当前位置:视频监控/安防行业动态 → 正文

人工智能如何成功部署:脱下西装做泥腿子,还要会爬杆子

责任编辑:zsheng |来源:企业网D1Net  2018-09-25 16:06:32 本文摘自:观察者

1997年,IBM的电脑深蓝首次战胜国象棋冠军卡斯帕罗夫,但深蓝只会下国际象棋;随着数据和算力的支持,经过深度学习的快速训练,谷歌阿尔法狗在围棋领域取得了对人类的胜利,但我们问“晚上吃点什么”这样最简单的人类逻辑,它就不知道如何回答了。

人工智能的落地和应用,一项基本常识是不存在所谓的通用人工智能,AI无法解决多种多样不同类型问题;所有的智能都是应用于某一特殊领域的智能,擅长单一方面的技能,即弱人工智能。

因此只有AI和某个行业结合,才能向前发展;人工智能可能会改变几乎所有的行业,而且是”行业+ AI“,而不是”AI+行业“。我们已经处于弱人工智能的时代,在这一轮AI融入场景的浪潮中,最先落地的行业是安防,以视频前端(即室外的IPC网络摄像机,对应的后端指室内的存储和服务器)采集为特征的安防已经构筑了一张真正的物联网,成为AI、AI芯片应用的必争之地。

为什么是安防+AI?

海量部署,需求强劲。2017年全球新增的摄像机大约在1.5亿只以上,使得视频监控由被动防御到主动预警的转变更为迫切。海量的摄像机会导致对类似于视频结构化、人脸、车牌、机动车、非机动车、人数、行为等人工智能的诉求会大大增加,人工智能在安防行业加速落地,海量的摄像机会对安防芯片以及带有AI功能的芯片有大量的需求。

更新换代,周期适度。电信行业的产品特点,基站研发周期5年,设备在网时长或固定资产生命周期5年;企业网行业的交换机研发周期1年以上,设备在网3年;而安防行业的产品研发周期短至3~9个月,设备在网2年。尽管也有因为产品质量优异而在网工作5年以上的佳话,但大部分安防产品比如IPC的行业惯例就是2年更新换代。这种换新速度,使得新技术的应用和迭代的最佳试验场景,当然也导致厂商竞争烈度大、洗牌快速。

图1:有着研发基因看似骄傲的队伍,在看似相近的行业,其实核心规律完全不同,过往经验往往是惯性和陷阱;在实践中能够从大流程到小快灵,脱下西装做泥腿子、走出实验室爬杆子才是技术落地的境界,是成功部署的真正骄傲

三个场景 成功在于需求和“地头力”

十年以前(2010年前后),安防的场景是平安城市,视频建设是看的见/网络化,联网标准从DB33标准到GB/T-28181,从 模拟、数字到网络。

五年以前(2013年前后),安防的场景扩展到智能交通,视频建设是看的清/高清化 , 清晰度D1→1080P→4K, 编码从H.264到H.265,成像技术 低照度→星光→超星光(曾经的“黑科技”,被中国庞大工业能力所白菜化,在伸手不见五指的夜间对动态目标成像,90%的案件发生在夜间)。

当前(2016年以来),视频的技术方向就是看的懂/智能化 ,基于深度学习的机器视觉分析,广泛应用人脸、车辆、结构化 。不仅仅是安全的属性,在最新的项目部署中,视频已经成功处理着市民的日常琐事,涉及大数据信息管理、应急指挥调度、事件处置分析、智能预警布控、社会服务管理等功能——十年前电信、IT行业一度流行的以WiFi、无线为核心定义的“智慧城市”无疾而终,今天看来是仅仅铺垫了信息管道,而真正的智慧城市在以视频为中心后实现了突破,这是令人振奋的第三场景。

这三个场景是逐级演进的。一个逐渐富裕起来的群体唤醒了安全意识,就产生了平安城市,有了“深夜撸串”的保障;之后全球最大的汽车生产国、最大的新车消费市场在此诞生,我们的汽车社会就催生了智能交通,不再烦恼逃逸和套牌,并在尝试疏导拥堵;老城区人口的增加、卫星城市的建立,公民对于垃圾堆放、违停乱建甚至楼上楼下吵架的“琐事”更为敏感,就需要从管理到服务的第三场景。

这是大数据和弱人工智能一展身手的年代,不过环境也脱离实验室更为复杂,算法只是系统中的一部分,而且实践中的表现偏孱弱:从室内理论走向室外部署,任何在沙发上进行的AI打榜,都不如“脱下西装做泥腿子”,需要“深入田间地头”以业务流程不断对算法修正。商业模式可以有概率引来投资,但绝对无关企业持续经营的护城河,技术、产品和服务才是护城河

关键字:部署 智能

本文摘自:观察者

人工智能如何成功部署:脱下西装做泥腿子,还要会爬杆子 扫一扫
分享本文到朋友圈

关于我们联系我们版权声明友情链接广告服务会员服务投稿中心招贤纳士

企业网版权所有©2010-2019 京ICP备09108050号-6

^