关于人工智能大家都怎么说?

Martin Gren

如今,在自动驾驶、医疗应用、搜索引擎、虚拟助手、图像识别等领域,我们都能够发现人工智能(AI)的存在。事实真是如此吗?有人坚持认为现在还没有“真正的”人工智能,创建真正的人工智能应用还需要很多年的时间。那么让我们捋一捋,人工智能到底发展到了什么程度,它能够在社会和监控领域发挥什么样的作用。

人工智能发展到了什么程度?

人工智能这一术语最早出现于1956年,此后经历了几个认识阶段:最初被誉为通往光明新未来的钥匙,后来被视为完全的失败,现在大家则普遍认为它是开发各种应用(包括监控)的一个有益工具。2015年以来,人工智能技术,或者至少它的雏形,已逐渐发展成为我们日常生活的一部分,目前则是许多应用的流行宣传语。

我们可能离真正的智能机器还相距甚远,但人工智能技术已然用于语音识别和搜索引擎,还有医疗保健领域,它可以帮助人们发现癌症的蛛丝马迹。不过,翻译领域还有一定的差距(任何读过机器翻译文本的人都会这么认为),并且到目前为止,自动驾驶汽车和服务机器人也仍然处于原型阶段。

有人预期人工智能最终将会成为监控解决方案的游戏规则改变者,这很容易理解。人工智能系统能够分析海量的数据,当您需要查看数小时的监控图像时,这一功能可谓极具优势。举例来说,人工智能应用可以“学习”被观察对象的移动方式,它有多高或多矮,是否有两只胳膊和两条腿,以及它的移动速度,以此为基础对各种信息进行分类,从而确定对象是否有可能是人类。此外,系统经过编程,还可以告诉您对象的移动方向,以及是否存在多个对象。这种功能在目前的安保和安防领域比较常见。

人工智能、机器学习和深度学习

人工智能是刺激任何智力任务的行为。机器学习(ML)是人工智能的一个重要组成部分,有时候这两种表达可以换用。人工智能利用算法来浏览数据,从中学习,然后开展预测。然而,要想模仿复杂的人脑,计算机就必须经过大量的训练。所谓的深度学习(DL)是机器学习的一种高级实施方式,但它需要大量的数据、高级的分类和多层的分析,以产生“更深层次”的知识。作为一种计算密集型模型,深度学习目前主要用于含有多个GPU处理器的服务器,不过随着边缘设备的计算能力不断提高,有些应用可能也会朝着深度学习的方向发展。

监控领域的人工智能——有目的的设计

无论具备人工智能与否,监控解决方案很少是拿来即用的现货,因为每个企业和每个场所都是独一无二的。所以,了解系统的主要目的和视频的最终用途至关重要。只有当系统适应了场所的特定条件并且得到了适当的维护,图像的可用性才能够实现。因此,重点不在于技术,而在于针对特定用例的解决方案。只有作为设计良好的完整解决方案的一部分,其中人类的专业知识已经考虑到各种有关的因素,人工智能才能够在监控应用中发挥巨大的作用。

监控领域的人工智能——优势

每当涉及到海量数据的处理和分析时,计算机就会击败人类。训练有素的人工智能可以实现更高水平的数据和图像分析。该功能可以实际应用于许多领域。

安全保障

人工智能似乎是预防犯罪和解决犯罪的完美方法。如果设置和配置得当,人工智能系统可以快速关联在多个来源的大量视频资料中检测出的各种事件。有时候,企业还可以受益于更为直接的干预:采用人工智能的监控系统可以触发直接的警报,不待犯罪行为发生便“赶走”潜在的窃贼。

业务优化和智慧城市

人工智能还能够让现有的系统变得更加精确,从而使购物中心的人流或繁忙道路上的车流更加顺畅。通过具备人工智能的监控系统,您可以检测异常的行为模式,并利用这些数据来优化零售业务的运营效率。或者,您可以通过人工智能系统监控主要的道路,从而更好地控制交通流量并对事故报告进行快速响应。

监控领域的人工智能:挑战

人工智能在一系列的应用中拥有巨大的潜力,例如:配置改善、系统优化、网点设计、图像配置和设备管理,这容易让人忘乎所以。但实际上,人工智能仍然存在着一些基本的挑战需要解决。

人类经验胜过人工智能

人工智能应用可以成功检测到“一个正在奔跑的人”,但与能够将数据放入重要环境的人类不同,它无法知道这个人为什么跑——是要赶公共汽车还是因为他刚刚抢劫了银行?尽管将人工智能纳入监控应用的企业做出了这样或那样的承诺,但是计算机仍然无法通过视频获得人类那样的洞察力。精确性的缺乏是人工智能系统目前只能用于决策支持的主要原因。

数据质量

图像的可用性始终最为重要。如果没有高质量的视频素材等“原材料”,人工智能系统就无法分析任何东西。如果摄像机无法应对具有挑战性的照明条件,或者如果拍摄角度是错误的,那么人工智能要么就没有可以分析的内容,要么就会得出错误的结论。树木在风中摆动,或者一个人携带的东西让人工智能系统觉得异常,这些都会触发误报。因此,人工智能只能用来大致确定事件的相关性,然后向人类发出警报,最终由人类来决定如何响应。

计算密集型技术

内存、处理能力和功耗是人工智能领域的最大挑战,特别是对于深度学习应用来说。目前的系统需要大量的空间来存储用于学习的数据,有的是在云端,而有的是在具有多个GPU的服务器上。

结论

人工智能系统在过去几年中发展十分迅速,并在监控领域显示出了巨大的潜力,但我们远未发展出人类水平的智能或“真正的”人工智能。我们尚需时日才能看到自学型监控系统能够在一般情况下做出准确的假设,而不会冒太多发送误报或违反诚信的风险。