海康威视研究院院长浦世亮：海康AI开放平台如何破解落地应用瓶颈？

文章内容转载自：安防知识网

不同于技术的单点突破，人工智能作为一项赋能型技术，技术本身的演化是一方面，但落到实际行业领域中，仍然需要综合考虑场景的适用性、应用成本以及技术的泛化能力等问题。面对丰富且零碎的行业场景，如何推进AI的赋能作用，这是一个关键问题。海康威视高级副总裁、研究院院长浦世亮先生访谈内容涵盖了浦院长对AI落地应用的现状、遭遇的瓶颈问题、AI赋能方式以及未来的趋势预判等全方位的观点分享。

采访/a&s总经理、总编辑 关玉娟

海康威视高级副总裁-研究院院长-浦世亮.

关玉娟：您如何看待近年来人工智能在安防领域的落地应用现状？

浦世亮：这一轮人工智能热潮发展至今已有四五年的时间，对于安防产业而言，人工智能并不是新鲜的技术诉求，因为在很久以前行业就被这样的需求所驱动，视频监控从“看得清”到“看得懂”，需求一直存在，因为这是用技防去替代人防的一个核心能力。但很久以来产业仍处于一种技术与用户需求或方案需求之间存在巨大鸿沟的状态。

在深度学习出现之前，人工智能在安防领域的应用十分受限，没有办法大规模推广，基本只有车牌识别的应用相对成熟，因为它的应用场景相对规范。人脸识别虽然应用需求广泛，但由于场景的复杂性，极大地限制了人脸识别的大规模普及应用。

然而这一轮人工智能技术的发展，使得现有的人工智能尤其在计算机视觉领域的性能实现了极大的突破，所以我们现在会更泛化的去看待安防领域的人工智能。它并不仅仅局限在安全管理上，视频监控其实更多是一种视觉传感器的角色，有了AI加持之后，它可以提取更丰富的数据信息，把物理世界进行数字化转化，然后为包括安防和更多其他实体经济的行业领域赋能。

关玉娟：当前阶段，人工智能的实际效能和用户真实需求之间大概契合到了什么程度？

浦世亮：当下人工智能虽然泛化能力提升了很多，但仍然处于有监督学习的阶段，自主学习技术还不成熟，致使现阶段的人工智能更多只适用于受任务限制和场景约束的场景。

以智慧城市这个大的应用领域为例，智慧城市中所有的问题无法用一套统一的算法去解决，而是要辅以具体任务和场景进行约束，比如具体的交通违法处理、智慧停车等场景，在详细地了解了场景的实用需求之后，通过充分的数据采集、样本训练，针对场景开发的AI算法才能实现更好的效能和作用。

现阶段，人工智能主流的应用方式是基于监督学习，用海量数据驱动算法。半监督学习或自主学习是学术界的研究热点，但在行业领域，目前仍是弱人工智能的应用。

关玉娟：弱人工智能这几年提升比较明显的技术点以及应用最为成熟的细分场景主要有哪些?

浦世亮：人工智能已成熟落地应用的行业领域其实非常多，比如智慧社区，仅就小区物业而言，人工智能便可应用于社区安全管理、消防管理、人员/车辆管理、高空抛物、垃圾清运等系列环节的管理；在商超零售领域，基于AI技术的商品防损、货架盘点、智能零售货柜等细分需求也多达几十种。另外在金融、教育、司法、医疗等众多行业领域，AI的应用需求相当广泛，且以碎片化的形式存在。

“场景”和“碎片化”是人工智能产业应用中的两大关键词，不论是“AI+行业”还是“行业+AI”，它背后其实体现的是两种技术思路和商业思路，前者是利用AI去颠覆行业，后者则是通过AI来为行业赋能。由于AI应用场景相当碎片化，其中需要大量的行业应用知识和领域知识，所以真正能够发展得比较好的应该是“行业+AI”，即把AI作为一种工具去赋能这个行业的用户，然后基于用户所掌握的行业应用知识，来完成技术的效能转化。

2017年，国务院在最新一代人工智能发展规划中称，到2030年中国人工智能产业竞争力将达到国际领先水平，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。这个数字看起来非常遥远，但真正进入到行业中去了解，10万亿产业规模其实未来可期。

这也引出了海康威视对于人工智能业务的未来战略，面对如此丰富和零碎的行业场景，相比于用项目式的方式一个个去帮用户解决问题，平台式的赋能方式更能够促进万众创新和群智的涌现。怎样才能使数量众多的传统产业用户受益于人工智能技术的发展？我们将算法、产品、云服务等提炼成一套通用、灵活又方便调用的体系来完成对人工智能的集成，通过这种方式将技术分享出去，让“天下没有难做的AI”。AI开放平台为用户提供了人工智能技术平台和应用工具，基于平台的能力，用户可以自己操作、便捷快速的满足AI应用需求。

关玉娟：人工智能落地应用面临的主要瓶颈问题有哪些？

浦世亮：当下AI开放平台品类繁多，并不是说随便给用户一套平台工具，用户就可以上手用，其中仍存在着一些瓶颈：

第一是数据瓶颈。人工智能由海量的数据来进行驱动，首先要保证数据的体量规模，其次数据要是被人为标定监督过的。作为平台提供商，首要任务是帮助用户突破数据瓶颈。

第二是算法瓶颈。当前阶段的AI算法人才资源仍比较稀缺，用人成本高昂。但人工智能技术研发，算法人才是关键，算法团队的组建是必不可少且需要长期高成本投入的环节，对于大量传统企业而言，这也是一个极大的考验。

第三是计算资源和训练资源。人工智能算法训练必须基于相关的并行训练系统，通过海量数据的导入进行算法训练，期间还需要做各种调试，这对并行训练系统的性能水平有很高的要求，这种计算资源和训练资源也是一个显著的瓶颈。

第四是产品端的瓶颈。现在大量的人工智能系统应用主推的是云端方案，并不是因为云端方案应用效能最好或是成本最低，而是因为云端方案对于硬件产品的要求相对最低，因为大量的用户（集成商）甚至AI初创企业，并不具备硬件产品资源，在没有更多方案可供选择的时候，云端方案或许并非最优解但是是时下的选择。

最后是系统，要有完整的人工智能解决方案，系统集成与应用开发资源投入是很大的，这也是一个瓶颈。

只有突破了这五大瓶颈，我们才能真正的落实AI在实体行业中的赋能作用，而这也是海康威视决定构建AI开放平台的主要目的。

关玉娟：海康威视AI开放平台如何实现这五大瓶颈的突破?

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!