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(tái)也就此發(fā)布。
隨著人工智能的進(jìn)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(jī)遇和挑戰(zhàn)，各種開(kāi)源的深度學(xué)習(xí)平臺(tái)也隨之而出。
2015年，Google正式開(kāi)放TensorFlow，其目前已成為世界上最大的開(kāi)源深度學(xué)習(xí)平臺(tái)，Caffe位列其后。但我國(guó)尚未形成具有國(guó)際影響力的人工智能開(kāi)源平臺(tái)，這也是目前的短板之一。
2016年下半年，百度開(kāi)源了國(guó)內(nèi)首個(gè)深度學(xué)習(xí)開(kāi)源平臺(tái)PaddlePaddle，之后騰訊、阿里相繼推出深度學(xué)習(xí)開(kāi)發(fā)框架。
清華大學(xué)則在去年9月，發(fā)布了人工智能開(kāi)放平臺(tái)，可支持開(kāi)發(fā)者SDK調(diào)用、圖像語(yǔ)音識(shí)別服務(wù)、大數(shù)據(jù)集、人工智能應(yīng)用解決方案等功能。
今年4月，清華大學(xué)決定將這一開(kāi)放平臺(tái)，進(jìn)行升級(jí)。
而為何要把“AI開(kāi)放平臺(tái)”，升級(jí)為“AI使能平臺(tái)”，清華大學(xué)電子系教授、媒體大數(shù)據(jù)認(rèn)知計(jì)算研究中心主任王生進(jìn)在演講中給出的答案是：隨著AI的逐步落地，要解決的場(chǎng)景問(wèn)題越來(lái)越復(fù)雜。對(duì)應(yīng)的，AI不是一個(gè)單點(diǎn)的技術(shù)，是一個(gè)系統(tǒng)工程。一個(gè)系統(tǒng)的工程，單靠一個(gè)簡(jiǎn)單的AI開(kāi)放平臺(tái)是無(wú)法實(shí)現(xiàn)的。
以安防領(lǐng)域?yàn)槔跎M(jìn)認(rèn)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?cái)?shù)據(jù)的智能識(shí)別、邊緣計(jì)算、視頻內(nèi)容的結(jié)構(gòu)化描述等技術(shù)都實(shí)現(xiàn)了較好的應(yīng)用。
但也存在以下發(fā)展趨勢(shì)和要面臨的困難：
標(biāo)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(biāo)準(zhǔn)，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(dòng)；
尤其在過(guò)往基于AI開(kāi)放平臺(tái)的服務(wù)中，清華發(fā)現(xiàn)，如果企業(yè)單獨(dú)下載一個(gè)SDK，在實(shí)際應(yīng)用中，并沒(méi)有辦法實(shí)現(xiàn)完整的功能。
王生進(jìn)舉了兩個(gè)典型例子，在安防領(lǐng)域的人臉識(shí)別和車輛違章判別中。單一的識(shí)別，無(wú)法解決人臉的遮擋問(wèn)題，以及特殊情境下的車輛違章判別問(wèn)題。
而跨攝像頭的ReID技術(shù)，則能更好解決遮擋這一問(wèn)題；車輛ReID技術(shù)定位違章車輛、車道線線檢測(cè)、特殊標(biāo)志檢測(cè)等綜合技術(shù)，也能更好的進(jìn)行車輛違章的二次判別。
這些綜合技術(shù)的實(shí)現(xiàn)，就需要平臺(tái)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(qiáng)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(tái)”的開(kāi)放。
以下是王生進(jìn)的演講《在人工智能+的機(jī)遇中，讓AI更使能》原文，雷鋒網(wǎng)做了不改變?cè)獾恼砗途庉嫞?/strong>
首先來(lái)看下我們國(guó)家和政府對(duì)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(diǎn)和話題，從國(guó)家領(lǐng)導(dǎo)到政府、企業(yè)到科研機(jī)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(shū)記專門組織人學(xué)習(xí)了人工智能，在今年的政府工作報(bào)告中，提出了“智能+”的概念。國(guó)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(xiàng)目群。
其中，“1”是指新一代人工智能重大科技項(xiàng)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(jì)算、混合增強(qiáng)智能、群體智能、自主協(xié)同控制與決策等理論。
“N”是指國(guó)家相關(guān)規(guī)劃計(jì)劃中部署的人工智能研發(fā)項(xiàng)目，加快腦科學(xué)與類腦計(jì)算、量子信息與量子計(jì)算、智能制造與機(jī)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(biāo)，
第一步：到2020年人工智能總體技術(shù)和應(yīng)用與世界先進(jìn)水平同步，人工智能核心產(chǎn)業(yè)規(guī)模超過(guò)1500億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超過(guò)1萬(wàn)億元；第二步：到2025年人工智能基礎(chǔ)理論實(shí)現(xiàn)重大突破，人工智能核心產(chǎn)業(yè)規(guī)模超過(guò)4000億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超過(guò)5萬(wàn)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(guò)1萬(wàn)億元，帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模超過(guò)10萬(wàn)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(jī)遇是技術(shù)該怎樣做、產(chǎn)業(yè)該怎樣升級(jí)。
第二點(diǎn)，想談下人工智能的產(chǎn)業(yè)機(jī)遇。下面我們就幾個(gè)方面看看AI面臨的機(jī)遇和挑戰(zhàn)。
首先非常熱點(diǎn)的就是，“無(wú)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(cè)、路標(biāo)識(shí)別、行人檢測(cè)、車輛檢測(cè)、障礙物檢測(cè)等已經(jīng)取得了一定進(jìn)展，很多無(wú)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(dá)不到要求，價(jià)格也很昂貴，一臺(tái)激光雷達(dá)幾十萬(wàn)，達(dá)不到商用的標(biāo)準(zhǔn)；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(wú)人車立法滯后，如無(wú)人車發(fā)生事故，責(zé)任屬于乘車者還是生產(chǎn)商，并不明確。
第二個(gè)領(lǐng)域是，智慧醫(yī)療和智能診斷。
這里有兩個(gè)典型案例：一個(gè)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(guò)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(guò)基于深度學(xué)習(xí)的眼底的視網(wǎng)膜，可診斷出50多種疾病。目前，最主要的應(yīng)用在糖尿病的診斷上。通過(guò)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(fù)雜性，要求非常精確的AI技術(shù)，如果機(jī)器的準(zhǔn)確率只有95%的話，那么它是難以被應(yīng)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(biāo)注的可靠性，醫(yī)學(xué)上的病理的圖像，只有水平非常高的醫(yī)生的標(biāo)注才可信，一般人甚至一般醫(yī)生的標(biāo)注都難以保證其準(zhǔn)確性，因此，醫(yī)療大數(shù)據(jù)的標(biāo)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(wèn)題。
第三個(gè)領(lǐng)域是，智能制造與產(chǎn)業(yè)升級(jí)。
各級(jí)制造工廠開(kāi)始由手工生產(chǎn)線向自動(dòng)化生產(chǎn)線升級(jí)，工業(yè)界現(xiàn)在亟需用AI技術(shù)進(jìn)行各種安全質(zhì)檢。
智能制造方面的挑戰(zhàn)主要有兩點(diǎn)：亟需芯片、視覺(jué)、定位等深度學(xué)習(xí)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(yīng)用，但在工業(yè)領(lǐng)域，還需要進(jìn)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(jìn)一步開(kāi)發(fā)。
第四個(gè)領(lǐng)域是，智能安防。
智能安防應(yīng)該說(shuō)是AI落地最好、最領(lǐng)先的領(lǐng)域，也是帶來(lái)了非常好的效益的一個(gè)領(lǐng)域。目前，在安防領(lǐng)域，AI落地的包括海量視頻監(jiān)控?cái)?shù)據(jù)的智能識(shí)別、邊緣計(jì)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(biāo)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(jì)算與中心計(jì)算相結(jié)合；多源數(shù)據(jù)互聯(lián)互通，傳輸行業(yè)的標(biāo)準(zhǔn)，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(dòng)，設(shè)備如何更好提高性能。
第五個(gè)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(dòng)化密切相關(guān)，以網(wǎng)絡(luò)家電和信息家電為基礎(chǔ)的應(yīng)用，未來(lái)的拓展空間也很大。根據(jù)2012年中國(guó)室內(nèi)裝飾協(xié)會(huì)智能化委員會(huì)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(yīng)用和AI的結(jié)合，都需要我們進(jìn)一步研究。
同樣，智能家居領(lǐng)域也有很多需要解決的問(wèn)題：產(chǎn)品間互聯(lián)不夠，從目前的市場(chǎng)情況來(lái)看，小米設(shè)備的互聯(lián)相對(duì)較好，但其他廠商的還不夠；第二是操作繁瑣，用戶體驗(yàn)差；第三是市場(chǎng)缺乏統(tǒng)一標(biāo)準(zhǔn)；第四是信息安全存在漏洞，未來(lái)，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(gè)非常嚴(yán)峻的問(wèn)題。
以上，我們介紹了人工智能的大背景下，我們面臨的機(jī)遇和挑戰(zhàn)。接下來(lái)，我們看下如何應(yīng)用AI對(duì)整個(gè)產(chǎn)業(yè)進(jìn)行提升。
清華電子系在人工智能的領(lǐng)域也有很多應(yīng)用成果，如我們電子系的人臉識(shí)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(shí)別技術(shù)應(yīng)用到了我國(guó)出入境旅客最多的深圳羅湖口岸，成為世界上首個(gè)大規(guī)模應(yīng)用的范例。
清華的人臉識(shí)別技術(shù)已在多地公安安防、國(guó)家金稅三期、天津十三屆全運(yùn)會(huì)等得到應(yīng)用；其語(yǔ)音聲紋識(shí)別在國(guó)防、網(wǎng)信領(lǐng)域得到應(yīng)用。清華大學(xué)電子工程系研發(fā)了多模態(tài)生物特征識(shí)別、視頻分析與結(jié)構(gòu)化、語(yǔ)音識(shí)別、智能輔助駕駛，以及輿情分析、行人再識(shí)別等多種先進(jìn)的AI算法。
去年9月，清華大學(xué)還發(fā)布人工智能開(kāi)放平臺(tái)，提供開(kāi)發(fā)者SDK調(diào)用、人工智能技術(shù)開(kāi)放服務(wù)、深度學(xué)習(xí)訓(xùn)練計(jì)算、AI應(yīng)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(rèn)為這樣還不夠，因此，今天，我們將“AI開(kāi)放平臺(tái)”向“AI使能平臺(tái)”轉(zhuǎn)換。為什么要有這樣的轉(zhuǎn)換？
因?yàn)槲覀冊(cè)贏I的服務(wù)中發(fā)現(xiàn)，AI不是單點(diǎn)的技術(shù)。如企業(yè)只下載一個(gè)SDK，在實(shí)際應(yīng)用中，這是不行的。
AI不是一個(gè)單點(diǎn)的技術(shù)，而是一個(gè)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(qiáng)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(kāi)放平臺(tái)，向使能平臺(tái)轉(zhuǎn)化的一個(gè)想法。
下面，我舉兩個(gè)例子，為什么單點(diǎn)工程不可行，而要做一個(gè)系統(tǒng)工程。
第一個(gè)例子是行人再識(shí)別。
我們知道人臉識(shí)別在安防領(lǐng)域已經(jīng)有了很好的應(yīng)用，但我們會(huì)遇到很多這樣的情況，如被遮擋，不能完整的看到人臉，這時(shí)我們就需要跨攝像頭進(jìn)行追蹤。
這其中包括行人的檢測(cè)、行人的跟蹤，以及人臉的檢測(cè)和識(shí)別，還有跨網(wǎng)的關(guān)聯(lián)，這些并不是一個(gè)單點(diǎn)的技術(shù)可以解決的。
第二個(gè)例子，是車輛違章二次判別。
我們每天都會(huì)拍攝大量的違章照片，但實(shí)際上有些屬于不違章、或者特定情況下不計(jì)算違章的照片。如闖紅燈的照片中，像救護(hù)車這樣的特種車輛，是不屬于違章行為的。目前，對(duì)于這些不違章的照片，是由交通部門用人力進(jìn)行篩選。所以，他們就很希望能有一個(gè)技術(shù)直接進(jìn)行篩選。
而要實(shí)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(cè)識(shí)別、地面標(biāo)線檢測(cè)、車道線檢測(cè)、禁令識(shí)別檢測(cè)、紅綠燈檢測(cè)、地面標(biāo)志檢測(cè)、特殊標(biāo)志檢測(cè)、車牌檢測(cè)識(shí)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(shuō)AI不是一個(gè)單點(diǎn)的技術(shù)，而是一個(gè)系統(tǒng)工程。而一個(gè)系統(tǒng)的工程，單靠一個(gè)簡(jiǎn)單的AI開(kāi)放平臺(tái)，是無(wú)法實(shí)現(xiàn)的。
因此，我們希望能通過(guò)AI使能平臺(tái)，深入用戶的系統(tǒng)中去，為用戶提供這樣一個(gè)性能。
以上，就是我匯報(bào)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(jiàn)轉(zhuǎn)載須知。
