首页 资讯 技术 智能 工程 市场 科技 其它

经理

下栏目: 营销 观察 政策 经理

吴惟心:人工智能+中国安防的化学反应

来源:网络整理 热度:℃ 时间:07-25
摘要:安防经理描述

吴惟心,东方网力首席科学家,负责计算机视觉、深度学习、计算架构及人工智能

 

本科毕业于哈尔滨工业大学,研究生毕业于美国克莱姆森大学的吴惟心,硕士主修了电气与计算机工程系智能系统方向,博士生期间在计算机系统架构,可重构与并行计算和机器视觉领域进一步研究与学习。在高通任职时期,吴惟心用自己研发的工具Qualcomm Adreno GPU Profiler带领开发了FastCVQualcomm标准的快速OpenCV,成为了当时最快的移动计算机视觉引擎。在Amazon Lab126,他又开发了基于GPUCPU的可移植的计算机视觉引擎。为了更加接近自己的梦想,吴惟心加入创业公司Orbeus成为科学家,负责移动和云GPU并行计算,大规模计算机视觉深度学习训练,深度学习框架、大数据、建模,服务和部署。OrbeusAmazon AWS成功收购后,吴惟心帮助AmazonReKognition成为AWS标准服务。


东方网力首席科学家  吴惟心



四个关键维度看人工智能


近两年,人工智能(AI)在国际、国内都非常热,人工智能涉及诸多的维度,如仅从关键基础技术角度看,它是如何划分,并各自具有哪些特点呢?东方网力首席科学家吴惟心表示,人工智能可以分成软件、硬件、数据、人才四个关键部分。围绕某一个具体行业,将这四个要素作为基础串联起来,聚焦应用,就能够解决实际的问题。

 

首先,软件分为训练和部署两个部分。对于训练而言,市面上大部分成熟的人工智能应用基本上都是基于监督式学习的。这就需要有一个构架:即采用什么样的数据,如何建立模型,模型输入输出的内容是什么,是否能够端到端学习,学习哪些目标,这是软件框架决定的事。软件框架里还有很重要的一部分是计算协调,怎样更好地把计算资源用上,将通讯需要的时间隐藏在计算时间以内,达到更高的计算资源使用率,这些大部分是在软件框架里面决定的。

 

第二是硬件。硬件和软件是密不可分的上下游关系,包括GPU架构、TPU架构、固件驱动,计算中间层的一些软硬件结合、系统优化等。

 

第三是数据。训练数据不同于一般用户数据,训练数据是经过清理、组织的数据。训练数据的质量决定了模型精确度的上限。

 

而第四也就是最重要的部分,是应用科学家的工作。应用科学家是将软件、硬件、数据等作为工具和模块去解决某一个行业具体需求的关键。

 

从中国企业更擅长的环节推动人工智能

目前中国不少科研机构和企业都在积极地进行人工智能(AI)方面的各种研究和产品应用开发。但在这个工作过程中,中国的科研机构,尤其是企业主要聚焦哪些关键技术,如何下手?对此,吴惟心认为要从两个角度来看这个问题。

 

是否所有的东西都需要我们自己来研发?如果需要我们要做哪些研发?从广度和深度来看,人类作为一个群体,协作是时时刻刻在发生的。这种跨企业、跨国界的协作,应该由一部分能够深入的人去做一部分,再在某种层面上进行合作来解决具体的工程问题。在合作的时候,清楚了解已有模块的最大潜力和不足格外重要。

 

比如训练软件框架我们是否需要重新再做,答案是不一定。因为框架很多是开源的,如果由某个企业自己单独来做,其实是不经济的,除非是某些企业有自己特定的需求,才需要自己做研发。

 

硬件可以分开来看,硬件一部分用来做训练,另一部分用来做部署。市场上已经有成熟的用于训练的商业化硬件,这就不一定需要我们再重新做。但在部署环节是可以,有的时候甚至需要自己重新做。在把深度神经网络训练好以后,以低功耗的方式应用到具体行业产品上时,可能就需要根据各个行业不同的需求,来做适配。这部分国内的一些企业做得还是比较出色的。

 

数据是同各行各业紧密结合的。比如医疗的数据、社交的数据、视频的数据等都会因行业和企业而各有特点。人工智能领域的科学家的工作就是把它们都串联起来,并做出相关的解决方案,形成最大化的数据价值。

 

客观看,在人工智能领域,一些核心的技术、部件已有企业先期在做,它们走在了产业技术的前沿,中国企业要擅长于对这些资源进行理解,引入和整合,并与自身优势资源匹配。跟进人工智能,中国企业要从更擅长及着力的部分去投入和展开。

 

数据资源是中国在人工智能领域的突破点之一

人工智能可能是一次跨时代的第四次工业革命,在这种情况下,中国企业推动人工智能落地关键突破点在哪里?吴惟心认为这个突破点可能在于数据量的多寡与维度。而中国在数据资源方面有着优势。

 

这一方面来源于大量人口所产生的数据积累,因为真实的数据是人产生的;另一方面,在中国对数据的分析研究与应用得到国家支持,故而可用来做试验等分析研究。这两大条件,有利于从应用层面产生创新。而欧美在机器学习理论方面有着更加深厚的积累,国内在这个领域存在差距。

 

安防行业而言,中国的视频监控系统建设规模在全球是独一无二的,其监控点位的密度以及保存下来的视频数据量非常巨大。在视频应用上,欧美基于隐私保护、限制等要求,造成他们的数据是封闭的,独立单元化的构成,无法进行系统化链接与应用。而中国截止目前很多行业已经打通了单元化的信息孤岛结构。例如公安系统就构建了从中央到省地县,甚至到乡村的垂直系统架构,其海量视频数据资源就可能产生新的应用价值。当然,这些视频数据对外也是受保护的,不允许非专业人员去调取。但可以根据各警种的业务细分,提供给研究机构或科研企业做分析,对人工智能领域的科学家来说,能够对这样的数据进行高质量的清理,标注,这就是一个数据金矿,非常有利于中国把先进的人工智能技术导入其中,并进行相关分析研究,产生各类创新应用成果。