隨著人臉識別、語音識別和自動駕駛日益成為關(guān)注焦點，人工智能（AI）與社會、人類生活融合程度正在快速演進(jìn)。

其實早在1956年，人工智能這個術(shù)語就被正式提出。但在有限且昂貴的計算能力、已有計算方法存在缺陷、缺乏數(shù)據(jù)量這些無法克服的基礎(chǔ)性障礙面前，“模擬人類大腦”顯得非常遙遠(yuǎn)。

此后，一直到20世紀(jì)80年代初，隨著一類名為“專家系統(tǒng)”的AI程序開始為全世界的公司所采用，人工智能才興起了第二次熱潮。各國開始投入大量資金，例如日本經(jīng)濟(jì)產(chǎn)業(yè)省雄心勃勃旨在打造“第五代計算機”的研究計劃，目標(biāo)是制造出能夠與人對話、翻譯語言、解釋圖像，并且能像人一樣推理的機器。80年代后期，產(chǎn)業(yè)界對人工智能系統(tǒng)投入巨大但只產(chǎn)生有限的應(yīng)用產(chǎn)生質(zhì)疑，人工智能的泡沫逐漸破裂，投入大幅消減，人工智能再一次步入寒冬。

那么，人工智能到底將靠什么走向大眾？業(yè)內(nèi)專家認(rèn)為，視覺AI技術(shù)將是發(fā)展方向。

[[413886]]

對人類而言，70%到80%的信息獲取來自視覺。對人工智能來說，視覺AI也被視為目前最具應(yīng)用價值的AI技術(shù)。它能夠讓機器具備“從識人知物到辨識萬物”的能力，從而看懂、理解這個世界，幫助我們在生產(chǎn)和工作中，提升處理信息的效率。

簡單來說，視覺AI就是研究如何讓機器會“看”，即用攝影機和電腦代替人眼對圖像進(jìn)行特征提取和分析，并由此訓(xùn)練模型對新的圖像數(shù)據(jù)進(jìn)行檢測、識別等任務(wù)，建立能夠從圖像或者多模態(tài)數(shù)據(jù)中獲取“信息”的人工智能系統(tǒng)。

源于深度學(xué)習(xí)的突破，視覺AI的識別能力突飛猛進(jìn)，2012年的兩個轟動事件，更被視為視覺AI的發(fā)展拐點。當(dāng)時，由多倫多大學(xué)Geoffrey Hinton領(lǐng)導(dǎo)的團(tuán)隊，在一項名為ImageNet的圖像識別競賽中，利用深度學(xué)習(xí)和GPU的強大計算能力，將錯誤率降低了10%震驚學(xué)術(shù)界，因為之前這項錯誤率每年只會降低1%-2%。

同年，“谷歌大腦之父”吳恩達(dá)帶領(lǐng)團(tuán)隊，利用10億參數(shù)的神經(jīng)網(wǎng)絡(luò)，在沒有任何先驗知識的情況下，僅僅通過觀看無標(biāo)注的YouTube的視頻，創(chuàng)造了一套貓臉識別系統(tǒng)——從海量照片里自動識別出貓臉。

[[413887]]

視覺AI迅速成為人工智能領(lǐng)域最重量級的研究領(lǐng)域，源自于其在安防、醫(yī)療、無人駕駛等多個領(lǐng)域的應(yīng)用前景。

例如，在安防領(lǐng)域，視覺AI技術(shù)可進(jìn)行人群分析、逃犯追捕，可通過城市中成千上萬條路的攝像頭對目標(biāo)人群進(jìn)行鎖定與篩查，并做到實時告警，助力安防效率的提升；在手機領(lǐng)域，AI可提供刷臉解鎖、刷臉支付等更加安全和便捷的體驗，還可自動為面部美顏省去后期修圖的時間；在自動駕駛領(lǐng)域，AI技術(shù)可以通過攝像頭獲取的圖像，對車體的周圍環(huán)境進(jìn)行識別和分析，輔助做出精準(zhǔn)的路徑規(guī)劃。

放眼未來，更多的應(yīng)用前景都將貼上視覺AI的標(biāo)簽。比如，人臉識別技術(shù)有望在更多的物聯(lián)網(wǎng)終端設(shè)備上應(yīng)用，讓安全便捷的身份認(rèn)證無處不在，提升生活體驗；在AI+工業(yè)領(lǐng)域，工業(yè)機器人、物流機器人將更多替代傳統(tǒng)勞動力；在AI+文化領(lǐng)域，基于AI的增強現(xiàn)實技術(shù)，可以將古代文物、古代場景生動復(fù)原得以假亂真；在AI+教育領(lǐng)域，利用視覺技術(shù)實現(xiàn)學(xué)生的注意力管理、跟蹤學(xué)生的知識點掌握，實現(xiàn)真正的因材施教。 

當(dāng)然，AI掀起的新一輪產(chǎn)業(yè)浪潮不過短短幾年，技術(shù)上需要持續(xù)不斷的突破創(chuàng)新，行業(yè)需要不斷的深耕和挖掘，大眾也需要對其給予足夠的耐心。