為了更全面和深入的了解產(chǎn)業(yè)內(nèi)AI創(chuàng)新技術(shù)的落地應(yīng)用的實(shí)況，過(guò)去一個(gè)月里，a&s對(duì)安防人工智能領(lǐng)域產(chǎn)、學(xué)、研機(jī)構(gòu)進(jìn)行了集中走訪(fǎng)，并和相關(guān)資深專(zhuān)家和部分頭部企業(yè)高層展開(kāi)了深度訪(fǎng)談對(duì)話(huà)。

在這一系列訪(fǎng)談中，針對(duì)當(dāng)前階段人工智能在安防領(lǐng)域的落地應(yīng)用現(xiàn)狀，包括落地應(yīng)用的成熟度、現(xiàn)存的技術(shù)或應(yīng)用瓶頸以及待突破的方向等話(huà)題，各路專(zhuān)家及企業(yè)高層紛紛給出了針對(duì)性的意見(jiàn)和反饋。

a&s對(duì)這些觀點(diǎn)進(jìn)行了綜合性的梳理和整合，以期能夠給產(chǎn)業(yè)界人士帶來(lái)些許參考！

●如何突破人工智能在實(shí)際應(yīng)用中的瓶頸問(wèn)題？

公安三所物聯(lián)網(wǎng)技術(shù)研發(fā)中心研究員梅林博士：

1）實(shí)現(xiàn)AI系統(tǒng)價(jià)值的最大化?，F(xiàn)階段由于條塊分割措施，使得很多政府投入的設(shè)施局限到誰(shuí)建誰(shuí)用，誰(shuí)建誰(shuí)管的規(guī)則之中，極大地限制了這些設(shè)施價(jià)值的充分發(fā)揮，自然也導(dǎo)致了應(yīng)用成本的加大。公安信息化過(guò)程中，創(chuàng)新科技產(chǎn)品和技術(shù)作為一種基礎(chǔ)的設(shè)施投入本身并沒(méi)有問(wèn)題，但投入之后如何實(shí)現(xiàn)價(jià)值最大化這是一個(gè)需要認(rèn)真思考的問(wèn)題。

2）加快政策標(biāo)準(zhǔn)制定，重視專(zhuān)用數(shù)據(jù)集建設(shè)。人工智能技術(shù)的發(fā)展是通過(guò)海量的數(shù)據(jù)進(jìn)行驅(qū)動(dòng)，卓越的算法主要是建立在大量數(shù)據(jù)的投喂和訓(xùn)練基礎(chǔ)之上，這個(gè)過(guò)程中，由于缺乏適用的數(shù)據(jù)集，很多時(shí)候數(shù)據(jù)標(biāo)注的成本便需要由企業(yè)自己來(lái)承擔(dān)，企業(yè)為了降低成本或追求速度，很多時(shí)候會(huì)以犧牲隱私的方式來(lái)進(jìn)行數(shù)據(jù)的采集和標(biāo)注。目前在整個(gè)建設(shè)和建設(shè)效益之中最困擾的其實(shí)說(shuō)到底就是數(shù)據(jù)共享的問(wèn)題，而這個(gè)問(wèn)題需要從國(guó)家層面，從政府層面用政策去引導(dǎo)去解決。

3）充分理解應(yīng)用場(chǎng)景需求。具體到技術(shù)的應(yīng)用落地上，主要還有對(duì)于場(chǎng)景和業(yè)務(wù)需求的理解。由于人工智能的應(yīng)用特別講求場(chǎng)景化，而每一個(gè)行業(yè)領(lǐng)域的應(yīng)用需求其實(shí)是非常細(xì)化的，這需要企業(yè)花時(shí)間和精力專(zhuān)注到用戶(hù)端的實(shí)際業(yè)務(wù)場(chǎng)景當(dāng)中，充分了解用戶(hù)的細(xì)微需求，這對(duì)于一些初創(chuàng)企業(yè)而言，可能比較具有挑戰(zhàn)性。

4）從商業(yè)模式的設(shè)計(jì)著手。在商業(yè)模式的設(shè)計(jì)上，也值得諸多企業(yè)認(rèn)真思考，如何設(shè)計(jì)一套真正能夠進(jìn)行商業(yè)化落地的技術(shù)應(yīng)用模式，讓政府、廠(chǎng)商及用戶(hù)均能從這套模式中實(shí)現(xiàn)需求的滿(mǎn)足，從而讓產(chǎn)業(yè)實(shí)現(xiàn)良性循環(huán)，這是技術(shù)是否能夠落地的一大關(guān)鍵。

復(fù)旦大學(xué)計(jì)算機(jī)學(xué)院視頻技術(shù)與系統(tǒng)工程研究中心薛向陽(yáng)博士：

1）強(qiáng)化AI算法模型的泛化能力。AI依賴(lài)于應(yīng)用場(chǎng)景，只要場(chǎng)景確定（即各種邊界條件確定），這個(gè)時(shí)候研發(fā)人員比較容易將應(yīng)用性能等調(diào)整得很好。但如果更換了一個(gè)場(chǎng)景，原來(lái)那套方法就需要進(jìn)行再調(diào)整，這也反映出AI算法模型泛化能力不夠，主要以定制化為主，限制了大范圍推廣，因此，強(qiáng)化AI算法模型的泛化能力是推進(jìn)AI普適應(yīng)用的一大關(guān)鍵。

2）加強(qiáng)產(chǎn)學(xué)研合作。當(dāng)前許多AI算法都是以數(shù)據(jù)驅(qū)動(dòng)的，需要持續(xù)收集大量特定應(yīng)用場(chǎng)景的數(shù)據(jù)，然后在應(yīng)用中進(jìn)行持續(xù)迭代優(yōu)化，這個(gè)過(guò)程所需人力與物力對(duì)于許多企業(yè)而言，顯然是一個(gè)非常大的技術(shù)、成本和運(yùn)維等綜合壓力。因此，對(duì)于企業(yè)而言，產(chǎn)學(xué)研合作模式可以一定程度上緩解企業(yè)的各方面壓力，大家形成合力共同推進(jìn)AI在行業(yè)領(lǐng)域更好的落地應(yīng)用。

來(lái)源：a&s安防知識(shí)網(wǎng)