在3月5日举行的全国人大第五次会议上，在李克强总理所作的2017年《政府工作报告》中明确提出：“一方面要加快培育新材料、人工智能、集成电路、生物制药、第五代移动通信等新兴产业，另一方面要应用大数据、云计算、物联网等技术加快改造提升传统产业，把发展智能制造作为主攻方向。”继在2016年8月被加入国务院印发的《“十三五”国家科技创新规划》，此次人工智能被写入《政府工作报告》，也意味着这一技术在国家政策中的急速奔跑。预计未来两年我国人工智能的政策氛围将快速发酵，产业将迎来进一步爆发，2017年将是关键一年。

 一、人工智能的定义及发展历程
    人工智能（ArtificialIntelligence）最早在1956年就提出了，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。是对人的意识、思维的信息过程的模拟。
    人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
    人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人、经济政治决策、控制系统、仿真系统中得到应用。著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的教授温斯顿认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

 

    人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理，制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。
    人工智能至今经历了三次浪潮。第一次，五十年代的达特茅斯会议确立了人工智能（AI）这一术语，人们陆续发明了第一款感知神经网络软件和聊天软件，证明了数学定理，人类惊呼“人工智能来了”、“再过十年机器人会超越人类”。然而，人们很快发现，这些理论和模型只能解决一些非常简单的问题，人工智能进入第一次冬天。
    第二次，八十年代Hopfield神经网络和BT训练算法的提出，使得人工智能再次兴起，出现了语音识别、语音翻译计划，以及日本提出的第五代计算机。但这些设想迟迟未能进入人们的生活之中，第二次浪潮又破灭了。
    第三次，随着2006年Hinton提出的深度学习技术，以及2012年ImageNet竞赛在图像识别领域带来的突破，人工智能再次爆发。这一次，不仅在技术上频频取得突破，在商业市场同样炙手可热，创业公司层出不穷，投资者竞相追逐。
    可以说，整个人工智能的发展过程都是在这样的模式之中，不同技术在不同时期扮演着推动人工智能发展的角色。在此，我们基于人工智能行业的企业、投资融资以及研究成果等维度提供一个全新看待人工智能的视角。

二、人工智能核心技术
    计算机视觉、机器学习、自然语言处理、机器人和语音识别是人工智能的五大核心技术，它们均会成为独立的子产业。
    1．计算机视觉：计算机视觉技术运用由图像处理操作及机器学习等技术所组成的序列来将图像分析任务分解为便于管理的小块任务。
    2．机器学习：机器学习是从数据中自动发现模式，模式一旦被发现便可以做预测，处理的数据越多，预测也会越准确。
    3．自然语言处理：对自然语言文本的处理是指计算机拥有的与人类类似的对文本进行处理的能力。例如自动识别文档中被提及的人物、地点等，或将合同中的条款提取出来制作成表。
    4．机器人技术：近年来，随着算法等核心技术提升，机器人取得重要突破。例如无人机、家务机器人、医疗机器人等。
    5．生物识别技术：生物识别可融合计算机、光学、声学、生物传感器、生物统计学，利用人体固有的生体特性如指纹、人脸、虹膜、静脉、声音、步态等进行个人身份鉴定，最初运用于司法鉴定。
    随着科技的发展，生物识别技术已经成为个人身份识别或认证技术的重要方式，人脸识别作为生物特征识别的重要分支，它的无侵害性和对用户以最自然、最直观的识别方式更容易被接受，然而，已有的一些机器学习算法大都使用浅层结构，而浅层结构的网络很难表示复杂函数。同时，以往提出的多层感知机器虽可以表示复杂的函数关系但又由于没有很好的学习算法。近几年深度学习技术被业界广泛认可，并在各个相关领域都取得了突飞猛进的进展，特别是深度学习技术在人脸识别领域的应用，在今年的安博会上，各厂家也纷纷推出人脸识别技术。随着市场需求的不断变化，不同的应用场合，人脸识别技术也根据需要开发出各种各样的产品来满足用户的需求。

 三、人工智能在安防领域应用及发展
    随着经济环境、政治环境、社会环境的变化和日趋复杂，各行业对安防的需求不断增加，同时对于安防技术的应用性、灵活性、人性化也提出了更高的要求，传统安防技术的局限性日益凸显。在这样的大背景下，人工智能发展趋势大致有以下几个方面：
    1．前端智能：感知型摄像机的推广应该是一个大方向。如果视频监控能够通过机器视觉和智能分析，识别出监控画面中的内容，并通过后台的云计算和大数据分析，来做出思考和判断，并在此基础上采取行动，我们就能够真正的让视频监控代替人类去观察世界。而要做到这一点，我们必须拥有具备感知能力的摄像机。因为，只有前端摄像机具有感知识别功能，我们才能进行智能分析的规模化部署和应用。将视频转为可利用的数据成为可能。可以说，感知型摄像机是智能分析经济性和规模化部署的基础，也是智慧城市大数据应用的关键，如果我们要真正拥抱大数据时代，感知型摄像机无疑才是视频监控的基石。
    2．深度学习：各种自学习和自适应算法的研究和应用。后续的智能分析产品应该是带有强大的自学习和自适应功能的。能够根据不同的复杂环境进行自动学习和过滤，能够将视频中的一些干扰目标进行自动过滤。从而达到提高准确率，降低调试复杂度的目的。例如，科达猎鹰人员卡口分析系统集成采用了业内技术领先的人脸检测算法、人脸跟踪算法、人员跟踪算法、人脸质量评分算法、人脸识别算法、人员属性分析算法、人员目标搜索算法。可以实现对城市各主要场所人员进出通道进行人脸抓拍、识别以及属性特征信息提取，建立全市海量人脸特征数据库，并以公安实战应用为核心，创新实战技战法。通过对接公安信息资源数据库，可对涉恐、涉稳、犯罪分子进行提前布控和实时预警，实时掌握动态；可对犯罪嫌疑人进行轨迹分析和追踪，快速锁定嫌疑人的活动轨迹；可对不明人员进行快速身份鉴别，为案件侦破提供关键线索。通过本系统的建设与应用，实现在大数据时代公安工作的跨越式发展，进一步提高工作效率、节约资源成本、缩短破案周期。
    3．大数据挖掘：视频数据深入挖掘应用迅速发展。随着视频分析技术的快速发展，视频数据量也非常大，如何让视频分析技术在大数据中发挥作用也成为人们关注的一个方向。利用各种不同的算法计算，将大量视频数据中不同属性的事物进行检索、标注、识别等应用，以达到对大量数据中内容的快速查找检索。大大降低人工成本，提高效率。甚至在有些方面让一些人工无法完成的任务成为可能。如：人脸、人员大数据库检索，身份证库重复人员查找，通过语义描述从视频中查找穿某种衣服，某种颜色的车辆查找，车牌查找，以图搜图，视频关联等应用。针对平安城市建设中海量视频目标排查工作量大，且海量视频场景各异，快速找目标较困难等实际应用需求，科达推出了结构化分析系统，一款专门针对于海量图片和视频二次分析的应用系统，适用于多场景、差异大的各种媒体源。支持对接入的多类型前端进行实时分析；支持对离线图片和视频进行目标检测、属性分析、特征提取等二次分析；支持分布式部署及扩展。
    在安防行业内，目前人工智能算法使用最多的还是在视频图像领域，因为传统安防企业的产品都是与视频图像相关。但对于公安等业务应用来说，视频图像只是一小部分，公安应用还需要网络信息、通信信息、社交信息等等。将来安防行业还需要以视频图像信息为基础，打通各种异构信息，在海量异构信息的基础上，充分发挥机器学习、数据分析与挖掘等各种人工智能算法的优势，为安防行业创造更多价值。
    目前无论是整个人工智能的发展，还是安防智能化的发展，其水平仍然存在起步的阶段，人工智能是安防领域的未来，在通往未来的道路上，还有许许多多障碍和困难需要跨越和克服，但总体趋势是乐观的，只有具备自主、个性化、不断进化完善的人工智能大脑，才能解决安防领域日益增加的需求，成为广大用户的专家和助手，提升整个安防领域的智能化水平，推动安防产业的升级换代。

返回列表