随着安防行业进入到以视频为核心的大数据分析阶段,厂商产品之间的同质化现象日益突出,智能化成为安防行业新的竞争制高点。以前需要专门的人员24小时不停地盯着监控画面,而现在大部分监控都是自动化的,发现可疑行为的时候会通知安全人员,大大降低了工作量;以前通过视频监控找一个丢失孩童,无异于大海捞针,而现在龙岗公安通过人脸识别技术,五个月内协助破获了几十起重要刑事案件并寻回多名走失儿童,上述案件一并带破的串案、并案达到近百宗。
在人工智能领域,华为一直颇为低调,但低调并不意味着没有重大投入,华为在这方面是有大格局与大视野的。2012年,华为诺亚方舟实验室成立于香港,开启了华为在人工智能领域的探索,而诺亚方舟的上层组织就是神秘的“2012实验室”,是华为的总研究院,包括中央硬件工程学院、海思、研发能力中心、中央软件院等。由此可以看出华为在人工智能领域早有布局,是一个名副其实的“老司机”,但为什么华为在人工智能领域的“声音”好像没有BAT来的火热呢?其实这跟华为对待人工智能的应用策略有莫大关系。
任正非曾在诺亚方舟实验室座谈会上表示:华为的人工智能要自己的狗食自己先吃,自己生产的降落伞自己先跳,基于华为巨大的网络存量,现阶段人工智能要聚焦在改善华为的服务上,人工智能可以首先在服务领域发挥作用,世界上还有哪个公司有这么大的业务量和数据量与我们比拼?通过在服务上的积累和改进,若干年后就可能产生世界上最强的人工智能专家。华为的人工智能研究可分为三个部分,第一部分是基础理论研究;第二部分是做使能器来改造华为的流程管理;第三部分就是做人工智能相关的产品,对外赋能。
由此可以看出,华为在人工智能领域的研究有大投入但并不激进,目标很明确,层次很清晰,其中一个很重要的模块就是通过人工智能来优化华为的管理流程,提高研发及管理效率;其次是做人工智能产品,解决客户的问题。也就是说,华为其实相当于拿自己当“小白鼠”进行人工智能实践,自己成功了,再向外推送。这符合华为“以客户为中心的”价值主张,比如华为企业通信相关产品最开始也是解决华为全球化进程中不同部门的沟通问题,后来客户觉得好才开始慢慢对外销售的。
两方面可以看出华为在人工智能领域的动态:一个是华为手机在AI应用方面的进展,包括发布的AI手机荣耀Magic、华为Mate 9、华为Mate 10,开启了终端AI商业化元年;而另外一个则是华为视频监控在人工智能领域的不断投入,比如华为与衡阳成立了华为(衡阳)联合创新实验室,将共同进行基于视频大数据、人工智能、视频分析、神经网络等技术的联合创新开发,共同致力于衡阳平安城市等信息化领域建设。
创新中心揭牌仪式
华为(衡阳)联合创新实验室揭牌
除了与客户在人工智能领域进行联合创新外,华为也与业界顶尖的人工智能公司通力合作,比如云天励飞、依图、商汤、旷世等。在华为的开放云平台上,生态合作伙伴的各类视频分析算法,让华为的平台如虎添翼,全面支撑公共安全视频实际应用,使能视频应用快速创新,为城市安全带来全面的保障。因为华为深知“独行快,众行远”,华为选择的是后者,致力于让更多的视频应用玩家一起共同打造新的视频生态环境。
如果想了解更多华为安防在人工智能领域的探索,欢迎参加在青岛国际会展中心于3月22日—23日举行的华为中国生态伙伴大会2018。
华为中国生态伙伴大会2018
3月22日-3月23日
青岛国际会展中心
与您相约,不见不散
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。