自從AlphaGo戰(zhàn)勝李世石，轟動全球之后，各種各樣的所謂人工智能概念大肆興起，幾乎貫穿各個行業(yè)。近日，AlphaGo戰(zhàn)勝中國圍棋小子柯杰，人工智能代替人類的呼聲再次響起。然而截至到目前，回頭看，人工智能雖好，談到真正落地的產品和項目到底有多少，人們似乎就不像宣傳概念時那樣有熱情了。

　　在互聯網風口以及人口紅利即將過去的年代，人工智能已經牢牢占據了各大公司發(fā)展的戰(zhàn)略位置。但是，我們以人盡皆知的AlphaGo為例，他到底做了什么，我們到底需要他做什么？難道僅僅是下圍棋？顯然不是這樣的。我們今天談的主題就是，什么階段做什么事，落地為王。根據人工智能的定義，目前的狀態(tài)僅僅是“弱人工智能”階段（人工智能分為弱人工智能、強人工智能、超人工智能），那么在這個階段我們就應該讓人工智能來做它應該做的事情，比如AlphaGo，就是下棋。那么就可以理解目前大家所談的各種人工智能，比如siri，就是陪你聊；比如人臉識別的，就是幫你分析年齡、性別、體貌特征等；比如醫(yī)療人工智能，就是幫你分析以往病史給出就診意見等。他們只做也只能做弱人工智能該做的事情，步子走大了，容易扯到蛋。（下文中提到的人工智能目前泛指弱人工智能）

　　那么，今天我們不談AlphaGo，談談人工智能的落地。那么就不得不談談安防行業(yè)了。因為無論是醫(yī)療、語音還是火爆的游戲領域，真正落地的項目寥寥可數，然而在安防行業(yè)，�？低�視的”獵鷹“、”刀鋒“，宇視科技的”昆侖“，包括曠世、依圖等非傳統(tǒng)安防廠商，都在利用人工智能進行行業(yè)變革，落地項目遍地開花。說到這，我們有必要思考一下，為什么安防行業(yè)人工智能項目落地的速度會大大高出我們的預期呢？那就又要談談和人工智能相關的幾個關鍵點。

　　首先是深度學習算法。理解深度學習的最簡單方式就是先理解簡單的機器學習是什么。拿最常用的例子來講，就是教會機器如何識別一只可愛的小狗。按照機器的思維，我只要在算法中告訴它，某張圖片或者某個物體是一只小狗，這樣就結束了。然而，如果這是一只黑狗，當設備再遇到一只白狗它還會識別出來嗎？顯然是不能的。那么深度學習就是來解決這類問題的。按人類的思維模式，無論黑狗還是白狗，總歸是一只狗，那么我們利用深度學習算法就是為了讓機器也有類似于人類的這種歸納總結能力，利用深度學習算法的機制，我們可以對機器進行多層次的模型培養(yǎng)，慢慢的總結出狗的特征和規(guī)律，當再見到一只狗的時候，就不必我們一次又一次的“教“會機器去認出這是一只狗。

　　其次是大數據。大數據已經火了好幾年，而且必將繼續(xù)火下去。那么大數據和人工智能有什么關系呢？仍然以識別一只狗為例，上文中我們提到可以利用深度學習算法來讓機器具有總結歸納能力，但是，如何保證識別的準確率呢？假設，我只有兩張照片，一張黑狗、一張白狗，確實深度學習算法讓我的機器可以大致識別出一只狗應該具有哪些特征，然而這只狗是胖是瘦？是大是�。渴屈S色呢？是灰色呢？是沙皮狗還是薩摩耶呢？這時候，大數據的引入就完美的解決了這個問題。試想，如果我有1W張狗的照片，其中既包含了黑狗、白狗，又包含了胖狗瘦狗、還包含了各種品種類型的狗，那么對于機器來說，總結出的可遵循的規(guī)律就更多，對新的物體進行識別時可參照樣本量就越大，我的深度學習算法也就越準，同時算法模型的深度也就越深。那么繼續(xù)設想，如果我有10W張甚至100W張狗的照片，我的準確率勢必大幅度提升，這也就是為什么我們目前看到的做人工智能的廠商一定是行業(yè)領頭企業(yè)或者是掌握了大量數據的企業(yè)的原因。

　　最后，硬件設備的升級。說到整個2016年甚至截止到今天全球最成功的公司，就不得不談談英偉達了。排除PC行業(yè)，GPU硬件平臺的持續(xù)強勁拉動了整個公司的強勢發(fā)展。那么以往作為配角出現的GPU，在與CPU的競爭當中為何強勢突起了呢？這就是整個硬件結構的不同帶來的適應性變化。CPU在串行運算中大行其道，統(tǒng)治PC屆幾十年，GPU只是配合CPU在進行圖形圖像算法時提供大量并行運算。然而到了深度學習以及大數據要發(fā)揮作用的時候，串行運算已經遠遠無法達到人們預期的效率和速率了。GPU 在處理數據時，首要的兩點：一是運算，二是數據吞吐量。然而 CPU的內部硬件結構首要目的是要降低整個串行處理的延時并且保持管線持續(xù)工作。那么，GPU內部結構相對簡單的架構、重復性的進行同一運算、海量GPU集群配置等等因素注定了在深度學習乃至人工智能領域，GPU都具有天生的優(yōu)越性。

　　結合以上的三點，安防行業(yè)天生的優(yōu)越性就顯露出來了。首先深度學習算法是開放的。也就是說任何廠家都可以使用這種算法進行針對性的優(yōu)化，例如處理視頻、音頻、文字等等。其次，視頻是信息量最大的一種大數據。那么利用深度學習算法就可以持續(xù)不斷的進行模型培養(yǎng)、層數加深等等。最后，GPU方面肯定不是問題，只要有錢。曾經有一篇在朋友圈非�；鸬奈恼拢�叫《揭秘英偉達GPU國內最大客戶，竟然是它！》，講的就是安防領頭羊企業(yè)利用人工智能技術在安防領域所做的一些產品以及解決方案。另外英偉達國內第一臺NVIDIA DGX-1深度學習超級計算機也以天價落戶于該企業(yè)，為該公司人工智能算法的研究提供強有力的后盾。

　　說了這么多，到底人工智能在安防行業(yè)有哪些落地產品？從前端的高速人臉抓拍識別產品到后端的人臉大數據分析產品，層出不窮。從廣州火車站人臉抓逃犯到南京火車站人證合一“刷臉“進站，再從北京化工大學實驗室人臉防控系統(tǒng)到屢上新聞的江蘇宿遷”圖立方“系統(tǒng)，人工智能在安防領域連戰(zhàn)連捷。反觀其他領域，貌似只有我們本來不想談的AlphaGo，畢竟，產品、項目無法落地，說的再好，天花亂墜也沒有任何作用。

　　回到人工智能目前所處階段的問題上，我們離超人工智能還有十萬八千里，甚至離強人工智能還有很遠，那么在所處的階段，做該做的事，讓人工智能更好的服務于大眾，服務于生活，那么安防行業(yè)確實是人工智能技術成長的一片沃土，人工智能大幕剛剛開啟，安防行業(yè)作為排頭兵，讓我們拭目以待，期待安防行業(yè)推動更多的智能化項目落地，同時也期待人工智能拉動安防行業(yè)真正智能化時代的到來。