在黑白棋子的搏殺場，一場人腦與機腦的全球腦王大戰，最終以李世石投子認輸落下帷幕，為何賽前被寄予厚望的李世石會敗給古力口中“業余六七段”的谷歌Alphago？
深度學習技術是制勝關鍵
對此，谷歌DeepMind實驗室主管德米斯-哈撒比斯(DemisHassabis)表示，“國際象棋每步大約會出現35種左右的走位可能，而圍棋的走位可能則高達250種，每一步250種相乘就意味著整局比賽會出現多到幾乎無窮盡的走位方案。Alphago在擊敗歐洲圍棋冠軍樊麾時學習了3000萬盤棋，而經過將近半年的學習，這個數量已經增長到1億以上。
難道Alphago是靠死記硬背嗎?顯然不是，其實是Alphago深度學習發揮了作用。AlphaGo的核心是兩種不同的深度神經網絡。“策略網絡”(policynetwork)和“值網絡”(valuenetwork)。它們的任務在于合作“挑選”出那些比較有前途的棋步，拋棄明顯的差棋，從而將計算量控制在計算機可以完成的范圍里，本質上和人類棋手所做的一樣。其中，“值網絡”負責減少搜索的深度——AI會一邊推算一邊判斷局面，局面明顯劣勢的時候，就直接拋棄某些路線，不用一條道算到黑;而“策略網絡”負責減少搜索的寬度——面對眼前的一盤棋，有些棋步是明顯不該走的，比如不該隨便送子給別人吃。利用蒙特卡洛擬合，將這些信息放入一個概率函數，AI就不用給每一步以同樣的重視程度，而可以重點分析那些有戲的棋著。
深度學習技術正在快速發展
在科技領域，近年來深度學習的技術，非常大的數據量和計算量可以擴張地使用，超過了我們的想象。同時我們也對人所謂的智力，當時有一些錯誤的幻想，實際上深度學習的成長非常的快速，它可以非常好地利用更多地機器。
能夠擁有如此快速的提升，毫無疑問得益于世界科技巨擘們的投入。谷歌已經把人工智能作為未來科技競爭的制高點，對人工智能領域的創新投入正在加大，包括收購大量的人工智能領域的創新公司，成立量子人工智能實驗室，以及全球最大規模的人工智能神經網絡。
蘋果公司則沒有谷歌如此大的野心，蘋果更側重于現有商業模式的整合應用。因此在去年10月收購一家人工智能企業——英國語音技術初創公司VocalIQ，最主要開發人工智能軟件，能夠幫助計算機與用戶進行更為自然的對話，這將有助于蘋果改進Siri，更注重商業化的應用。
深度學習技術在安防的應用
目前為止，人工智能商業化的主要方向主要包含以下幾個方面的內容：自然語言處理(包括語音和語義識別、自動翻譯)、計算機視覺(圖像識別)、知識表示、機器與機器人學。這些AI的深度學習技術主要的應用場景有搜索、移動支付、機器人、智能硬件、智能醫療、智能汽車等。
在安防領域，深度學習技術主要應用于監控攝像機，因為行業領域對車牌識別、人臉識別、軌跡行為等智能分析的需求逐漸加大，使得很多從事智能分析的初創公司進入安防領域，通過合作或者純技術支持的方式，讓安防智能分析業務在大數據、云計算等技術框架下，不僅解決了用戶對監控的基本需求，還能給用戶提供數據報表、數據分析等附加值高的需求，并且在解決復雜場景人臉識別、不同監控畫面準確識別同一人物等領域表現出誘人的應用前景，給公安、交通等執法部門在業務上帶來極高的效率。
對于安防人工智能的理解，宇視科技有限公司的理解是——智能是一個完整的智能體系，安防行業攝像機是非常重要的智能硬件載體，視頻監控從看到—看清—看懂，其實就是要讓攝像機變得更加智能化。看懂就是要讓攝像機變得智能，從今天的技術領域的交叉去分析，如果要去定義智能的話，一定是從“物聯網—云計算—大數據”三位一體的能力。這三種技術架構疊加起來就是AI——人工智能。也就是說物聯網、云計算、大數據就是對人一個形態的模擬。具體到安防產業，有兩個名詞的頻率是非常高的，一個叫安防IT化，從早期的1.0到今年的2.0階段;另外一個就是“互聯網+”，在互聯網的框架下，實現安防業務模式及技術的多樣化。所以整個安防IT化的過程，實際上要解決三個問題：數據的結構化，業務的智能化，應用大數據化。總結起來，就是三大智能：結構化的智能、業務的智能、大數據的智能。
人機博弈并不會因為一場圍棋的輸贏而能早下定論，但人工智能從誕生之日開始，一直作為反映人臉智慧的一面鏡子存在。深度學習技術在安防的應用，當前也主要是以某個“技術奇點”進入到攝像機中，這個過程更像是監控攝像機的“智能大腦”在進行模塊化的組合，有點當年火車逐漸超越馬車的感覺。但是當有一天，攝像機的監控大腦因為能夠更好地組合眾多的“技術奇點”而產生“智能爆炸”效應之后，那將是從“木桶理論”向“新木桶理論”飛躍的過程。
京公網安備 11010502049343號