内容简介:熟知科技史的人都知道,包括计算机,互联网和智能手机在内,任何革命性技术的最初应用场景,基本都发生在军工,政府和医疗等特定领域,等到技术发展成熟后,再演变为大众产品——但不知你是否察觉,最近几年,拜深度学习算法和大数据所赐,技术成熟度的飞速进化,让很多AI技术向大众转变的过程非常短暂,譬如人脸识别。最近《人民日报》一篇文章就指出:“如今,从考勤、购物,到坐飞机、住酒店,乃至领养老金,靠‘脸’吃饭办事不再是玩笑……人脸识别正大规模走出实验室,走入各行各业,方便了生活、降低了成本、提高了效率,也因此逐渐成为人们
熟知科技史的人都知道,包括计算机,互联网和智能手机在内,任何革命性技术的最初应用场景,基本都发生在军工,政府和医疗等特定领域,等到技术发展成熟后,再演变为大众产品——但不知你是否察觉,最近几年,拜深度学习算法和大数据所赐,技术成熟度的飞速进化,让很多AI技术向大众转变的过程非常短暂,譬如人脸识别。
最近《人民日报》一篇文章就指出:“如今,从考勤、购物,到坐飞机、住酒店,乃至领养老金,靠‘脸’吃饭办事不再是玩笑……人脸识别正大规模走出实验室,走入各行各业,方便了生活、降低了成本、提高了效率,也因此逐渐成为人们日常生活中的‘标配’。”
其实这并不难理解,对于人脸识别这种与安全息息相关的新技术物种,大众接受度有多快,很大程度上取决于应用场景的建立有多熟悉,而就像当年指纹识别的普及过程一样,受益于苹果等手机厂商不错的市场教育工作,在很短时间内,人脸识别是一种更迅捷、安全,甚至更酷的识别方式,就已被大众高度认知。如今,无论在公共领域还是个人范畴,人脸识别都已被视作理所当然的一部分。
然而,与这种大众认知不匹配的是,工业时代强烈的追赶者身份,让很多人忽略了一点:在人脸识别领域,中国其实已经跻身第一梯队。
近日,国际权威市场洞察报告Gen Market Insights发布《全球人脸识别设备市场研究报告》称:中国2017年人脸识别产值占据全世界29.29%的市场份额,2023年将达到44.59%。来自艾媒咨询的数据同样显示:2017年中国计算机视觉市场规模为68亿元,预计2020年市场规模达到780亿元,年均复合增长率达125.5%。
更重要的是,中国在人脸识别赛道上的主角光环,不仅体现在市场份额上(你当然可以说它是人口红利的一部分),还包括技术本身:像百度这样的中国公司,就曾凭借人脸检测深度学习算法PyramidBox,在世界权威的人脸检测公开评测集WIDER FACE 的「Easy」、「Medium」和「Hard」三项评测子集中均荣膺榜首,刷新业内最好成绩;不仅如此,翻阅关于人脸识别的科技资讯,在各种不同纬度,不同衡量标准的国际排名中,你都能频繁看到中国企业的身影。
人们不禁要问,这一切是怎么发生的?
答案其实很简单,中国在人脸识别——以及整个人工智能领域第一梯队的地位,源于中国科技企业持续的技术投入,以及丰富的场景扩散能力。
身份识别的下一幕
先来简单了解一下这项技术。
事实上,自从人类阔步迈向信息文明,与机器开始亲密接触,就已深知身份识别的重要,发明了各种身份认证方式——而时至今日,没人会否认,身份识别的下一幕将由生物特征识别替代,在这其中,由于技术成熟度和成本等综合原因,人脸识别将是最先大规模落地的生物识别技术。
而也因如此,许多人低估了这项技术的难度,其实对于“他者”而言(无论是AI还是可能存在的异星文明),人类脸部结构具有极高的相似性,我们自己觉得不难(脸盲甚至是一种症),是由于大脑上百万年前就进化出超强的人脸识别能力,其中涉及的神经系统过程非常复杂。去年底,国际知名期刊《细胞》揭示出人脸识别的具体神经元过程:识别过程中,大脑能意识到一些关键维度,而识别一张脸大约需要几十个维度,每个“脸细胞”大约会编码6个维度的若干参数,最终对一张脸不同特征的参数组合进行整合。
这意味着,对于机器而言,人脸识别并不容易,必须将人类一瞬之间的本能反应,转变为真实的数据分析过程——好在经过产业界不懈努力,结果令人满意,以百度为例,与人脑识别过程相似,其人脸识别技术可根据人脸面部的72个特征点识别多种人脸属性(如性别,年龄,表情等),组合成一个完整的面部表情网,识别每个人的表情和相貌特征,再与已有的人脸数据库进行一对多的人脸检索,最终应用于身份识别和验证等多种场景。
中国AI的真实写照
当然,AI通用技术的实现路径大抵相仿(以数据为燃料,以算法为引擎),作为机器视觉的分支,人脸识别虽有一定独特性,但也只是中国人工智能技术能力的写照。
不久前,清华大学中国科技政策研究中心发布的《中国人工智能发展报告2018》显示:中国已成为全球人工智能专利布局最多的国家,数量领先于美国和日本。
这或许令大众稍显意外,却是业内人士的共识。最近一两年,包括《纽约时报》和《华尔街日报》在内,许多国外媒体和分析机构都曾指出:庞大的数据量,日趋壮大的人才库,以及政府部门的顶层扶持,正在让中国培育出发展AI最肥沃的土壤。
这并不难理解,正在爆发的AI革命,直接受益于暴增的数据红利,以及深度学习算法的标准确立,他们二者的彼此融合,彻底拉平了新时代的技术起跑线(比如十年前,图像识别和语音识别或许是不同算法,但深度学习将其底层逻辑打通,在本质上成为一种算法,也让许多公司积累的软件技术直接作废),给了中国弯道超车的良机。
当然,当技术转捩点来临,真正接住它的,必须是有准备,有能力的人。令人欣喜的是,在对待人工智能的态度上,中国企业不仅起跑早,技术投入也很大,譬如作为全球最早开始布局人工智能的企业之一,百度每年投入营收的15%进行AI研发,如今已支持千亿级参数,千亿级样本及特征训练的超大神经网络,加之万亿级训练数据的“喂养”,不断推动算法和算力的迭代,也正受益于此,现在百度AI技术平台体系(AIG)已拥有语音、图像、自然语言处理、视频、知识图谱等全面的技术,在深度学习框架和AI芯片等方面也奠定了发展基础。
此外,除了技术本身,那些技术的运营者——大量的人工智能人才,亦是中国AI产业最宝贵的资源,就像罗振宇去年跨年演讲时所言,中国每年毕业上百万的工程师,没有任何其他国家能做到这一点。
事实上,人才的重要性常常被忽视,回眸移动互联网诞生之初不难发现,在平台级技术诞生伊始,许多看似解决不了的问题,本质上是因为从事这个行业的人太少了——要知道,只有当盘踞在安卓生态上的工程师足够多,才能构建出繁盛的移动互联网生态体系。人工智能亦如此,随着中国企业的领先优势日趋凸显,其人才吸引力也会日趋增大,这无疑是一种巨大利好,也是中国得以在人工智能产业第一梯队领跑的关键。
占据“天时、地利、人和”的中国人工智能已经开始形成良性发展的生态。让人欣喜的一点是,人工智能时代,中国的企业并没有选择高筑技术壁垒,而是选择开放之路。在人工智能上获得先发优势的百度在2017年全面对外公布了其开放战略,面向开发者及企业开放110多项全球领先的AI能力和软硬一体组件,“手把手”教开发者用AI。而且在百度的带头作用下,腾讯、阿里、京东、商汤等企业也都纷纷启动AI开放计划。中国的人工智能已形成“燎原之势”。
落地生根
而当人工智能逐渐成为新时代的基础设施,技术领跑的最终目的,当然不是为了炫技,而是在更多领域落地生根,开花结果。
幸运的是,与发达国家相比,中国或许是当前最积极主动拥抱数字转型的国家,传统企业借助人工智能实现转型升级的需求更迫切,市场增长后劲也更足;与此同时,中国AI企业也在不断探索更多样化的应用场景。
就拿人脸识别来说,在落地方面,中国正处于前列,如同《人民日报》在文中总结的那样:
在安防方面,人脸识别可以对机场和商场等人流密集之处进行监控,实现特定人物的自动识别和追踪。今年以来,深圳等不少地方已开始启用电子警察执法,通过“刷脸”识别行人和非机动车闯红灯违法,大幅提升了社会运作效率。
在金融方面,如你所知,刷脸支付已再熟悉不过,并逐渐渗透到贷前审核和身份认证等金融业核心环节,银行可迅速核查甄别身份信息。譬如人脸识别就已被百度金融应用到与泰康保险和中国农业银行等合作项目上。
在零售方面,人脸识别技术的完善,让无人超市成为可能,在购物和结算环节,人脸识别可帮助线下店铺迅速捕捉用户信息,以提供个性化服务。
而在出行方面,百度与南航合作的基于人脸识别的“刷脸”登机项目,也已在河南南阳姜营机场落地,人脸闸机能以秒为单位完成身份验证。此外,在乌镇和武夷山等景区,人脸识别也可在增进游客体验同时,提升景区效率。
当然,以上只是正在发生的改变,在更多亟待探索的领域,百度也通过AI开放平台,将人脸检测算法及人脸识别解决方案提供给广大开发者,让人脸识别在更多领域生根发芽。
当然,如前所述,人脸识别只是中国人工智能技术能力的范例之一,这意味着,当AI充分落地,结出的果实不只人脸识别一种。
事实上,无论是巨头还是创业公司,随着中国AI企业在语音识别,自然语言处理和图像识别等技术上的不断突破,人工智能从实验室迈向市场的步伐,远超很多人的想象。譬如百度就不断与其他产业完成嫁接,让AI如同一条条毛细血管,渗透进软件 工具 、交通、安防、教育、智能设备、生活服务和物流等各个领域,带来深刻的产业变革。
结语
时至今日,即便是最悲观的怀疑论者也很难否认,人工智能是当前人类社会最重要的变量,其引领的第四次工业革命正在改变人类的生产生活方式,且与前几次工业革命的发展路径非常相似——就像19世纪中期电气革命催生出“电器”的物种大爆发,并让大规模制造成为可能,你我身处的当下,也正是人工智能向不同场景扩散的关键阶段,其产生的社会影响难以估量。
而与许多人一样,我也相信,当更多中国企业把握住历史的机遇,错失前几次工业革命并因此落后的中国,将在人工智能时代迎来曙光。
特别声明:本文为合作媒体授权DoNews专栏转载,文章版权归原作者及原出处所有。文章系作者个人观点,不代表DoNews专栏的立场,转载请联系原作者及原出处获取授权。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Numerical Recipes 3rd Edition
William H. Press、Saul A. Teukolsky、William T. Vetterling、Brian P. Flannery / Cambridge University Press / 2007-9-6 / GBP 64.99
Do you want easy access to the latest methods in scientific computing? This greatly expanded third edition of Numerical Recipes has it, with wider coverage than ever before, many new, expanded and upd......一起来看看 《Numerical Recipes 3rd Edition》 这本书的介绍吧!