人工智能技术发展综述_任成.pdfVIP

栏目主持：安鑫 E-mail：744586289@ 人工智能技术发展综述 ■ 文 / 任成　浙江宇视科技有限公司 人工智能作为计算机科学行业的顶尖技术之一，从 1956 年达特茅斯会议上正式提出开始就一直 备受各行业关注。在图灵测试中，对人工智能的认定和评判是以人为唯一参照物的，基本的思维出发 点仍然是仿生学。这里隐含着一个推论，即人是 AI 无限趋近但又永远达不到天花板。但实际上在 AI 问世后的几十年里似乎并没有沿此路径去演进。今天我们已经可以看到在某些细分领域 AI 的能力已 完全超出人类的对应水平。 一、艰难探索：功能简单、经验 及配套方案大多不好用，甚至相对比较落后。 宝贵 但那个时期在智能算法落地上的探索对之后深 实际上 2016 年初甚至更早，在大量行 度学习算法在安防行业的蓬勃发展提供了大量 业存在潜在需求并且拥有巨大空白市场的情况 的工程化经验，无论是各类算法分析严格的场 下，智能作为前沿命题已经出现在很多大大小 景限制、算法部署时工勘的多样化技巧和注意 小的安防公司的 ppt 甚至是具体产品上。但是 事项都是前期算法探索者遗留的宝贵经验。 受限于当时的显示芯片算力、采集终端技术、 后端算法技术以及整体方案成熟度，这个时间 二、时代浪潮：安防行业是 AI 最 段推广的算法大多属于早期开荒用途，绝大多 好的栽培土 数算法落地到实际部署时效果差强人意。这个 2016 年注定是人工智能行业不平凡的一 时期算法大多以物体 / 人体模型检测为主，基 年。这一年，作为 GPU 行业的绝对领导者 本功能都是最简单的周界入侵、拌线告警、逆 英伟达发布了基于人工智能深度优化的全新 行检测等事件类检测，业务功能和实现机制相 Pascal 架构，并在 GTC2016 上正式发布了 对简单。 基于完整 P100 大核心的 Tesla 系列显卡、 现在看来，那个时期的算法、业务功能以 TeslaP40 及 TeslaP4，并在同年发布了针对 2020.10 81 TTECHNOLOGY of APPLICATION ·技术应用 深度学习神经网络设计的嵌入式芯片 NVIDIA Jetson 出了海量的解析需求，包括视频内容（实时流 + 录 TX1。无论是作为服务器级 GPU 卡的 P4/P40，还 像流）进行结构化分析、信息提取，以及对视频图 是作为嵌入芯片元老的 TX1，这两类 GPU 推出后， 像信息按预定策略比对、碰撞、深层次、大区域、 在人工智能高速发展的几年内长期提供着海量的算力 多维数据挖掘和研判。 支撑，即使在今年依然能在很多项目中见到其身影。 由于“十三五”规划对视频图像分析算法有着 2016 年初，Google 开源了 TensorFlow 源代 明确要求，所以在“十三五”建设期间涌现了无数算 码，使得深度学习的训练系统第一次暴露在公众视 法建设的需求。针对各级用户的需求，包括基于人工 野中，并随之引爆了整个人工智能算法行业。仅仅 智能的人脸、视频结构化、ReID 等深度学习算法和 在发布的第一年里，TensorFlow 就帮助超过百万 相关应用落地“试验田”进行实地部署和演练，通过 的研究人员、工