科技改变生活 细数2017五大热门技术

2018年01月02日     中国安防展览网

[导读]2017改变安防的五大热门技术有哪些？

　　安防，一个蓬勃发展的传统产。安防产业的战略转型和深度洗牌正在发生，这是不可逆转的国家战略所造成的改革浪潮。安防产业想要实现长久蓬勃发展，就必须告别过去传统发展模式，注重用新技术新业态全面改造提升传统产业。

　　当今安防技术大致分为三类：1、物理类：实体防范技术，如门、窗、柜、锁等；2、电子类：电子、通信、计算机与信息处理及其相关技术，如电子报警技术、视频监控技术、出入口控制技术、计算机网络技术等。3、生物类：就是当下热门的生物识别技术，如指纹、掌纹、眼纹、声纹等识别控制技术。今天小编就带着大家细数2017年五大热门技术。

　　一、人工智能

　　今年可谓是人工智能爆发元年，无论从阿尔法狗让柯洁泪洒赛场，到阿里巴巴宣布成立达摩院，还是国务院发布《新一代人工智能发展规划》，今年互联网一直在被人工智能刷屏。人工智能发展的脚步已经势不可挡。

　　安防企业同样不会错过这“风口”，纷纷加入战局。被誉为人工智能第一“着陆场”的智能安防已经开启新一轮成长周期。海康威视发布“见远行更远”品牌理念；大华股份聚势AI，打造视频物联产业新生态；苏州科达陆续发布感知型摄像机、安防大数据平台、海燕、猎鹰等产品；宇视科技以『安防机器视觉+』战略，在智能化产品落地方面持续取得突破等等。安防各企业都在马不停蹄布局人工智能市场。

　　人工智能在公安行业、智能楼宇、交通行业、工厂园区、民用安防的应用，对安防行业的影响是革命性的，对安防行业的推动力比视频编解码技术、H.265技术、传输高清等技术对安防的影响都大。

　　二、生物识别

　　最近几年生物识别迅速发展，尤其是在公安领域取得的成果令人惊叹。生物特征识别技术作为安防行业中的焦点应用，在技术安全与市场应用层面远远优于传统密码、刷卡等方式。随着应用日渐成熟以及消费者认知度的不断提高，未来生物特征识别技术的应用将更加广泛。生物特征识别技术在安防业务领域的应用主要包括考勤设备、物理门禁产品、电子锁具产品、视频监控系统。

　　据Yole数据显示，全球人脸识别市场规模预计将从2017年的40.5亿美元增长至2022年的77.6亿美元，这期间的复合年增长率可达13.9%。2017年iPhoneX的发布将人脸识别推到了一个小高峰，其他生物识别技术也“蹭”热点，火了一波，人们对生物识别的发展和对信息安全的关注已经上升到国民热度。并且，随着公共场所日益增长的监控需求，以及政府部门等各个产业对人脸识别技术的应用增长。

　　三、深度学习

　　深度学习是一种数据学习的模式，近年来改进了长期以来的预测准确性标准。芯片、算法和数据支撑人工智能技术在安防行业的应用，GPU、FPGA、TPU等智能芯片大大提高运算效率，深度学习算法增强图像和视频分析的准确率，在解决视频结构化和人脸识别等方面更“智能”。

　　今年苹果收购深度学习专利运用在智能家居平台；格灵深瞳运用三维视觉与深度学习推进安防业务；海康威视在森林防火系统解决方案中率先引入深度学习技术等等。除了传统的预测建模之外，它还在语音识别和计算机视觉领域有突出贡献。然而，随着我们迎接新年的到来，事情将变得更加有趣。

　　四、云

　　回顾2017年的云计算市场，真是风云变幻，热度不减，看来未来这块市场必将更加好看。2017年可以说是云计算大张旗鼓建设的一年，市场规模不断扩大。

　　随着物联网时代的到来，2017年全球物联网设备已经达到84亿台，2020年预计有500亿个设备将连接到网络。当数字化背后的基础技术是云计算，随着物联网应用和智慧城市的发展，几乎所有数据都需要连接到云，再通过云端存储、计算，通过网络互相连接。例如在跨省破案时，需要协调公安、交通等不同政府部门的基础数据进行共享，此时就要通过云技术作为支撑才能实现。

　　在安防行业市场，已经率先展开了对云技术的应用。尤其是在政府的牵引下，公安、交通等行业已有成功落地案例。

　　五、边缘学习

　　边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，其功能是就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

　　根据市场研究公司Research and Markets近日发布的报告，边缘计算的市场规模复合年均增长率高达35.2%。在安防监控领域，边缘计算也孕育着巨大的市场。在2017年，海康威视主提出了“将AI算力注入边缘，赋能边缘智能是大势所趋”的观点；华为发布边缘计算物联网EC-IoT解决方案；大华股份发布大华视频云等领军企业也有跟进部署边缘计算技术。

　　结语：无论是2017年深圳安博会、十九大还是最近工信部发表的《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，都在大力推崇智能化，今后人工智能、生物识别、深度学习等技术在安防领域有着举足轻重的地位。

人工智能究竟是什么？三种方法让你看懂AI

2018年01月02日     ofweek人工智能

[导读]人工智能正变得越来越普遍，几乎每天都有关于人工智能新进展或新应用的报道。人类对它的想法有多少了解？我们又该如何努力去研究它？

　　人工智能正变得越来越普遍，几乎每天都有关于人工智能新进展或新应用的报道。人类对它的想法有多少了解？我们又该如何努力去研究它？

　　我们对人工智能的了解

　　我们今天所了解的人工智能中，大部分都遵循深度学习的规则，即向机器输入一组数据以及想要的输出结果，机器据此产生算法来解决问题。然后系统会重复这一过程，不断学习。这被称为神经网络。使用这种方法来建立人工智能是非常必要的，因为计算机的编码速度比人类要快。如果换作人类，可能需要用一辈子的时间来手工编码。

　　麻省理工学院电子工程和计算机科学教授Tommi Jaakkola说：“如果你拥有一个小型神经网络，你可能很容易就理解它。但是，一旦这个神经网络扩大，直到拥有数千层，而每层可达到数千个单位，那么就不那么容易理解了。”

　　我们正处在人类与这些系统正面交锋的时代。在人类信任机器之前，我们必须解决一个问题，即让这些机器进行自我解读。那么，我们用什么办法来做到这一点呢？

　　1.逆转算法。在图像识别中，当计算机识别它所学习过的模式时，需要对机器进行编程运算，以生成或修改图片。以《创世纪》一图为例，它运用了谷歌DeepDream技术进行图片修改，人工智能参与其中，调整了图像中一只狗的位置。由此，我们可以了解到对于人工智能来说，狗的形象是什么样的。首先，它主要识别头部(这是狗的主要特征)；其次，电脑的识别方式是将其定位到亚当(图像左侧)和上帝(图像右侧)的中间。总结一下就是，DeepDream技术被运用于一幅描绘亚当诞生的图像，人工智能被要求寻找狗并修改它的位置。

　　2.识别它所使用的数据。如此一来，人工智能接收指令，记录学习摘要，并根据提示重点“复习”它此前使用过的文本。麻省理工学院台达电子教授ReginaBarzilay首先研发出这种理解方法，人类可以借此研究那些擅长在数据中寻找模式、并作出相应预测的人工智能系统。CarlosGuestrin是华盛顿大学的机器学习教授，他开发了一种类似的系统，该系统能够选取数据并对自己的选择作出简单解释。

　　3.监控单个神经元。Uber人工智能研究室的机器学习研究员JasonYosinski发明了这种方法，使用探测器来检测哪一幅图像可以刺激神经元。这让我们可以通过推理发现人工智能最需要的是什么。然而，这些方法在很大程度上是无效的。正如Guestrin所说：“我们的终极梦想是让人工智能与人类对话，并向人类解释它的行为，而这一梦想尚未完全实现。想要拥有真正的可解读式的人工智能，还有很长的路要走。”

　　为什么人类需要更加了解人工智能？

　　了解这些系统的工作方式是很重要的，因为它们已经被应用于医药、汽车、金融和招聘等行业，而这些领域对我们的生活产生了根本性的影响。如果把这么艰巨的任务交给我们不了解的东西，那就太愚蠢了。当然前提是，人工智能是诚实的，也不会因为人类的行为或疏忽而受到影响。

　　试图理解机人工智能的核心问题，其实是一件颇具紧张感的事情。如果我们能够完美地预测人工智能行为，那么就可能会剥夺它们特有的自主智慧。我们必须记住一点，人类有时连自己作出的决定都无法理解，更不用说人工智能了。意识问题始终是一个谜，也正因为有这一谜题的存在，世界才更加有趣。

　　不过，Daniel Dennet也警告说，面对人工智能的“侵入”，我们需要自问：“人类对人工智能的要求是什么？对自己的要求又是什么？”那么，这些可能将很快掌控世界却又不完全为人类所理解的机器，我们应该如何设计和研发它们呢？换句话说，人类要如何为这些改变世界的“神”编程？让我们拭目以待。