0
| 本文作者： 張瑞 | 2019-04-28 11:04 |
4月27日，正值清華108周年校慶，清華AI使能平臺也就此發(fā)布。
隨著人工智能的進一步落地，安防、汽車、醫(yī)療、智能家居及智能制造等領(lǐng)域，都面臨著更多的機遇和挑戰(zhàn)，各種開源的深度學習平臺也隨之而出。
2015年，Google正式開放TensorFlow，其目前已成為世界上最大的開源深度學習平臺，Caffe位列其后。但我國尚未形成具有國際影響力的人工智能開源平臺，這也是目前的短板之一。
2016年下半年，百度開源了國內(nèi)首個深度學習開源平臺PaddlePaddle，之后騰訊、阿里相繼推出深度學習開發(fā)框架。
清華大學則在去年9月，發(fā)布了人工智能開放平臺，可支持開發(fā)者SDK調(diào)用、圖像語音識別服務(wù)、大數(shù)據(jù)集、人工智能應用解決方案等功能。
今年4月，清華大學決定將這一開放平臺，進行升級。
而為何要把“AI開放平臺”，升級為“AI使能平臺”，清華大學電子系教授、媒體大數(shù)據(jù)認知計算研究中心主任王生進在演講中給出的答案是：隨著AI的逐步落地，要解決的場景問題越來越復雜。對應的，AI不是一個單點的技術(shù)，是一個系統(tǒng)工程。一個系統(tǒng)的工程，單靠一個簡單的AI開放平臺是無法實現(xiàn)的。
以安防領(lǐng)域為例，王生進認為，智能安防目前已經(jīng)成為“AI落地最好、最領(lǐng)先的領(lǐng)域”，海量視頻監(jiān)控數(shù)據(jù)的智能識別、邊緣計算、視頻內(nèi)容的結(jié)構(gòu)化描述等技術(shù)都實現(xiàn)了較好的應用。
但也存在以下發(fā)展趨勢和要面臨的困難：
標清向高清和4K化：監(jiān)控系統(tǒng)更新?lián)Q代，海量數(shù)據(jù)分析；
前端攝像頭的邊緣智能化：嵌入式AI前端，AI芯片、小型化；
多源數(shù)據(jù)互聯(lián)互通：傳輸行業(yè)標準，多源數(shù)據(jù)結(jié)構(gòu)化；
智能視頻分析設(shè)備：智能分析算法、SDK化，信息聯(lián)動；
尤其在過往基于AI開放平臺的服務(wù)中，清華發(fā)現(xiàn)，如果企業(yè)單獨下載一個SDK，在實際應用中，并沒有辦法實現(xiàn)完整的功能。
王生進舉了兩個典型例子，在安防領(lǐng)域的人臉識別和車輛違章判別中。單一的識別，無法解決人臉的遮擋問題，以及特殊情境下的車輛違章判別問題。
而跨攝像頭的ReID技術(shù)，則能更好解決遮擋這一問題；車輛ReID技術(shù)定位違章車輛、車道線線檢測、特殊標志檢測等綜合技術(shù)，也能更好的進行車輛違章的二次判別。
這些綜合技術(shù)的實現(xiàn)，就需要平臺能力的提升——由以往中心控制、中心管理為主的AI賦能模式，向增強用戶AI能力、構(gòu)建用戶AI技術(shù)中心的使能模式轉(zhuǎn)化，使用戶成為具有AI技術(shù)能力的企業(yè)，即“AI使能平臺”的開放。
以下是王生進的演講《在人工智能+的機遇中，讓AI更使能》原文，雷鋒網(wǎng)做了不改變原意的整理和編輯：
首先來看下我們國家和政府對AI的重視程度。
目前，人工智能已經(jīng)成為世界范圍內(nèi)的熱點和話題，從國家領(lǐng)導到政府、企業(yè)到科研機構(gòu)，都在人工智能上注入了很多的精力和資源。
2018年10月，總書記專門組織人學習了人工智能，在今年的政府工作報告中，提出了“智能+”的概念。國務(wù)院在2017年《新一代人工智能發(fā)展規(guī)劃》中，提出了“1+N”人工智能項目群。
其中，“1”是指新一代人工智能重大科技項目，聚焦基礎(chǔ)理論和關(guān)鍵共性技術(shù)的前瞻布局，包括研究大數(shù)據(jù)智能、跨媒體感知計算、混合增強智能、群體智能、自主協(xié)同控制與決策等理論。
“N”是指國家相關(guān)規(guī)劃計劃中部署的人工智能研發(fā)項目，加快腦科學與類腦計算、量子信息與量子計算、智能制造與機器人、大數(shù)據(jù)等研究。
并且，提出了新一代人工智能發(fā)展分三步走的戰(zhàn)略目標，
第一步：到2020年人工智能總體技術(shù)和應用與世界先進水平同步，人工智能核心產(chǎn)業(yè)規(guī)模超過1500億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過1萬億元；第二步：到2025年人工智能基礎(chǔ)理論實現(xiàn)重大突破，人工智能核心產(chǎn)業(yè)規(guī)模超過4000億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過5萬億元；第三步：到2030年，成為世界主要人工智能創(chuàng)新中心，人工智能核心產(chǎn)業(yè)規(guī)模超過1萬億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過10萬億元。
這是規(guī)劃提出的戰(zhàn)略布局，在這樣的戰(zhàn)略布局下，我們面臨的機遇是技術(shù)該怎樣做、產(chǎn)業(yè)該怎樣升級。
第二點，想談下人工智能的產(chǎn)業(yè)機遇。下面我們就幾個方面看看AI面臨的機遇和挑戰(zhàn)。
首先非常熱點的就是，“無人駕駛與智能輔助駕駛”技術(shù)。
在這一領(lǐng)域，以ADAS為代表的核心技術(shù)，包括車道線檢測、路標識別、行人檢測、車輛檢測、障礙物檢測等已經(jīng)取得了一定進展，很多無人車企業(yè)也推出了他們的產(chǎn)品。
但是，這一領(lǐng)域也面臨著很多困難：傳感器智能化程度達不到要求，價格也很昂貴，一臺激光雷達幾十萬，達不到商用的標準；技術(shù)魯棒性未得到充分證明，如特斯拉的汽車就出了很多事故；傳感器成本居高不下；無人車立法滯后，如無人車發(fā)生事故，責任屬于乘車者還是生產(chǎn)商，并不明確。
第二個領(lǐng)域是，智慧醫(yī)療和智能診斷。
這里有兩個典型案例：一個是胸片判讀，包括肺結(jié)核等；二是眼底的圖像。眼底是唯一能夠通過外部看到血管的地方，因此，在眼底圖像上可以診斷出很多的疾病。通過基于深度學習的眼底的視網(wǎng)膜，可診斷出50多種疾病。目前，最主要的應用在糖尿病的診斷上。通過醫(yī)療影像的診斷，可以提高診斷的精度和普查的力度。
這一領(lǐng)域也面臨很多困難：首先疾病的復雜性，要求非常精確的AI技術(shù)，如果機器的準確率只有95%的話，那么它是難以被應用的；第二是，可穿戴醫(yī)療設(shè)備性能需提升；第三是，醫(yī)療大數(shù)據(jù)標注的可靠性，醫(yī)學上的病理的圖像，只有水平非常高的醫(yī)生的標注才可信，一般人甚至一般醫(yī)生的標注都難以保證其準確性，因此，醫(yī)療大數(shù)據(jù)的標注目前還是人工智能落地的一大障礙；第四是，醫(yī)療數(shù)據(jù)的隱私問題。
第三個領(lǐng)域是，智能制造與產(chǎn)業(yè)升級。
各級制造工廠開始由手工生產(chǎn)線向自動化生產(chǎn)線升級，工業(yè)界現(xiàn)在亟需用AI技術(shù)進行各種安全質(zhì)檢。
智能制造方面的挑戰(zhàn)主要有兩點：亟需芯片、視覺、定位等深度學習技術(shù)的突破，這些技術(shù)雖然在安防領(lǐng)域已經(jīng)得到較好的應用，但在工業(yè)領(lǐng)域，還需要進一步提高；第二是，亟需AI+高端制造業(yè)和綠色資源模式的進一步開發(fā)。
第四個領(lǐng)域是，智能安防。
智能安防應該說是AI落地最好、最領(lǐng)先的領(lǐng)域，也是帶來了非常好的效益的一個領(lǐng)域。目前，在安防領(lǐng)域，AI落地的包括海量視頻監(jiān)控數(shù)據(jù)的智能識別、邊緣計算、視頻內(nèi)容的結(jié)構(gòu)化描述。
但這一領(lǐng)域也存在四類挑戰(zhàn)：標清向高清和4K轉(zhuǎn)化下，監(jiān)控系統(tǒng)更新?lián)Q代，以及海量數(shù)據(jù)的處理分析；前端攝像頭的邊緣智能化，嵌入式AI前端，AI芯片、小型化的發(fā)展，以及如何將邊緣計算與中心計算相結(jié)合；多源數(shù)據(jù)互聯(lián)互通，傳輸行業(yè)的標準，多源數(shù)據(jù)結(jié)構(gòu)化；智能視頻分析設(shè)備，智能分析算法、SDK化，信息聯(lián)動，設(shè)備如何更好提高性能。
第五個領(lǐng)域是，智能家居。
智能家居是互聯(lián)網(wǎng)+物聯(lián)化的體現(xiàn)，與家庭自動化密切相關(guān)，以網(wǎng)絡(luò)家電和信息家電為基礎(chǔ)的應用，未來的拓展空間也很大。根據(jù)2012年中國室內(nèi)裝飾協(xié)會智能化委員會智能家居分類依據(jù)，智能家居系統(tǒng)產(chǎn)品共分為20類，這些應用和AI的結(jié)合，都需要我們進一步研究。
同樣，智能家居領(lǐng)域也有很多需要解決的問題：產(chǎn)品間互聯(lián)不夠，從目前的市場情況來看，小米設(shè)備的互聯(lián)相對較好，但其他廠商的還不夠；第二是操作繁瑣，用戶體驗差；第三是市場缺乏統(tǒng)一標準；第四是信息安全存在漏洞，未來，智能家居如何保證家庭的安全，以及家庭數(shù)據(jù)的安全，這是一個非常嚴峻的問題。
以上，我們介紹了人工智能的大背景下，我們面臨的機遇和挑戰(zhàn)。接下來，我們看下如何應用AI對整個產(chǎn)業(yè)進行提升。
清華電子系在人工智能的領(lǐng)域也有很多應用成果，如我們電子系的人臉識別技術(shù)，早在2005年，就和公安部出入境管理局一起把人臉識別技術(shù)應用到了我國出入境旅客最多的深圳羅湖口岸，成為世界上首個大規(guī)模應用的范例。
清華的人臉識別技術(shù)已在多地公安安防、國家金稅三期、天津十三屆全運會等得到應用；其語音聲紋識別在國防、網(wǎng)信領(lǐng)域得到應用。清華大學電子工程系研發(fā)了多模態(tài)生物特征識別、視頻分析與結(jié)構(gòu)化、語音識別、智能輔助駕駛，以及輿情分析、行人再識別等多種先進的AI算法。
去年9月，清華大學還發(fā)布人工智能開放平臺，提供開發(fā)者SDK調(diào)用、人工智能技術(shù)開放服務(wù)、深度學習訓練計算、AI應用解決方案、大數(shù)據(jù)數(shù)據(jù)集五大功能板塊，可部署各類AI算法框架。
但我們認為這樣還不夠，因此，今天，我們將“AI開放平臺”向“AI使能平臺”轉(zhuǎn)換。為什么要有這樣的轉(zhuǎn)換？
因為我們在AI的服務(wù)中發(fā)現(xiàn)，AI不是單點的技術(shù)。如企業(yè)只下載一個SDK，在實際應用中，這是不行的。
AI不是一個單點的技術(shù)，而是一個系統(tǒng)工程。所以，我們提出“AI使能”，是想由以往的中心控制、中心管理為主的AI賦能模式，向增強用戶AI能力、構(gòu)建用戶AI技術(shù)中心的使能模式轉(zhuǎn)換，使用戶成為具有AI技術(shù)能力的企業(yè)。
這是我們由開放平臺，向使能平臺轉(zhuǎn)化的一個想法。
下面，我舉兩個例子，為什么單點工程不可行，而要做一個系統(tǒng)工程。
第一個例子是行人再識別。
我們知道人臉識別在安防領(lǐng)域已經(jīng)有了很好的應用，但我們會遇到很多這樣的情況，如被遮擋，不能完整的看到人臉，這時我們就需要跨攝像頭進行追蹤。
這其中包括行人的檢測、行人的跟蹤，以及人臉的檢測和識別，還有跨網(wǎng)的關(guān)聯(lián)，這些并不是一個單點的技術(shù)可以解決的。
第二個例子，是車輛違章二次判別。
我們每天都會拍攝大量的違章照片，但實際上有些屬于不違章、或者特定情況下不計算違章的照片。如闖紅燈的照片中，像救護車這樣的特種車輛，是不屬于違章行為的。目前，對于這些不違章的照片，是由交通部門用人力進行篩選。所以，他們就很希望能有一個技術(shù)直接進行篩選。
而要實現(xiàn)這些不違章的篩選，就需要如車輛ReID技術(shù)定位違章車輛、文本檢測識別、地面標線檢測、車道線檢測、禁令識別檢測、紅綠燈檢測、地面標志檢測、特殊標志檢測、車牌檢測識別等這些技術(shù)，綜合到一起，這樣車輛違章的二次判別才能夠?qū)崿F(xiàn)。
所以，我們才說AI不是一個單點的技術(shù)，而是一個系統(tǒng)工程。而一個系統(tǒng)的工程，單靠一個簡單的AI開放平臺，是無法實現(xiàn)的。
因此，我們希望能通過AI使能平臺，深入用戶的系統(tǒng)中去，為用戶提供這樣一個性能。
以上，就是我匯報的內(nèi)容，謝謝！雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
