為了更全面和深入的了解產(chǎn)業(yè)內(nèi)AI創(chuàng)新技術(shù)的落地應(yīng)用的實況，過去一個月里，a&s對安防人工智能領(lǐng)域產(chǎn)、學(xué)、研機構(gòu)進行了集中走訪，并和相關(guān)資深專家和部分頭部企業(yè)高層展開了深度訪談對話。
在這一系列訪談中，針對當(dāng)前階段人工智能在安防領(lǐng)域的落地應(yīng)用現(xiàn)狀，包括落地應(yīng)用的成熟度、現(xiàn)存的技術(shù)或應(yīng)用瓶頸以及待突破的方向等話題，各路專家及企業(yè)高層紛紛給出了針對性的意見和反饋。
a&s對這些觀點進行了綜合性的梳理和整合，以期能夠給產(chǎn)業(yè)界人士帶來些許參考！
●如何突破人工智能在實際應(yīng)用中的瓶頸問題？
公安三所物聯(lián)網(wǎng)技術(shù)研發(fā)中心研究員梅林博士：
1）實現(xiàn)AI系統(tǒng)價值的最大化?，F(xiàn)階段由于條塊分割措施，使得很多政府投入的設(shè)施局限到誰建誰用，誰建誰管的規(guī)則之中，極大地限制了這些設(shè)施價值的充分發(fā)揮，自然也導(dǎo)致了應(yīng)用成本的加大。公安信息化過程中，創(chuàng)新科技產(chǎn)品和技術(shù)作為一種基礎(chǔ)的設(shè)施投入本身并沒有問題，但投入之后如何實現(xiàn)價值最大化這是一個需要認真思考的問題。
2）加快政策標(biāo)準(zhǔn)制定，重視專用數(shù)據(jù)集建設(shè)。人工智能技術(shù)的發(fā)展是通過海量的數(shù)據(jù)進行驅(qū)動，卓越的算法主要是建立在大量數(shù)據(jù)的投喂和訓(xùn)練基礎(chǔ)之上，這個過程中，由于缺乏適用的數(shù)據(jù)集，很多時候數(shù)據(jù)標(biāo)注的成本便需要由企業(yè)自己來承擔(dān)，企業(yè)為了降低成本或追求速度，很多時候會以犧牲隱私的方式來進行數(shù)據(jù)的采集和標(biāo)注。目前在整個建設(shè)和建設(shè)效益之中最困擾的其實說到底就是數(shù)據(jù)共享的問題，而這個問題需要從國家層面，從政府層面用政策去引導(dǎo)去解決。
3）充分理解應(yīng)用場景需求。具體到技術(shù)的應(yīng)用落地上，主要還有對于場景和業(yè)務(wù)需求的理解。由于人工智能的應(yīng)用特別講求場景化，而每一個行業(yè)領(lǐng)域的應(yīng)用需求其實是非常細化的，這需要企業(yè)花時間和精力專注到用戶端的實際業(yè)務(wù)場景當(dāng)中，充分了解用戶的細微需求，這對于一些初創(chuàng)企業(yè)而言，可能比較具有挑戰(zhàn)性。
4）從商業(yè)模式的設(shè)計著手。在商業(yè)模式的設(shè)計上，也值得諸多企業(yè)認真思考，如何設(shè)計一套真正能夠進行商業(yè)化落地的技術(shù)應(yīng)用模式，讓政府、廠商及用戶均能從這套模式中實現(xiàn)需求的滿足，從而讓產(chǎn)業(yè)實現(xiàn)良性循環(huán)，這是技術(shù)是否能夠落地的一大關(guān)鍵。
復(fù)旦大學(xué)計算機學(xué)院視頻技術(shù)與系統(tǒng)工程研究中心薛向陽博士：
1）強化AI算法模型的泛化能力。AI依賴于應(yīng)用場景，只要場景確定（即各種邊界條件確定），這個時候研發(fā)人員比較容易將應(yīng)用性能等調(diào)整得很好。但如果更換了一個場景，原來那套方法就需要進行再調(diào)整，這也反映出AI算法模型泛化能力不夠，主要以定制化為主，限制了大范圍推廣，因此，強化AI算法模型的泛化能力是推進AI普適應(yīng)用的一大關(guān)鍵。
2）加強產(chǎn)學(xué)研合作。當(dāng)前許多AI算法都是以數(shù)據(jù)驅(qū)動的，需要持續(xù)收集大量特定應(yīng)用場景的數(shù)據(jù)，然后在應(yīng)用中進行持續(xù)迭代優(yōu)化，這個過程所需人力與物力對于許多企業(yè)而言，顯然是一個非常大的技術(shù)、成本和運維等綜合壓力。因此，對于企業(yè)而言，產(chǎn)學(xué)研合作模式可以一定程度上緩解企業(yè)的各方面壓力，大家形成合力共同推進AI在行業(yè)領(lǐng)域更好的落地應(yīng)用。
來源：a&s安防知識網(wǎng)
下載文檔
