AI+安防在智慧城市建設(shè)中有哪些應(yīng)用瓶頸與疑難？

機(jī)械思維驅(qū)動(dòng)了工業(yè)革命，數(shù)據(jù)思維則引爆了智能革命。這是最壞的世界，也是最好的世界。當(dāng)下，我們就身處一場(chǎng)智能革命之中，云計(jì)算、大數(shù)據(jù)、人工智能這些技術(shù)正在為各個(gè)行業(yè)邁向智能化而貢獻(xiàn)力量。

在智能技術(shù)的驅(qū)動(dòng)下，我們的社會(huì)活動(dòng)將會(huì)產(chǎn)生何種變化？我們的未來(lái)城市又會(huì)朝著哪個(gè)方向發(fā)展？以AI為代表的新技術(shù)，正在促進(jìn)智慧城市的進(jìn)一步發(fā)展。

AI+安防在智慧城市建設(shè)中應(yīng)用瓶頸與疑難

隨著人工智能應(yīng)用潮水般發(fā)展，AI+安防應(yīng)用瓶頸和疑難也愈加凸顯

瓶頸一：“算法紅利”即將消失

作為人工智能領(lǐng)域里最為知名的算法比賽ImageNet是目前世界上圖像識(shí)別最大的數(shù)據(jù)庫(kù)。這個(gè)項(xiàng)目是美國(guó)斯坦福的計(jì)算機(jī)科學(xué)家，模擬人類的識(shí)別系統(tǒng)建立的。經(jīng)過(guò)2010-2015年的發(fā)展，人臉識(shí)別算法已從淺層神經(jīng)網(wǎng)絡(luò)向復(fù)雜的深度神經(jīng)網(wǎng)絡(luò)算法發(fā)展，由最初的（2012年）8層神經(jīng)網(wǎng)絡(luò)發(fā)展成為2015年的152層神經(jīng)網(wǎng)絡(luò)。

而識(shí)別率也迅速提升，由淺層網(wǎng)絡(luò)的28.2%的錯(cuò)誤率迅速降至3.57%。2010-2016年，人工智能的各類算法識(shí)別率節(jié)節(jié)攀升，核心原因在于：1.硬件算力迅速提升，特別是GPU的廣泛應(yīng)用，允許神經(jīng)網(wǎng)絡(luò)模型更加龐大;2.神經(jīng)網(wǎng)絡(luò)算法本身也經(jīng)歷演化與自身加持，算法效率與識(shí)別率進(jìn)一步提升。時(shí)至今日，伴隨著動(dòng)輒1000多層的超深度神經(jīng)網(wǎng)絡(luò)模型的建立，神經(jīng)網(wǎng)絡(luò)算法已達(dá)到數(shù)據(jù)飽和狀態(tài)，語(yǔ)音與圖像的識(shí)別率進(jìn)入瓶頸區(qū)域，若無(wú)算法層級(jí)上的突破，未來(lái)識(shí)別算法的效能提升將迅速邊際遞減。

與此同時(shí)，以谷歌研究院、微軟研究院為代表的人工智能研究領(lǐng)軍機(jī)構(gòu)在算法開源化做出的努力，軟件工程師可以迅速通過(guò)谷歌、微軟等公司提供的人工智能開發(fā)包進(jìn)行“二次開發(fā)”，實(shí)現(xiàn)人工智能全新領(lǐng)域的應(yīng)用。隨著人工智能研發(fā)的門檻迅速降低，全球各地打著“人工智能”旗號(hào)的創(chuàng)業(yè)企業(yè)如雨后春筍般的出現(xiàn)，并獲得了資本市場(chǎng)追捧，人工智能市場(chǎng)競(jìng)爭(zhēng)越發(fā)激烈。國(guó)內(nèi)人工智能領(lǐng)域創(chuàng)業(yè)者紛紛表示人工智能算法的優(yōu)勢(shì)地位頂多只能維持6個(gè)月，谷歌、百度等一眾行業(yè)霸主在單個(gè)算法上也僅能保持6個(gè)月的領(lǐng)先?！八惴t利”即將消失，如何利用算法找到用戶核心痛點(diǎn)并付諸應(yīng)用才是人工智能企業(yè)生存的法寶。

瓶頸二：三大壁壘日益顯現(xiàn)

人工智能的底層技術(shù)已經(jīng)完成原始積累，無(wú)論從感知智能（弱智能）的各種識(shí)別算法超越人類感官，還是認(rèn)知智能（強(qiáng)智能及半強(qiáng)智能）中AlphaGo戰(zhàn)勝李世石后，在2017年初化名為Master的升級(jí)版AlphaGo在圍棋網(wǎng)站上先后將聶衛(wèi)平、柯潔等新老棋圣斬落馬下。人工智能現(xiàn)階段已將其核心的深度神經(jīng)網(wǎng)絡(luò)算法打磨得無(wú)比鋒利。無(wú)數(shù)創(chuàng)業(yè)者和企業(yè)也迅速地組建了人工智能團(tuán)隊(duì)，并企圖在人工智能時(shí)代分一杯羹。先是谷歌聘請(qǐng)深度神經(jīng)網(wǎng)絡(luò)鼻祖GeoffreyHinton，F(xiàn)acebook聘請(qǐng)YannLeCun，百度則聘請(qǐng)AndrewNg。再有DeepMind公司成立并被谷歌收購(gòu)，SenseTime、曠視科技等等企業(yè)開始創(chuàng)業(yè)，并在各自領(lǐng)域取得全球領(lǐng)先水平。然而這些企業(yè)面臨著同樣的一個(gè)問(wèn)題——如何將自己的技術(shù)進(jìn)行產(chǎn)業(yè)化產(chǎn)品化并得到市場(chǎng)的認(rèn)可。

這些事件說(shuō)明，互聯(lián)網(wǎng)龍頭開始意識(shí)到算法將越來(lái)越不具備稀缺性，算法的邊際改善將越來(lái)越小，這些龍頭企業(yè)紛紛通過(guò)人事變動(dòng)來(lái)調(diào)整自己的AI戰(zhàn)略，并將其AI產(chǎn)品化作為戰(zhàn)略方向。在人工智能算法研發(fā)投入產(chǎn)出比變得不再具備經(jīng)濟(jì)性，且算法本身性能已經(jīng)達(dá)到成熟水平的時(shí)點(diǎn)，AI領(lǐng)域的“算法紅利”即將消失，我們認(rèn)為數(shù)據(jù)稀缺性、產(chǎn)品化能力、渠道資源將構(gòu)筑人工智能產(chǎn)業(yè)化的核心壁壘。

壁壘一：數(shù)據(jù)稀缺性

神經(jīng)網(wǎng)絡(luò)算法模型的建立，需要用大量數(shù)據(jù)進(jìn)行調(diào)優(yōu)與完善，一定意義上講，進(jìn)行訓(xùn)練的數(shù)據(jù)量越大，數(shù)據(jù)質(zhì)量越好，訓(xùn)練得到的算法準(zhǔn)確率越高，因此在特定領(lǐng)域內(nèi)數(shù)據(jù)將成為稀缺資源及行業(yè)準(zhǔn)入門檻。從價(jià)值上觀察，安防、金融、醫(yī)療這三類數(shù)據(jù)既有行業(yè)門檻，也具有極強(qiáng)的數(shù)據(jù)壟斷性。例如安防領(lǐng)域，如果要進(jìn)行人臉比對(duì)和身份認(rèn)證，算法公司必須得到政府相關(guān)部門的授權(quán)才可以進(jìn)行身份證信息提取。再者，如果人工智能診斷影像識(shí)別公司需要大量醫(yī)學(xué)影像的原始數(shù)據(jù)，則需要大量懂得醫(yī)學(xué)專業(yè)知識(shí)的醫(yī)生或者技術(shù)人員進(jìn)行前期數(shù)據(jù)標(biāo)注，這樣才能保證數(shù)據(jù)質(zhì)量的可靠性。

壁壘二：產(chǎn)品化能力

人工智能的應(yīng)用涉及到較多工程性的產(chǎn)品化能力，這也將成為人工智能企業(yè)賴以生存的核心競(jìng)爭(zhēng)力之一。例如支付刷臉的人臉識(shí)別系統(tǒng)中，算法公司通過(guò)不斷試錯(cuò)，成功的將刷臉支付流程中加入了“活體驗(yàn)證”（眨眼、轉(zhuǎn)頭等證明用戶是活人而不是照片）的過(guò)程。中國(guó)企業(yè)相比于海外公司具有更強(qiáng)的工程化、訂單制研發(fā)能力。產(chǎn)品化能力一方面能補(bǔ)全部分“后進(jìn)”公司在算法效率上的微弱劣勢(shì)，另一方面可以極大提升垂直場(chǎng)景中的功能與效率。從技術(shù)上而言，幾乎所有人工智能創(chuàng)業(yè)公司均具有相關(guān)算法能力，但融入到具體場(chǎng)景應(yīng)用中時(shí)，工程及產(chǎn)品化能力將成為企業(yè)繞開“路障”的一個(gè)法寶。

壁壘三：渠道優(yōu)勢(shì)

我們認(rèn)為，人工智能技術(shù)將率先應(yīng)用于ToG、ToB端應(yīng)用，而ToC端應(yīng)用較為滯后。核心原因在于ToG、ToB領(lǐng)域的場(chǎng)景往往較為單純，業(yè)務(wù)重復(fù)度較高，因此人工智能有望迅速提升業(yè)務(wù)效率，減少人工投入。ToC端應(yīng)用由于需要根據(jù)個(gè)人用戶進(jìn)行個(gè)性化定制和調(diào)整，在人工智能早期，數(shù)據(jù)體量不足的情況下往往體驗(yàn)較差，很難大規(guī)模推廣。ToG、ToB領(lǐng)域當(dāng)中，人工智能技術(shù)已在安防、教育、金融等多個(gè)領(lǐng)域開始出現(xiàn)大規(guī)模訂單落地情況。初期訂單的落地將大大降低商業(yè)模式門檻，并形成“雪球效應(yīng)”：大規(guī)模的應(yīng)用也將積累大量數(shù)據(jù)，反過(guò)來(lái)迅速提升模型精確度。渠道優(yōu)勢(shì)的這種“雪球效應(yīng)”所帶來(lái)的先發(fā)優(yōu)勢(shì)，將成為人工智能企業(yè)的核心優(yōu)勢(shì)。

總體來(lái)說(shuō)，我國(guó)的視頻監(jiān)控行業(yè)經(jīng)歷四個(gè)階段：1.起步階段，傳統(tǒng)模擬監(jiān)控，國(guó)內(nèi)自主知識(shí)產(chǎn)權(quán)落后，安防系統(tǒng)用戶局限于政府部門;2.發(fā)展階段，數(shù)字監(jiān)控，安防用戶增多，監(jiān)控規(guī)模擴(kuò)大，圖像數(shù)字化儲(chǔ)存，分辨率邁入標(biāo)清時(shí)代;3.提高階段，高清化監(jiān)控，市場(chǎng)容量持續(xù)增加，視頻監(jiān)控系統(tǒng)與用戶業(yè)務(wù)系統(tǒng)融合;4.智能化階段，逐步形成集數(shù)據(jù)傳輸、視頻、控制于一體的智能化安防綜合管理平臺(tái)。中國(guó)目前正處于高清化監(jiān)控的提高階段，此階段的市場(chǎng)容量持續(xù)增加，視頻監(jiān)控系統(tǒng)與用戶業(yè)務(wù)系統(tǒng)融合。隨著視頻監(jiān)控技術(shù)的升級(jí)，安防行業(yè)的智能化也迅速到來(lái)。與此同時(shí)，硬件設(shè)備性能的提升也為人工智能應(yīng)用提供了重要保障。圖像識(shí)別功能所采用的深度神經(jīng)網(wǎng)絡(luò)算法是采用大量訓(xùn)練集數(shù)據(jù)進(jìn)行模擬和調(diào)優(yōu)所構(gòu)建的，這就意味著人工智能圖像識(shí)別技術(shù)的運(yùn)算與應(yīng)用離不開大量數(shù)據(jù)的支持，為模型提供的圖像信息越豐富、像素越高、清晰度更高，越有助于圖像識(shí)別準(zhǔn)確率的提升。作為行業(yè)的重要發(fā)展方向，未來(lái)的安防行業(yè)必定是高科技云集的行業(yè)，AI+安防的組合模式為行業(yè)發(fā)展最終步入智能化階段提供動(dòng)力。

AI+安防在智慧城市建設(shè)中的應(yīng)用前景與趨勢(shì)

在智慧城市建設(shè)中，從智慧交通可見一斑，未來(lái)人工智能的警用機(jī)器人將取代交通警察，實(shí)現(xiàn)公路交通安全的全方位監(jiān)控、全天候巡邏、立體化監(jiān)管。當(dāng)前，完善公路交通安全防控體系是全國(guó)公安交通管理部門的重大科技建設(shè)項(xiàng)目。公路交通安全防控體系實(shí)現(xiàn)對(duì)公路上車輛通行情況、交通違法情況和道路隱患及時(shí)監(jiān)控、發(fā)現(xiàn)、取證、傳遞、處理、反饋、修正，進(jìn)一步提升公路管控力度與水平，進(jìn)一步增強(qiáng)勤務(wù)管理科學(xué)性與針對(duì)性，及時(shí)發(fā)現(xiàn)查糾各類交通違法行為，明顯改善了道路通行秩序，有效遏制了重特大交通事故。

公路交通安全防控體系涉及的核心技術(shù)是交通行為監(jiān)測(cè)、交通安全研判、交通風(fēng)險(xiǎn)預(yù)警、交通違法執(zhí)法，而這些技術(shù)現(xiàn)已與人工智能融為一體。實(shí)現(xiàn)公路交通運(yùn)行狀態(tài)“看得見”、車輛通行軌跡“摸得透”、重點(diǎn)違法行為“抓得住”、安全隱患事件“消得了”、路面協(xié)作聯(lián)動(dòng)“響應(yīng)快”、交通信息應(yīng)用“服務(wù)優(yōu)”等目標(biāo)，都離不開人工智能技術(shù)。

人工智能的未來(lái)應(yīng)用，就是把現(xiàn)在交通管理人工做的事情慢慢都通過(guò)系統(tǒng)和設(shè)備來(lái)完成，智能化程度越來(lái)越高，初級(jí)和中級(jí)決策慢慢會(huì)被人工智能決策替代掉，現(xiàn)在所有的智能交通產(chǎn)品和技術(shù)無(wú)非就是為了實(shí)現(xiàn)這個(gè)目標(biāo)。至于人工智能在交通領(lǐng)域的應(yīng)用能不能理性發(fā)展還要看公司本身，但可以肯定的是——需求不可能推動(dòng)理性發(fā)展。

未來(lái)的智能交通，一定是城市交通大腦連接和管理城市交通的所有智能化設(shè)施，所有交通數(shù)據(jù)都匯集到了一個(gè)“大腦”之中，有成千上萬(wàn)的專家輔助決策方案，各個(gè)部門的管理模式都可以和系統(tǒng)相匹配，所作出的決策有跨部門聯(lián)動(dòng)的都可以順利執(zhí)行。要提醒的是，和其他很多技術(shù)一樣，人工智能也不可能解決所有問(wèn)題，尤其是一些非技術(shù)的問(wèn)題，交通運(yùn)輸部公路科學(xué)研究院首席科學(xué)家王笑京就認(rèn)為，需要避免過(guò)度“神化”智能交通技術(shù)應(yīng)用效果，通過(guò)科學(xué)規(guī)劃和系統(tǒng)設(shè)計(jì)形成科學(xué)的交通發(fā)展結(jié)構(gòu)仍然是城市交通發(fā)展的關(guān)鍵工作，智能交通技術(shù)的功能是支撐服務(wù)升級(jí)。

結(jié)語(yǔ)

人工智能是安防領(lǐng)域的未來(lái)，在通往未來(lái)的道路上，還有許許多多障礙和困難需要跨越和克服，但總體趨勢(shì)是樂(lè)觀的，我們堅(jiān)信只有具備自主、個(gè)性化、不斷進(jìn)化完善的人工智能大腦，才能解決安防領(lǐng)域日益增加的需求，成為廣大用戶的專家和助手，提升整個(gè)安防領(lǐng)域的智能化水平，推動(dòng)安防產(chǎn)業(yè)的升級(jí)換代。