3.0 阶段体现在应用主导个性化和 AI 解决方案的敏捷交付。
2020 年 9 月 5 日,由雷锋网& AI 掘金志主办的「第三届中国人工智能安防峰会」在杭州正式召开。
本届峰会以「洗牌结束,格局重构」为主题,会上代表未来新十年的 15 家企业,为现场 1000 余位听众和线上几十万观众,分享迎接安防新十年的经营理念与技术应用方法论。
峰会之上,大华股份先进技术研究院院长殷俊带来了题为「AI 行业应用,产业升级」的精彩演讲。
殷俊认为,AI 经历了理论研究的 1.0、智能落地的 2.0,目前处于行业智能的 3.0 阶段。
AI 1.0 时期是“两耳不闻窗外事,一心只读圣贤书”,计算力不够,数据有限,算法不成熟;
2.0 阶段是“纸上得来终觉浅,绝知此事要躬行”,算法、算力有了突破,成熟的算法寻找落地场景;
3.0 阶段是“忽如一夜春风来,千树万树梨花开”,行业最需要的不仅是一套算法、一套系统,而是企业解决客户痛点和需求的能力。
在行业智能背景下,人工智能需要具备的基础能力包括:一是 AI 技术泛化、快速迁移新应用的能力;二是应用牵引,快速适配新需求的能力。
殷俊认为在 3.0 阶段是应用主导个性化和 AI 解决方案的敏捷交付。
在这个过程中,首先要构建人工智能解决方案的端到端体系化能力,大华已经在四个方向做了重点布局:系统架构、数据智能、智能工程化、智能技术。
除了构建以上核心能力,大华还开放全栈能力,赋能行业生态,并在实战中持续积累人工智能核心技术,针对全场景理解、小规模数据、泛化能力、多任务学习和 AutoML 的人工智能五大技术挑战,开展实践探索,并已取得出色的实战应用成果。
最后,殷俊强调,AI 目前还是依赖人工为主,大华希望未来在行业共同努力下,能够真正转向 AI 的自我智能,推动行业智慧化落地。
以下是殷俊现场演讲全文,雷锋网 AI 掘金志作了不改变原意的整理与编辑:
殷俊:大家好!感谢雷锋网的邀请,在座的有很多都是老朋友了,非常开心每年都能够和大家聚一次。
过去三年时间,我们一直在讨论人工智能到底是什么?
如今,AI 已经可以赋能各行各业,包括在很多碎片化场景中,也可以看到 AI 的身影了。今天我想跟大家分享的话题是:“AI 行业应用,产业升级”。
过去两年,数字经济这个词特别火热,安防也被称之为数字安防,数字安防实际上经历了很多次的更新与迭代。
从最早的数字化、网络化到今天的智慧化,AI 的到来使得智慧化转型成为可能,在践行的过程中,我们首先需要思考:AI 如何才能实现商业化,毕竟技术不可能一直投入,得不到产出。
2018 年,在雷锋网组织的第一届人工智能安防峰会上,我们探讨了 AI 如何去推动行业变革。
2019 年,在雷锋网组织的第二届人工智能安防峰会上,我们谈到了如何去提升场景化的应用体验。
今年,我们将谈谈 AI 如何真正持续落地,产生商业价值,以实现智慧化转型。
首先我们认为,AI 已从 1.0 阶段发展到了今天的 3.0 阶段。
什么叫 AI 1.0 阶段?这个阶段大家都在研究各式各样的算法,我们可以形象地称之为“闭门思过”。
为什么会这样?因为那时候计算力不够、信任度不够、算法不成熟,数据也很稀缺,所以也可以总结为:两耳不闻窗外事,一心只读圣贤书。
AI 2.0 阶段,算力得到了一定的突破,算法也可以阶段性落地,譬如之前的车牌、人脸等识别,可以用 AI 进行部分功能替代,这个阶段我们总结为:纸上得来终觉浅,绝知此事要躬行。
今天到了 AI 3.0 阶段,我们要谈的不是做出一套非常厉害的算法、也不是做出一套非常厉害的系统,而是需要弄清楚客户究竟需要什么功能?而我们能够提供什么样的能力?
这个时候就会发现,真正的 3.0 阶段可以称之为:忽如一夜春风来,千树万树梨花开,也就是真正到了万紫千红绽放所有的行业生态的阶段。
面对这个阶段,大量行业应用驱动人工智能需求的快速加载,为匹配智慧化的服务要求,两大能力最为关键。
第一,AI 技术要能够泛化。不同行业会有很大的差异,但基础的 AI 能力能够快速迁移到新应用,比如大华以前做车牌识别做交通管控的应用,在民生服务领域,大华将这个技术快速迁移,应用到智慧停车场及绿色停车位等领域。
第二,面向一个新型、突发性的应用需求,能够有快速适配的能力。正是因为具备这样的能力,在今年疫情之初,大华在短短的 7 天时间实现研发并量产超高精度的测温系统。
基去这个两个点,以人工智能为工具,可以为包括政府端、企业端、To C 端提供各类各样的智慧化服务。
另外,AI 3.0 阶段还应该是应用主导个性化 AI 解决方案的敏捷交付。
在这个过程中大华认为,首先要构建人工智能解决方案端到端的体系化能力,重点构建系统架构、数据智能、智能工程化、智能技术四大基础能力,保证我们做实智慧化的应用服务。
同时,不仅仅要聚焦人工智能本身,更重要的是通过物联网与人工智能的融合,积极、高效响应各行业的应用需求。
幸运的是,身处 AI 3.0 阶段,大华已经锻造了三种能力:
第一,我们有一套完整的技术体系架构,基于丰富的硬件与软件资源,大华已实现了以业务导向的快速定制体系,解决了 AI 加载、算力与资源调配、安全等实际问题,从而保证技术快速落地,实现高质量、高可靠性、弹性的稳定交付。
第二,我们有一套完整的数据智能闭环,在数据智能上,除了解决智能化本身的问题,还需要建立数据从“数据获取、数据治理、数据管理到数据分析”的完整的数据链路闭环。大华利用长期积累的大量行业经验、实践经验、数据经验,建立了一整套从感知到智能到数据环境的数据智能的闭环。
第三,我们有一套完整的工程体系,大华已建立面向人工智能快速部署的完整工程体系,加快从技术到产品到商业落地的转化效率。此外,在整体系统运行上,大华在端、边、云的数据统一、系统调度和数据链路做了大量的工作,实现真正的端、边、云数据协同,从而保证系统最优地运行效率和用户体验。
基于刚才所提的架构体系,我举一个例子。
比如我们基于自身的感知能力做生态环保,可以真正面向客户的作业管控需求,形成一个完整闭环;同时我们还会根据业务的不同实现快速加载,完成服务端可弹性的兼容,如标尺、污染物、水表、卡尺等方面的应用,以及未来在生态环保方面其他更多的业务应用需求,都可基于我们弹性的技术架构做到快速扩充。同时在中间能力方面,包括基础设施、IoT 物联网等能力也可以无限拓展。
回到数据智能,我们认为在整个数据世界里面其实什么都没有,唯一有的要素就是数据。
对于数据来说,从采集到应用,其实整个过程非常辛苦。通过人工智能等手段去做感知数据的真正结构化,这是一个层层递增的纬度问题。基于此,去年安博会期间,大华提出了通过 AIoT 构建我们的四维数字世界,来构建智慧孪生的过程。
在这个构建过程中,我们认为人工智能不是一个点状的问题,而是一个产业链的问题。
人工智能的应用不会是单一算法问题,而是以全链路的数据为基础,强调的是通过数据智能与人机协同,用贴合业务的人工智能解决方案满足智慧化的需求,这对在线系统的全网设备与计算能力管控与调度,人工智能的加载,多维度感知技术等提出了更高的要求。
所以大华在构建人工智能体系的过程中,考虑到了包括算力的构建、核心算法的构建、面向各个行业应用的构建,以及我们如何去覆盖各个产品类型的逻辑。
当然,只是解决了数据智能化还不够,还需要对数据进行挖掘、整合、分析。
所以我们构建了一条完整的数据链路,从数据管理、数据治理、数据知识加上人的经验,来实现数据智能的闭环。
我们认为,此前的数据智能更多的还是基础智能加上人工经验辅助,还不能达到自我智能。
未来,从经验式的数据智能,到自我决策的逻辑,需要通过大量的数据经验、人为经验,包括行业经验,来满足我们在数据智能这方面能力的提升。
另外一块是工程化逻辑,就是如何能够快速产生人工智能能力。
我们在构建这方面能力的时候,主要考虑到了两个点:第一把整个平台做好,这样才能做到从数据到算法快速的生成。
第二需要满足现场快速定制化的要求,包括数据隐私、数据安全性问题。
基于此,我们构建了一大一小两大数据训练平台,包括大华巨灵人工智能开发平台、大华巨灵人工智能开发工作站,以实现我们的 AI 快速标准化和定制化的过程。
同时,我们也发现,近几年中国出现了很多芯片公司,我们会面临更多芯片的选型问题。基于此,我们也构建了一套完整的供应链体系,来实现面向所有芯片的快速部署,加快我们从技术到产品,到商业落地的转化效率。
另一方面,在整个系统中,我们还要完善端侧、边侧、云侧大小系统融合过程中数据连通、数据融合、数据一致性的问题,来优化全网资源配置、算力统一调配,保证数据一致性。
除此之外,我们还要和合作伙伴们去做互联互通。
从云端到智能应用,从算法仓库到硬件产品,我们在每一层都会提供开放能力,我们希望和所有合作伙伴一起开放共赢。
当然,AI 虽然现在可以做到部分商业化落地,但未来还有很大的提升空间。
我们认为人工智能未来在五大方面可能会有比较大的提升,包括全场景理解、小规模数据、算法的泛化能力、多任务学习以及 AutoML 过程。
先来谈谈全场景理解。以前的交通路口 AI 应用,其实只能叫做半人工智能,因为很多规则需要提前部署,我们会划出很多规则线,告诉相机哪个是斑马线、哪个是红绿灯、哪个是道路线,这个工程量其实很大。
后面我们把交通要素全部标识出来,做成了一个全域智能模型,也就是说不用再人工配置了。
对于产品解决方案来说,这是一个非常好的提升方向。我们认为,未来的 AI 发展趋势,在于对全环境的感知,让它能够自适应理解全场景,而不用人为地告知目标对象属性。
小数据这个问题,刚才杨教授也讲到了,未来不会有大量的数据给到你,需要你通过数据生成和迁移学习快速实现新功能开发。
其实通过小量数据样本,也可以得到一个比较好的数据模型,我们会做一些训练模型,希望通过这些尝试,帮助人们快速降低算法成本。
第三块叫做泛化能力,视频应用环境各式各样,有白天、晚上、下雨、曝光,不同环境下的成像都不太相同。
这时候通过我们的系统能力去提升算法的鲁棒性,来减少对场景的依赖至关重要。我们认为实战是检验算法性能的唯一标准,而不是实验室指标高一个点、低一个点。
再来,我们还要解决多任务问题。为了实现一个场景应用,现在一套算法做下来,可能有十几二十个模型。未来,我们希望利用多任务学习技术,提升计算资源利用率,在有限计算资源的条件下,实现多算法融合,让算法训练更简单。
最后一点,这也是我们的一个梦想,我们希望通过 AI 的设计语言,来实现编译部署和编译环境。大华内部有一套 DAIL 的编译器和语言,虽然大部分的内容还是开源或者引入。但未来我们也希望能够开发出一套国产化的 EDA 工具,来简化整个行业智能算法的开发和部署过程。
今天讲到了很多内容,总结一下,主要有三个点:
1、AI 会长期处于第三阶段;
2、应用会主导 AI 个性化发展;
3、AI 目前还是依赖人工为主,未来会真正转向自我智能,实现人工智能的快速落地与技术普惠。
上一篇:温度对电机效率的影响
下一篇:数控机床的故障诊断法
推荐阅读
史海拾趣
随着科技的不断发展,电子行业面临着日新月异的技术变革。为了保持竞争优势,双岭电子始终坚持创新驱动的发展理念。公司投入大量资金用于研发新技术、新产品,并鼓励员工提出创新性的想法和建议。通过不断的创新实践,双岭电子成功推出了MOS型场效应晶体管和CMOS集成电路等高端产品,进一步巩固了公司在行业中的领先地位。
在稳步发展的同时,苏州锋驰也积极拓展对外合作与投资。公司共对外投资了3家企业,并通过这些投资进一步拓宽了业务范围和市场渠道。这些合作不仅为苏州锋驰带来了更多的技术资源和市场机会,也增强了公司的综合竞争力。同时,公司还积极与上下游企业建立紧密的合作关系,形成了良好的产业生态。
自1981年成立以来,ECE公司始终将技术创新作为发展的核心驱动力。早期,公司专注于电子元器件的研发和生产,通过引进国际先进技术,并结合本地市场需求进行创新,成功推出了一系列具有竞争力的产品。随着技术的不断进步,ECE公司不断加大研发投入,积极探索新的应用领域,逐渐成为电子行业的领军企业。
博众电气深知人才是企业发展的核心力量。因此,公司高度重视人才培养和团队建设。通过引进优秀人才、建立完善的培训体系、营造良好的企业文化等措施,博众电气成功打造了一支高素质、专业化的团队。这支团队不仅为公司的发展提供了有力的人才保障,还为公司不断创新和进步注入了源源不断的动力。
这五个故事只是博众电气发展起来的冰山一角。在电子行业的激烈竞争中,博众电气凭借技术突破、质量管理体系建设、环保理念、国际化战略以及人才培养与团队建设等举措,不断壮大自身实力,逐步成为行业内的佼佼者。未来,博众电气将继续秉持创新、质量、环保、国际化和人才的理念,不断追求卓越,为实现更加辉煌的成就而努力拼搏。
CCS是开放的软件平台,它可以支持不同的硬件接口,因此不同的硬件接口必须通过标准的Driver同CCS连接。 Driver安装的常见问题? 请认真阅读“安装手册”和Driver盘中的Readme。 1)对于SEED-XDS,安装Readme中的步骤,将I/O口设为240/280/320/34 ...… 查看全部问答∨ |
|
大家过来试用下这个串口调试软件——SuperCom 号称是世界上最酷的 设计者:X 邮箱:lin_yu_cheng@126.com (注:用户有任何建议或使用问题欢迎联系作者) 软件简介: SuperCom是广州信先行电子科技有限公司(www.xxxmcu.com)自主开发的免费开放软件,专门设计贡献给广大电子开发者,堪称为世界上最酷的串口调 ...… 查看全部问答∨ |
rt, 版主在这个帖子中是不是说TIM2的CH4不能做PWM输入, https://bbs.eeworld.com.cn/icview-109870-1-1.html 那能做输出吗?我想设置成TIM2的CH4作PWM输出,连接一个蜂鸣器,可行吗?… 查看全部问答∨ |
最近在用MSP430F149做一个谐波检测的功能,听说FFT能够实现,但是无从下手,希望高手们能够指教,或给出FFT程序,或给出学习的方法均可,谢谢大家能帮忙了~~~… 查看全部问答∨ |