(yùn)行挖毅，總是要有一個載體的尤稍，這種載體是不是通過通常的載體就能實(shí)現(xiàn)?我覺得可能不是很完美的解決，科達(dá)可以推出深度學(xué)習(xí)的計(jì)算平臺倡搞，跟這個算法做完美的切合弓匪。
另外我們隨著深度學(xué)習(xí)發(fā)展之后晨偿，它會產(chǎn)生大量的數(shù)據(jù)，我們是不是單一的解決這樣一個點(diǎn)的問題?比如說我們是不是只關(guān)注人臉盲拣，只關(guān)注車牌诊踢，只關(guān)注車型?這些都不是，我們最終從用的角度上來講摘裕，我們是要把人脸鸿、車這些有效的元素用到實(shí)際的工作當(dāng)中去，比如說公安行業(yè)达快，最實(shí)在的就是案件捏裂，我們?nèi)绾伟讶恕④嚭桶讣P(guān)聯(lián)甸胃，這里面會涉及到一些數(shù)據(jù)的應(yīng)用問題吩屹。另外這些數(shù)據(jù)的元素很多，我們需要有專門的方案解決問題拧抖，這是從端到端解決問題煤搜。
大數(shù)據(jù)出來之后，數(shù)據(jù)是海量的唧席，如何進(jìn)行千億級或者更大規(guī)模的數(shù)據(jù)的碰撞分析擦盾，涉及到數(shù)據(jù)的存儲、使用淌哟、訪問迹卢、快速的檢索。并且公安行業(yè)里面有一個很特殊的存在徒仓，就是這些目標(biāo)的快照都是一些小文件腐碱，這些半結(jié)構(gòu)化的數(shù)據(jù)都是一些二進(jìn)制的數(shù)據(jù)，這都是一些語義數(shù)據(jù)掉弛，如何把這些元素混雜在一起做綜合的碰撞症见，綜合分析，這是非常大的挑戰(zhàn)殃饿。不光規(guī)模大谋作，而且數(shù)據(jù)種類元素多，所以科達(dá)會提出分布式的數(shù)據(jù)庫帮色，這個數(shù)據(jù)庫會有效地解決問題缩棉，最終為了更好地解決問題，這是一個比較系統(tǒng)的東西瑟哺。
反過來講锌拾，我們?nèi)绾蝸頋M足客戶的需求，可能每個點(diǎn)都要做深入的深耕，但是我們覺得更重要的是肴摊，你如何全系統(tǒng)地、一系列地從端到端的推出這么一個完整解決方案畴文，每個解決方案都可以解決其中一部分問題碉晾。
主持人：如果AI要推動監(jiān)控行業(yè)變革的話，還會遇到哪些困難?簡單的舉一兩個點(diǎn)删猿。
晉兆龍：我覺得AI現(xiàn)在具備了一個大規(guī)模應(yīng)用的基礎(chǔ)陋窗，這個基礎(chǔ)包含兩部分，一部分就是我們的物質(zhì)基礎(chǔ)已經(jīng)存在了隅本，比如說大規(guī)模的視頻監(jiān)控实愚、算法、各種資源兔辅，這是一個物質(zhì)基礎(chǔ)腊敲。還有一個是我們的客戶應(yīng)用基礎(chǔ)，客戶已經(jīng)對這個東西有深刻的認(rèn)識维苔，并且他認(rèn)為是可以幫助他落地的碰辅，我覺得這兩個技術(shù)的存在，對我們推進(jìn)智能化的發(fā)展是至關(guān)重要的介时。
安洋：談到這個話題没宾，我覺得有兩個方向，一個方向是沸柔，現(xiàn)在不管人臉還是結(jié)構(gòu)化循衰，這些信息能夠提高識別率，幫助他解決一個點(diǎn)的問題褐澎。能不能解決他真正的業(yè)務(wù)問題会钝，可能未必。比如說在地鐵乱凿，在社會面上忘当，是不是我把這個人認(rèn)出來了我就能抓到他?其實(shí)不是，我們應(yīng)該在這個方向上跟客戶一起努力打造基于他的人工智能的戰(zhàn)法和部署帝璃，實(shí)現(xiàn)精準(zhǔn)警務(wù)圈蛹，這是一個方面。
第二個方向是大規(guī)模的應(yīng)用了之后茎陪，這些大數(shù)據(jù)應(yīng)該怎么用奇茫，它們之間建立的關(guān)系應(yīng)該是什么。很多人抓了車烫王、抓了臉上绅、抓了背影、抓了屁股，這些人岛宵、物體怎么連起來任汪，我覺得這也是一個很大的挑戰(zhàn)。
程冰：談瓶頸我覺得還談不上滚吱，發(fā)展空間還非常大枷窿，困難也是有一些的，像我們從人臉切換到人像特征等等荣月，這個過程中深度學(xué)習(xí)很火管呵，但是數(shù)據(jù)還是非常難，投入成本也非常高哺窄，目前也沒有非常好的標(biāo)準(zhǔn)捐下，包括國外的測試庫，數(shù)據(jù)量還是非常少的萌业，LFW也就6000多組坷襟，所以我們覺得數(shù)據(jù)非常難。
第二個就是在算法的實(shí)際的水平和落地的能力上面咽白，我們自身也在做一些服裝啤握、人像的特征，我們還在做一些步態(tài)的識別晶框，我們覺得在這個推廣的過程中確實(shí)還是挺困難的排抬，它的準(zhǔn)確度還很難達(dá)到一個客戶想要的水平。就像我們前幾年非呈诙危火的一個谷歌眼鏡蹲蒲，他們最后也是承認(rèn)了一個錯誤，覺得它推出的時間節(jié)點(diǎn)過早悄函，當(dāng)前客戶想要的更多牲羊，這個產(chǎn)品還無法滿足客戶想要的東西。
其實(shí)我們在AI上也有這樣的問題山顶，我們覺得很多技術(shù)都開始起步了蛮血，其實(shí)能落地的技術(shù)確實(shí)還要一個過程，客戶的認(rèn)知也有一個過程好员，太早的推出市場芽刨，可能就像10年你去推人臉識別一樣，可能客戶最后直接給你一個閉門羹略尘，認(rèn)為你是騙子瘩浆。
陳治華：這個問題我的感受比較深刻。第一個部分是難點(diǎn)在算法精度部分怯漾，剛才我們也聽到幾位同行在聊算法的門檻低了胡炼，但是里面的難點(diǎn)就更多了豹女，也就是精度的部分還有問題。比如說我們今天的人臉布控碍蚊，我們可能在做1比N(N值在20萬拷肌、30萬)，商湯正在挑戰(zhàn)N值千萬級的人臉布控旨巷，就是我要把人臉做到千萬級廓块，做實(shí)時的比對，可能算法的精度差一兩個點(diǎn)契沫，可能就找不到了，這是第一個部分的難點(diǎn)昔汉。第二個難點(diǎn)就是抓拍庫的問題懈万，以深圳市局為例，可能是2萬路的建設(shè)規(guī)模靶病，未來是千億級的數(shù)據(jù)会通，就算是熱數(shù)據(jù)三個月，可能也是百萬級以上的數(shù)據(jù)搜索娄周，這個時候精度如果差兩三個點(diǎn)涕侈，可能也找不到了。算法精度的提升是永無止境的煤辨，這是第一個部分裳涛。
第二個部分是我們正在挑戰(zhàn)那些低像素的，它的像素已經(jīng)低到20×20以下侥锨，到10×10的情況念焙，這樣一些領(lǐng)域的圖片的還原，比如說我們公安有一些畫像大師扇殃，通過一點(diǎn)點(diǎn)的像素能把人像還原出來鲤境，商湯正在挑戰(zhàn)這個領(lǐng)域，可能這個像素只有幾個點(diǎn)投戴，但是我往往發(fā)現(xiàn)我跟你認(rèn)識丛疲，但是拍得再模糊的照片，我也能大概認(rèn)出是你梢跳，目前機(jī)器是做不到的砍毡，商湯正在挑戰(zhàn)這種超分辨率的技術(shù)，在這個方面把他還原出來粤街。
第三個部分剩症，我跟很多公安局聊，往往一些不太明顯的信息是破案的線索职颜，比如說在視頻結(jié)構(gòu)化這個領(lǐng)域胞饭，很多邊緣的影像，它反倒會影響破案，這個部分也是算法的挑戰(zhàn)躬它，所以我覺得算法挑戰(zhàn)是一個永無止境的話題腾啥。
另外一個方面是人工智能的應(yīng)用，剛才我說人工智能的應(yīng)用是把小麥加工成面粉冯吓，原來可能是小打小鬧倘待，我們搞幾個機(jī)器就夠了，現(xiàn)在一個城市要做幾萬路攝像頭组贺，它的并發(fā)可能是幾百凸舵、幾千個并發(fā)，這種運(yùn)算就很驚人了失尖。原來CPU超算中心解決的是文本的數(shù)據(jù)啊奄，今天面對非結(jié)構(gòu)化的數(shù)據(jù)，可能需要GPU的超算中心掀潮，商湯自己本身就有4個超算中心菇夸，同時我們也在跟一些公安局在建設(shè)GPU超算中心，解決運(yùn)算的問題仪吧。因?yàn)橐鉀Q幾萬人同時吃面條的問題泻漏，如果幾萬人都要吃面條的時候，其實(shí)是一個很大的工程問題谷娇，我覺得這個問題也是一個巨大的挑戰(zhàn)哆念。
肖洪波：每一項(xiàng)新的技術(shù)出來的時候，我們往往在近期之內(nèi)會高估它的作用菌渐，而在長期又忽略它的作用随去。其實(shí)我覺得有一天我們不再談?wù)撊斯ぶ悄艿臅r候，可能那時候就是人工智能真的落地了暖娃。剛才晉總說得特別好扔泵，人工智能什么時候能可運(yùn)營化是最重要的。人工智能可運(yùn)營化之后對你的業(yè)務(wù)會產(chǎn)生很大的影響力浅，你的業(yè)務(wù)流程闭厕、職責(zé)設(shè)定甚至新業(yè)務(wù)的形態(tài)都會受到影響。
另外一點(diǎn)叭痰，剛才幾位也都提到了多吁，我們算法的發(fā)展還是在不斷向前的，包括深度學(xué)習(xí)斥滤，其實(shí)它的理論現(xiàn)在也沒有特別成熟将鸵，還有非常多的新理論出來，我覺得我們大家也會一起努力佑颇，把這些人工智能的技術(shù)能夠真正幫助我們的客戶去做一些業(yè)務(wù)方面的創(chuàng)新顶掉，這是最重要的草娜。
以下內(nèi)容瓷马，在不影響嘉賓意思的語境下，有所更改跨晴。
主持人：大家怎么理解AI和安防落地相比其它行業(yè)會更快?
晉兆龍：我們在安防行業(yè)耕耘了很多年裂怕，對此有一個深切的體會。從原來傳統(tǒng)的智能算法開始曹是，安防行業(yè)對于智能的需求是非常迫切的椒缀，也是一直存在的，只是原來的算法沒法滿足這種高端的需求房睁，包括到現(xiàn)在深度學(xué)習(xí)出來之后脑播，其實(shí)還有很多用戶關(guān)于智能方面的應(yīng)用需求還是被壓制的。隨著技術(shù)的前進(jìn)侈吨，包括我們對行業(yè)應(yīng)用深刻的理解冗级，從數(shù)據(jù)量的爆發(fā)到運(yùn)算平臺的成熟，到客戶對這個應(yīng)用理解不斷地深入均膛，包括很多現(xiàn)在技術(shù)上無法完美解決的東西咸耍，客戶也能通過他自身的不斷認(rèn)識提升，能夠得到一些容忍或者說一些變通的處理方法。
總體上來講拢宛，智能或者AI為安防行業(yè)的應(yīng)用賦能了很多東西磺穷，從這個角度上來講，加快了智能的發(fā)展和演進(jìn)渤昌。同時虽抄，本身安防行業(yè)大量的視頻監(jiān)控也具備大數(shù)據(jù)應(yīng)用的基礎(chǔ)，我覺得這是兩個相輔相成的促進(jìn)独柑。
安洋：首先為什么人工智能在安防行業(yè)落地很快迈窟，我認(rèn)為它有基礎(chǔ)，現(xiàn)在全國已經(jīng)有2500萬+的攝像機(jī)忌栅，這些攝像機(jī)都不需要再改造车酣，大部分就可以用來做人臉識別，所以它可以很快的落地索绪，因?yàn)樗恍枰芏嗟幕A(chǔ)建設(shè)湖员。第二是有需求，原因是現(xiàn)在公安的很多傳統(tǒng)的老三樣的手段瑞驱，比如說敲門娘摔、查身份證、蹲點(diǎn)唤反，這些手段已經(jīng)無效了凳寺，所以急需一些基于人臉、基于人形的方法來幫助他提高破案率旧搔，所以是有強(qiáng)烈需求的旁核。第三就是技術(shù)的成熟和規(guī)模化的應(yīng)用仿扩，現(xiàn)在這么多的攝像機(jī)极求，技術(shù)也成熟到了一定程度，機(jī)器視覺的識別率已經(jīng)高于人類的識別率频澜，所以在這種大數(shù)據(jù)的情況下盖础，人工本來就看不過來，機(jī)器又比人看得準(zhǔn)试授。所以我們一直有一個理念伶肚，越來越多的攝像機(jī)不是給人看的，是給機(jī)器看的辈畜，而在見效快侄含、有基礎(chǔ)、有需求的情況下洽腊，所以AI落地安防很快褒醒。
程冰：剛才各位都提到了現(xiàn)在的攝像頭數(shù)非常多，比較適合應(yīng)用人工智能技術(shù)，我覺得這是其中一個方面焦除。其實(shí)需求是從十幾年前一直都存在的激况，包括以前大家也有做人臉識別，也有做各種生物識別的膘魄，這幾年才非澄谥穑火。我們覺得有三個方面的因素创葡，第一方面是算法性能的提升浙踢，這兩三年做AI的公司基本上都采用深度學(xué)習(xí)的技術(shù)，這個技術(shù)比以前的算法提升了10%到20%灿渴。第二洛波，我們覺得是算力的提升，包括這幾年的GPU骚露、FPGA這些在計(jì)算加速方面得到了大面積的推廣蹬挤，成本也做得比較低，也便于一些AI公司做數(shù)據(jù)的訓(xùn)練荸百，所以算力也讓技術(shù)得到了快速的進(jìn)步槽邮。第三，客戶的認(rèn)知的改變债竖，以前客戶覺得你的準(zhǔn)確性要非常高，大數(shù)據(jù)也是這幾年普及的肌顾，我們把AI和大數(shù)據(jù)融合之后姨猖，從大數(shù)據(jù)里面能找到目標(biāo)的概率提升，這樣就能幫助客戶解決他切身需要的問題冕盅，所以他的認(rèn)知度有一個提升漆逐。
陳治華：這件事情我覺得首先要感謝領(lǐng)導(dǎo)，他們在很多的大會上都講到人工智能宇颊，尤其是在去年6月15號撬替，在百萬公安干警大會上，當(dāng)時都講到了人工智能传悍，我們公安部門應(yīng)該用人工智能手段提升我們的偵查破案的效率梦柬，解決當(dāng)前警力不足的問題，這是開啟了大規(guī)模應(yīng)用的一個點(diǎn)幻狈，這是我最明確的感受磺送。這個點(diǎn)結(jié)束之后，我再去拜訪公安局的時候就非常受歡迎灿意，他們主動找我跟他們交流估灿，我覺得這是很重要的一個點(diǎn)。包括今年十九大的會議上也提到了人工智能。
另外一點(diǎn)就是算法的突破馅袁，這個算法的突破為我們打開了一個瓶頸域慷，深度學(xué)習(xí)為什么這么火?因?yàn)樗且环N明確的方法，在人工智能領(lǐng)域發(fā)展了幾十年汗销，為什么人工智能一直進(jìn)步很慢犹褒，可能就是大家沒有找到打開這個門的鑰匙，這個鑰匙就是深度學(xué)習(xí)大溜，商湯在2010年的時候化漆，我們的創(chuàng)始人就用深度學(xué)習(xí)的方法在視覺領(lǐng)域進(jìn)行突破，這是很重要的一點(diǎn)钦奋。
還有一點(diǎn)就是算法的提升座云，其實(shí)這種規(guī)模化的應(yīng)用付材，云計(jì)算在公安的落地也就變成可能离春。今天算法突破之后，它就是一個二進(jìn)制的數(shù)據(jù)帜焰，就不再是一張張的人臉集圈，它可能是一個數(shù)據(jù)集，這些數(shù)據(jù)集就可以分析和應(yīng)用味爷。因?yàn)槭菙?shù)據(jù)恩奢，它不再是傳統(tǒng)的非結(jié)構(gòu)化數(shù)據(jù)，結(jié)構(gòu)化數(shù)據(jù)是可以分析和利用的嫩属，這時候就可以產(chǎn)生很多有意思的事情阎恒，比如說布控、檢索瞄惑、軌跡還原棺厚、同型高頻，這都是數(shù)據(jù)應(yīng)用的一種漓楣。這么大的應(yīng)用就需要很大的運(yùn)算能力离钱，所以需要云計(jì)算。所以我覺得云計(jì)算這樣一個概念在公安的大規(guī)模應(yīng)用链患，就把安防的產(chǎn)業(yè)有很大的提升巧鸭，這種大規(guī)模應(yīng)用一定會帶來安防產(chǎn)業(yè)從平安城市到智慧城市的升級，我非陈嘞眨看好未來整個安防落地的情況蹄皱。
肖洪波：主要有幾個方面促進(jìn)了現(xiàn)在人工智能的發(fā)展：
一、不僅僅在安防行業(yè)芯肤，現(xiàn)在很多其他行業(yè)都在做和人工智能的結(jié)合巷折。我記得去年我參加EVS(全球嵌入式智能會議)压鉴，大家還在討論要不要在前端做人工智能，但今年大家都不討論了锻拘，今年討論的是怎么在前端做人工智能油吭。
二、深度學(xué)習(xí)的出現(xiàn)署拟，某種程度上降低了圖象算法研究的門檻婉宰。我記得我當(dāng)時在UIUC的研究所里面做圖象搜索，大家要定義它的特征推穷，做PCA分析心包，再做底層的搜索，我們大概花了兩三年的時間酵抚，做出來一個覺得還不錯的算法辛辱。但是現(xiàn)在你找一個實(shí)習(xí)生，他只要有比較好的數(shù)據(jù)遣睦，他可以很快地做出來比我們當(dāng)時幾個很頂級的博士做出來的效果還要好的模型唱忠。所以說它從某種程度上降低了算法進(jìn)入的門檻。
三芜醉、算法的提升临卿。2014年，我們和英特爾合作屠睡，基于它的平臺做的前端處理楷象，完全可以做到1080P的圖象全幀率的處理，而且功耗在5瓦以內(nèi)受二，它的前端的運(yùn)算力得到了極大的提升堂憔。你只要把這個模型做有效的壓縮和優(yōu)化，你在前端也可以跑得很快掐划。
主持人：大家剛才聊的自己的產(chǎn)品或方案，我們聊具體一點(diǎn)昼钻，這些能幫用戶解決哪些場景的問題?能幫他們解決哪些痛點(diǎn)?
肖洪波：我們關(guān)注的主要是在嵌入式這一端掸屡，另外我們也是一個中間提供商，我們并不做最終的產(chǎn)品然评，我們提供的主要是模組的解決方案仅财。所以我們的客戶更多的是攝像頭的企業(yè)，我們提供解決方案給他碗淌。整個產(chǎn)業(yè)鏈的發(fā)展一定是大家關(guān)注在自己更核心的點(diǎn)上盏求，大家進(jìn)行合作。
我們非常愿意和大家展開這種合作亿眠，我們解決的問題是什么呢?我們的攝像頭以前在出廠的時候沒有針對場景進(jìn)行優(yōu)化碎罚，后來磅废，我們就開始在數(shù)據(jù)的源頭這一塊做人工智能。根據(jù)這個場景可以優(yōu)化荆烈、調(diào)節(jié)前端的抓拍拯勉，這樣可以根據(jù)你關(guān)注的目標(biāo)，通過最前端這一塊給你做優(yōu)化憔购，這是我們關(guān)注的點(diǎn)宫峦。我們只是在嵌入式這個環(huán)節(jié)去用人工智能幫助我們的客戶能夠把前端的圖象非常優(yōu)化、非常清晰地給它抓下來罚琅。
以前很多時候并不是我們識別這些算法不好涮舔，而是說我們的圖象質(zhì)量有問題。因?yàn)樗虚g還有通過網(wǎng)絡(luò)的傳輸南谈、壓縮骂蒙，我們希望在那個壓縮之前就把檢測的這些圖象提取出來，這是我們的切入點(diǎn)痪蚤。所以我們也是非常希望和廣大的廠商一起合作追艘，這是我們的出發(fā)點(diǎn)。
陳治華：商湯在市場上主要是兩大部分穴肄，一個部分就是在規(guī)慕糠化應(yīng)用，面對集成商這個部分人度，我們會提供端到端的解決方案遂撮，比如說大規(guī)模應(yīng)用上，結(jié)合了我們的人工智能拉氧、云計(jì)算技術(shù)壳坪，加上我們的數(shù)據(jù)處理技術(shù)，可能提供一個完整的后端解決方案掰烟，這是我們在大規(guī)模應(yīng)用上爽蝴，可以和廣大集成商一起做的事情。
另外一個部分纫骑，我們會把這些能力跟廣大的廠商合作蝎亚，我們在后端會給很多合作伙伴提供一些后臺的引擎。我們可以把高性能的GPU的服務(wù)器和算法結(jié)合好的產(chǎn)品提供給合作伙伴先馆，讓他們在更多的領(lǐng)域做垂直化的應(yīng)用发框，因?yàn)槲覀儾豢赡茏龊芏嗟念I(lǐng)域，所以我們會在垂直化的領(lǐng)域做一些應(yīng)用煤墙。
還有一個是前端的產(chǎn)品梅惯，我們也會前置到芯片里面，我們也會開發(fā)出一些FPGA的芯片仿野，提供給一些硬件廠商铣减，比如說不僅僅是在安防領(lǐng)域她君，可能還在輔助駕駛、機(jī)器人等等領(lǐng)域徙歼。
程冰：現(xiàn)在AI確實(shí)幫助客戶解決了很多的問題废筒，一個是解決了效率的問題，原來我們的客戶要在視頻里面找什么東西捆牍，需要大量的人力棉挤，包括國內(nèi)一些典型的案件，要花費(fèi)上百人從視頻里面尋找線索跃躯。
第二個是準(zhǔn)確度的提升岳扒，在以前我們要辨認(rèn)一個人和另外一個人是不是相似，其實(shí)你拿著兩張照片唯久，很難通過人工就辨認(rèn)得清楚掘叫。但其實(shí)有的時候，機(jī)器在這種準(zhǔn)確性上還超過了人眼吕罩，它能夠給到你一個相似度的閾值洒屡，這個閾值到達(dá)一定程度之后，就可以給人眼一個參考等跳。
第三是在節(jié)省人力方面查奉，例如現(xiàn)在有巡邏機(jī)器人、安保機(jī)器人萌狂，人工智能通過物體檢測档玻、人的檢測，大大節(jié)省了保安的人力和物力茫藏。
安洋：剛才各位伙伴也提到了误趴，現(xiàn)在用戶分兩類，一類叫做懂人臉务傲，一類叫做不懂人臉凉当，從儀式上、應(yīng)用上幫助那些沒那么懂人臉的用戶更了解人工智能售葡，這是一個方向纤怒。第二個方向是從公安的角度來看，我認(rèn)為它有三個方向要掌握天通，一是他要知道要保護(hù)哪些人，我們在大城市級的應(yīng)用里面找到好人熄驼，二是要知道防范哪些人像寒，這些人我不知道是好人還是壞人，我要把他防起來瓜贾，三是要打擊壞人会贝，對已經(jīng)知道的壞人我要快速抓捕掉“埽現(xiàn)在的發(fā)展階段是倒著來的，我們現(xiàn)在抓了好多壞人跺鬼，曠視試圖提供這種大的解決方案盘贤，幫助他找到哪些需要防范的人，哪些是需要確定保護(hù)的人墩沸，這是一個方面蚣枝。
另外一個方面，現(xiàn)在大面積的人工智能址嘴、人臉識別上了之后歼呼，對算法和云計(jì)算等等廠家來說都是面臨一個巨大的挑戰(zhàn)，因?yàn)椴粌H僅是你是億級庫蚀弹，現(xiàn)在可能已經(jīng)到了千億級的水平犁捕，曠視希望基于現(xiàn)有的網(wǎng)絡(luò)和前端計(jì)算力把算法前置化，這樣能大規(guī)模的節(jié)省用戶的基礎(chǔ)投資减叫，最快速的見效萤遥，讓現(xiàn)有的攝像機(jī)和即將上馬的攝像機(jī)具有智能化的能力，這是解決他的兩個痛點(diǎn)問題包竹。
第三個問題是隨著計(jì)算力的提升燕酷，他的硬件成本也在不斷地下降，有了深度學(xué)習(xí)之后映企，我們的門檻其實(shí)是在降低悟狱，在這兩個環(huán)境條件下，可以支持用戶更大規(guī)模的去做堰氓，這樣能回應(yīng)到我提的第一個問題挤渐，就是說在整個城市級、國家級的層面上双絮，我們要知道保護(hù)誰浴麻、防范誰、打擊誰囤攀。
晉兆龍：科達(dá)為什么在2014年提出實(shí)施前端智能?就是意識到光靠后端智能是無法解決很多問題的软免，這是一方面。第二方面焚挠，我們在端到端的智能解決方案中會碰到很多問題膏萧，比如說我們的深度學(xué)習(xí)出來之后，它要凌駕在什么樣的平臺上運(yùn)行挖毅，總是要有一個載體的尤稍，這種載體是不是通過通常的載體就能實(shí)現(xiàn)?我覺得可能不是很完美的解決，科達(dá)可以推出深度學(xué)習(xí)的計(jì)算平臺倡搞，跟這個算法做完美的切合弓匪。
另外我們隨著深度學(xué)習(xí)發(fā)展之后晨偿，它會產(chǎn)生大量的數(shù)據(jù)，我們是不是單一的解決這樣一個點(diǎn)的問題?比如說我們是不是只關(guān)注人臉盲拣，只關(guān)注車牌诊踢，只關(guān)注車型?這些都不是，我們最終從用的角度上來講摘裕，我們是要把人脸鸿、車這些有效的元素用到實(shí)際的工作當(dāng)中去，比如說公安行業(yè)达快，最實(shí)在的就是案件捏裂，我們?nèi)绾伟讶恕④嚭桶讣P(guān)聯(lián)甸胃，這里面會涉及到一些數(shù)據(jù)的應(yīng)用問題吩屹。另外這些數(shù)據(jù)的元素很多，我們需要有專門的方案解決問題拧抖，這是從端到端解決問題煤搜。
大數(shù)據(jù)出來之后，數(shù)據(jù)是海量的唧席，如何進(jìn)行千億級或者更大規(guī)模的數(shù)據(jù)的碰撞分析擦盾，涉及到數(shù)據(jù)的存儲、使用淌哟、訪問迹卢、快速的檢索。并且公安行業(yè)里面有一個很特殊的存在徒仓，就是這些目標(biāo)的快照都是一些小文件腐碱，這些半結(jié)構(gòu)化的數(shù)據(jù)都是一些二進(jìn)制的數(shù)據(jù)，這都是一些語義數(shù)據(jù)掉弛，如何把這些元素混雜在一起做綜合的碰撞症见，綜合分析，這是非常大的挑戰(zhàn)殃饿。不光規(guī)模大谋作，而且數(shù)據(jù)種類元素多，所以科達(dá)會提出分布式的數(shù)據(jù)庫帮色，這個數(shù)據(jù)庫會有效地解決問題缩棉，最終為了更好地解決問題，這是一個比較系統(tǒng)的東西瑟哺。
反過來講锌拾，我們?nèi)绾蝸頋M足客戶的需求，可能每個點(diǎn)都要做深入的深耕，但是我們覺得更重要的是肴摊，你如何全系統(tǒng)地、一系列地從端到端的推出這么一個完整解決方案畴文，每個解決方案都可以解決其中一部分問題碉晾。
主持人：如果AI要推動監(jiān)控行業(yè)變革的話，還會遇到哪些困難?簡單的舉一兩個點(diǎn)删猿。
晉兆龍：我覺得AI現(xiàn)在具備了一個大規(guī)模應(yīng)用的基礎(chǔ)陋窗，這個基礎(chǔ)包含兩部分，一部分就是我們的物質(zhì)基礎(chǔ)已經(jīng)存在了隅本，比如說大規(guī)模的視頻監(jiān)控实愚、算法、各種資源兔辅，這是一個物質(zhì)基礎(chǔ)腊敲。還有一個是我們的客戶應(yīng)用基礎(chǔ)，客戶已經(jīng)對這個東西有深刻的認(rèn)識维苔，并且他認(rèn)為是可以幫助他落地的碰辅，我覺得這兩個技術(shù)的存在，對我們推進(jìn)智能化的發(fā)展是至關(guān)重要的介时。
安洋：談到這個話題没宾，我覺得有兩個方向，一個方向是沸柔，現(xiàn)在不管人臉還是結(jié)構(gòu)化循衰，這些信息能夠提高識別率，幫助他解決一個點(diǎn)的問題褐澎。能不能解決他真正的業(yè)務(wù)問題会钝，可能未必。比如說在地鐵乱凿，在社會面上忘当，是不是我把這個人認(rèn)出來了我就能抓到他?其實(shí)不是，我們應(yīng)該在這個方向上跟客戶一起努力打造基于他的人工智能的戰(zhàn)法和部署帝璃，實(shí)現(xiàn)精準(zhǔn)警務(wù)圈蛹，這是一個方面。
第二個方向是大規(guī)模的應(yīng)用了之后茎陪，這些大數(shù)據(jù)應(yīng)該怎么用奇茫，它們之間建立的關(guān)系應(yīng)該是什么。很多人抓了車烫王、抓了臉上绅、抓了背影、抓了屁股，這些人岛宵、物體怎么連起來任汪，我覺得這也是一個很大的挑戰(zhàn)。
程冰：談瓶頸我覺得還談不上滚吱，發(fā)展空間還非常大枷窿，困難也是有一些的，像我們從人臉切換到人像特征等等荣月，這個過程中深度學(xué)習(xí)很火管呵，但是數(shù)據(jù)還是非常難，投入成本也非常高哺窄，目前也沒有非常好的標(biāo)準(zhǔn)捐下，包括國外的測試庫，數(shù)據(jù)量還是非常少的萌业，LFW也就6000多組坷襟，所以我們覺得數(shù)據(jù)非常難。
第二個就是在算法的實(shí)際的水平和落地的能力上面咽白，我們自身也在做一些服裝啤握、人像的特征，我們還在做一些步態(tài)的識別晶框，我們覺得在這個推廣的過程中確實(shí)還是挺困難的排抬，它的準(zhǔn)確度還很難達(dá)到一個客戶想要的水平。就像我們前幾年非呈诙危火的一個谷歌眼鏡蹲蒲，他們最后也是承認(rèn)了一個錯誤，覺得它推出的時間節(jié)點(diǎn)過早悄函，當(dāng)前客戶想要的更多牲羊，這個產(chǎn)品還無法滿足客戶想要的東西。
其實(shí)我們在AI上也有這樣的問題山顶，我們覺得很多技術(shù)都開始起步了蛮血，其實(shí)能落地的技術(shù)確實(shí)還要一個過程，客戶的認(rèn)知也有一個過程好员，太早的推出市場芽刨，可能就像10年你去推人臉識別一樣，可能客戶最后直接給你一個閉門羹略尘，認(rèn)為你是騙子瘩浆。
陳治華：這個問題我的感受比較深刻。第一個部分是難點(diǎn)在算法精度部分怯漾，剛才我們也聽到幾位同行在聊算法的門檻低了胡炼，但是里面的難點(diǎn)就更多了豹女，也就是精度的部分還有問題。比如說我們今天的人臉布控碍蚊，我們可能在做1比N(N值在20萬拷肌、30萬)，商湯正在挑戰(zhàn)N值千萬級的人臉布控旨巷，就是我要把人臉做到千萬級廓块，做實(shí)時的比對，可能算法的精度差一兩個點(diǎn)契沫，可能就找不到了，這是第一個部分的難點(diǎn)昔汉。第二個難點(diǎn)就是抓拍庫的問題懈万，以深圳市局為例，可能是2萬路的建設(shè)規(guī)模靶病，未來是千億級的數(shù)據(jù)会通，就算是熱數(shù)據(jù)三個月，可能也是百萬級以上的數(shù)據(jù)搜索娄周，這個時候精度如果差兩三個點(diǎn)涕侈，可能也找不到了。算法精度的提升是永無止境的煤辨，這是第一個部分裳涛。
第二個部分是我們正在挑戰(zhàn)那些低像素的，它的像素已經(jīng)低到20×20以下侥锨，到10×10的情況念焙，這樣一些領(lǐng)域的圖片的還原，比如說我們公安有一些畫像大師扇殃，通過一點(diǎn)點(diǎn)的像素能把人像還原出來鲤境，商湯正在挑戰(zhàn)這個領(lǐng)域，可能這個像素只有幾個點(diǎn)投戴，但是我往往發(fā)現(xiàn)我跟你認(rèn)識丛疲，但是拍得再模糊的照片，我也能大概認(rèn)出是你梢跳，目前機(jī)器是做不到的砍毡，商湯正在挑戰(zhàn)這種超分辨率的技術(shù)，在這個方面把他還原出來粤街。
第三個部分剩症，我跟很多公安局聊，往往一些不太明顯的信息是破案的線索职颜，比如說在視頻結(jié)構(gòu)化這個領(lǐng)域胞饭，很多邊緣的影像，它反倒會影響破案，這個部分也是算法的挑戰(zhàn)躬它，所以我覺得算法挑戰(zhàn)是一個永無止境的話題腾啥。
另外一個方面是人工智能的應(yīng)用，剛才我說人工智能的應(yīng)用是把小麥加工成面粉冯吓，原來可能是小打小鬧倘待，我們搞幾個機(jī)器就夠了，現(xiàn)在一個城市要做幾萬路攝像頭组贺，它的并發(fā)可能是幾百凸舵、幾千個并發(fā)，這種運(yùn)算就很驚人了失尖。原來CPU超算中心解決的是文本的數(shù)據(jù)啊奄，今天面對非結(jié)構(gòu)化的數(shù)據(jù)，可能需要GPU的超算中心掀潮，商湯自己本身就有4個超算中心菇夸，同時我們也在跟一些公安局在建設(shè)GPU超算中心，解決運(yùn)算的問題仪吧。因?yàn)橐鉀Q幾萬人同時吃面條的問題泻漏，如果幾萬人都要吃面條的時候，其實(shí)是一個很大的工程問題谷娇，我覺得這個問題也是一個巨大的挑戰(zhàn)哆念。
肖洪波：每一項(xiàng)新的技術(shù)出來的時候，我們往往在近期之內(nèi)會高估它的作用菌渐，而在長期又忽略它的作用随去。其實(shí)我覺得有一天我們不再談?wù)撊斯ぶ悄艿臅r候，可能那時候就是人工智能真的落地了暖娃。剛才晉總說得特別好扔泵，人工智能什么時候能可運(yùn)營化是最重要的。人工智能可運(yùn)營化之后對你的業(yè)務(wù)會產(chǎn)生很大的影響力浅，你的業(yè)務(wù)流程闭厕、職責(zé)設(shè)定甚至新業(yè)務(wù)的形態(tài)都會受到影響。
另外一點(diǎn)叭痰，剛才幾位也都提到了多吁，我們算法的發(fā)展還是在不斷向前的，包括深度學(xué)習(xí)斥滤，其實(shí)它的理論現(xiàn)在也沒有特別成熟将鸵，還有非常多的新理論出來，我覺得我們大家也會一起努力佑颇，把這些人工智能的技術(shù)能夠真正幫助我們的客戶去做一些業(yè)務(wù)方面的創(chuàng)新顶掉，這是最重要的草娜。
18221259202