如何看待人工智慧發展?

Martin Gren

當今在自動駕駛、醫療應用、搜尋引擎、虛擬助手、影像識別等領域,我們都發現人工智慧(AI)的存在。事實真是如此嗎?有人堅持認為現在還沒有真正的人工智慧,建立真正的人工智慧應用還需要很多年的時間。讓我們一同深入了解,人工智慧究竟發展到什麼程度,它能夠在社會與監控領域發揮什麼作用。

人工智慧發展到什麼程度?

人工智慧此一專業用語最早出現於1956年,此後經歷了幾個認識階段:最初被稱為通往光明新未來的鑰匙,後來被視為完全的失敗,現在大家則普遍認為它是開發各種應用(包括監控)的一個有效工具。2015年以來,人工智慧技術或者至少它的雛形,已逐漸發展成為我們日常生活的一部分,目前則是許多應用的流行宣傳用語。

我們可能離真正的智慧型機器還相距甚遠,但人工智慧技術已然用於語音辨識與搜尋引擎,以及醫療保健領域,它可以幫助人發現癌症的蛛絲馬跡。不過,翻譯的應用領域還有一定的差距(任何讀過機器翻譯文本的人都會這麼認為),且到目前為止,自動駕駛汽車與服務機器人也仍然處於原型階段。

有些人預期人工智慧最終將會成為監控解決方案的遊戲規則改變者,這很容易理解。人工智慧系統能夠分析海量的資料,當您需要查看數小時的監控影像時,這一功能可謂極具優勢。舉例來說,人工智慧應用可以學習被觀察物件的移動方式,它有多高或多矮,是否有兩隻手臂和兩條腿,以及它的移動速度,以此為基礎對各種資訊進行分類,從而確定目標物是否有可能是人類。此外,系統經過程式設計,還可以告訴您目標物的移動方向,以及是否存在多個物件。此項功能在目前的安防領域比較常見。

人工智慧用於安防監控-根據目的設計

無論具備人工智慧與否,監控解決方案很少能開箱即用,因為每個企業與場所都是獨一無二的。所以,瞭解系統的主要目的與影像的最終用途至關重要。只有當系統適應了場所的特定條件並且得到適當的維護,影像的可用性才能夠落實。因此,重點不在於技術,而在於針對特定用途的解決方案。只有在作為設計完善的完整解決方案一部分,且其中人類的專業知識已經考慮到各種有關的因素,人工智慧才能夠在監控應用中發揮巨大的作用。

人工智慧用於安防監控-優勢

每當涉及到海量資料的處理與分析時,電腦就會擊敗人類。訓練有素的人工智慧可以實現更高水準的資料和影像分析。該功能可以實際應用於許多領域。

安全&安防

人工智慧似乎是預防犯罪和解決犯罪的絕佳方法。如果建立與配置得當,人工智慧系統可以在多個來源的大量影像資料中針對偵測種事件進行快速關聯。有時候,企業還可以受益於更直接的介入:採用人工智慧的監控系統可以直接觸發警報,不用等到犯罪行為發生,便能先趕走潛在的竊賊。

營運優化與智慧城市

人工智慧還能夠讓現有的系統變得更加精確,從而使購物中心的人流或繁忙道路上的車流更加順暢。透過具備人工智慧的監控系統,您可以檢測異常的行為模式,並利用這些資料來優化零售業務的營運效率。或者,您可以透過人工智慧系統監控主要的道路,從而更效地控制交通流量並對事故報告進行快速回應。

人工智慧、機器學習及深度學習

人工智慧是刺激任何智能任務的行為。機器學習(ML)是人工智慧的一個重要組成部分,有時候這兩種表達可以換用。人工智慧利用演算法來流覽資料,從中學習,然後開展預測。然而,要想模仿複雜的人腦,電腦就必須經過大量的訓練。所謂的深度學習(DL)是機器學習的一種進級執行方式,但它需要大量的資料、進級的分類與多層的分析,以產生“更深層次”的知識。作為一種計算密集型模型,深度學習目前主要用於含有多個GPU處理器的伺服器,不過隨著邊  際設備的計算能力不斷提高,有些應用可能也會朝著深度學習的方向發展。

人工智慧用於安防監控:挑戰

人工智慧在一系列應用中擁有巨大的潛力,例如:配置改善、系統優化、網點設計、影像配置和設備管理。但實際上,人工智慧仍然存在著一些基本的挑戰需要解決。

人類經驗勝過人工智慧

人工智慧應用可以成功偵測到“一個正在奔跑的人”,但與能夠將資料放入重要環境的人類不同,它無法知道這個人為什麼跑——是要趕公共汽車還是因為他剛剛搶劫了銀行?儘管將人工智慧整合至監控應用的企業做出了許多承諾,但是電腦仍然無法透過影像獲得人類般的洞察力。缺乏精準性是人工智慧系統目前只能用於支援決策的主要原因。

資料品質

影像的可用性始終最為重要。如果沒有高品質的影像素材等原材料,人工智慧系統就無法分析任何東西。如果攝影機無法應對具有挑戰性的照明條件,或者如果拍攝角度是錯誤的,人工智慧可能就沒有可以分析的內容,或是產生錯誤的結論。樹木在風中擺動,或者一個人攜帶的東西讓人工智慧系統覺得異常,這些都會觸發誤報。因此,人工智慧只能用來大致確定事件的相關性,然後向人類發出警報,最終由人類來決定如何回應。

計算密集型技術

記憶體、處理能力和功耗是人工智慧領域的最大挑戰,特別是對於深度學習應用而言。目前的系統需要大量的空間來存儲用於學習的資料,有的是在雲端,而有的是在具有多個GPU的伺服器上。

結論

人工智慧系統在過去幾年中發展十分迅速,並在監控領域顯示出了巨大的潛力,但我們尚未發展出人類水準的智慧或“真正的”人工智慧。我們還需一些時間才能看到自學型監控系統能夠在一般情況下做出準確的假設,而不會導致太多發送誤報或違反誠信的風險。

 

進一步瞭解影響我們業務和安防行業的六大趨勢:

2019年技術發展趨勢