Baru-baru ini, "KTT Keamanan Kecerdasan Buatan China Kedua" yang diselenggarakan oleh Leifeng.com dan AI Nuggets diadakan di Hangzhou.
Pada KTT tersebut, Senior Vice President Hikvision dan Dekan Research Institute Pu Shiliang menyampaikan pidato bertajuk "Pemberdayaan AI, Membangun Masa Depan Bersama".
Pu Shiliang mengatakan, meskipun ekonomi riil memiliki permintaan yang sangat kuat terhadap AI, penerapan AI tidaklah mudah karena membutuhkan lima syarat utama: data, algoritme, daya komputasi, produk, dan sistem. Namun pada kenyataannya, sulit bagi sebagian besar perusahaan tradisional untuk memiliki semua kemampuan di atas, yang merupakan alasan utama mengapa AI sulit diterapkan.
Oleh karena itu, sangat penting untuk menemukan cara baru organisasi sosial untuk berbagi dan menggunakan sumber daya dengan lebih baik. Platform terbuka AI Hikvision diluncurkan untuk tujuan ini.
Pu Shiliang memperkenalkan bahwa pada tahun lalu, Hikvision telah berhasil menerapkan platform terbuka AI untuk peningkatan cerdas perlindungan lingkungan, logistik, pariwisata, meteorologi, manajemen perkotaan, dan bidang lainnya.
Berikut isi pidato langsung Pu Shiliang, Lei Feng.com telah mengedit dan menyusun intensi aslinya:
Para tamu yang terhormat, selamat pagi, saya Pu Shiliang dari Institut Penelitian Hikvision. Pertama-tama, saya ingin mengucapkan terima kasih kepada Leifeng.com atas undangannya. Saya memiliki kesempatan ini untuk memperkenalkan Hikvision menggunakan AI untuk memberdayakan ekonomi riil dan beberapa pekerjaan yang telah dilakukan dalam membangun ekosistem terbuka AI di tahun lalu.
Pada abad ke-21, lingkungan informasi kita telah mengalami perubahan yang luar biasa dan mendalam. Dengan perkembangan terminal seluler, Internet dan Internet of Things, perangkat penginderaan telah menyebar ke seluruh kota, dan jaringan global menghubungkan perangkat dan individu, individu, dan kelompok. Dunia kita telah berevolusi dari ruang fisik sebelumnya dan masyarakat manusia. Metaspace telah menjadi ruang terner yang terdiri dari ruang fisik, masyarakat manusia dan ruang informasi. Pembangunan ekonomi juga mengalami proses informatisasi dan digitalisasi seiring dengan perubahan lingkungan informasi, dan mengantarkan gelombang intelijen. Kita tahu bahwa di ruang informasi Internet of Things, lebih dari 80% datanya adalah data visual. Memanfaatkan kecerdasan visual untuk melihat pemandangan dapat memperluas sejumlah besar aplikasi cerdas di berbagai industri.
Di sisi lain, dengan hilangnya dividen demografis China, profitabilitas industri tradisional telah menurun dari tahun ke tahun, dan peningkatan industri sangat penting. Teknologi kecerdasan buatan adalah sarana teknis inti dari peningkatan industri. Teknologi kecerdasan buatan memiliki nilai aplikasi yang luar biasa dalam industri tradisional. Menurut rencana pengembangan kecerdasan buatan generasi baru yang dikeluarkan oleh Dewan Negara, pada tahun 2030, skala industri kecerdasan buatan inti diperkirakan akan melebihi 1 triliun yuan, mendorong skala industri terkait melebihi 10 triliun yuan. Namun di sisi lain, karena tahap perkembangan teknologi kecerdasan buatan, teknologi kecerdasan buatan saat ini hanya cocok untuk tugas-tugas deterministik dan terkendala, sehingga aplikasi kecerdasan buatan bermunculan dalam sejumlah besar skenario dan bentuk yang terfragmentasi.
Permintaan AI di ekonomi riil sangat kuat, namun tidak mudah bagi AI untuk mendarat di ekonomi riil, karena pendaratan AI membutuhkan lima syarat utama, yaitu Data, algoritma, daya komputasi, produk, dan sistem . Yang pertama adalah data. Perkembangan teknologi cerdas membutuhkan data pelatihan yang masif, yang kedua adalah algoritma yang membutuhkan kemampuan desain algoritma AI yang kuat, dan yang ketiga adalah komputasi. Pelatihan dan penerapan algoritma AI membutuhkan daya komputasi yang besar. Lalu ada produknya, kemampuan kecerdasan buatan membutuhkan produk perangkat keras untuk dibawa; yang terakhir adalah sistem, yang membutuhkan solusi kecerdasan buatan yang lengkap. Sulit bagi sebagian besar perusahaan tradisional untuk memiliki semua kemampuan di atas, itulah sebabnya AI sangat diminati dalam ekonomi riil tetapi sulit untuk didapatkan.
Bagaimana sejumlah besar pengguna industri tradisional mendapat manfaat dari pengembangan teknologi AI? Profesor Geffrey Hinton, seorang dekan bidang kecerdasan buatan, pernah mengatakan bahwa dalam masyarakat yang terorganisir dengan baik, jika produktivitas meningkat, semua orang akan diuntungkan. Masalahnya bukan pada teknologi, tetapi cara berbagi manfaat. Oleh karena itu, agar teknologi AI dapat memberikan manfaat bagi lebih banyak industri dan individu, kita perlu membangun lingkungan industri kecerdasan buatan yang terbuka dan bersama, sehingga setiap peserta dapat berbagi peningkatan produktivitas yang dibawa oleh AI.
Hikvision sangat ingin menyumbangkan kekuatannya dalam proses ini. Untuk tujuan ini, kami telah mengembangkan platform terbuka AI. Di satu sisi, platform ini dapat membantu pengguna berbasis zero-algoritme mengembangkan algoritme cerdas di industri mereka sendiri, dan di sisi lain, dapat membantu praktisi AI memiliki produk dan solusi perangkat keras cerdasnya sendiri.
Platform ini memiliki tiga karakteristik: Yang pertama adalah dapat dengan cepat menghasilkan algoritme AI yang memenuhi kebutuhan skenario berdasarkan sejumlah kecil data; yang kedua adalah bahwa pelatihan algoritme, kompilasi, dan pengoptimalan semuanya diimplementasikan secara otomatis, memberikan solusi satu atap untuk pelanggan dengan fondasi algoritme nol Layanan; Akhirnya, berdasarkan fondasi perangkat keras Hikvision, ini membuka produk pintar dengan kemampuan persepsi yang kuat.
Menurut pengalaman kami sebelumnya, penerapan teknologi AI di suatu tempat sering kali membutuhkan proses pengembangan yang panjang dan profesional. Biasanya diperlukan waktu beberapa bulan mulai dari pengumpulan dan pelabelan data, desain algoritme, pelatihan, integrasi hingga peluncuran. Sekarang kami menggunakan berbagai alat otomatis melalui platform terbuka AI untuk membuat proses pengembangan algoritme AI menjadi sangat mudah. Seorang pengguna dengan basis algoritma nol dapat menyelesaikan pelatihan dan penerapan seluruh algoritma dalam satu jam.
Di bawah ini saya pertama-tama akan menggunakan kasus di industri ritel untuk mengilustrasikan cara menerapkan pelatihan dan penerapan algoritme dalam skenario tertentu melalui platform terbuka AI.
Dalam industri ritel, staf pusat perbelanjaan perlu memeriksa dan mengisi kembali barang di rak setiap hari, yang menghabiskan banyak tenaga. Untuk alasan ini, mereka berharap dapat mendeteksi stok barang di rak melalui kamera, untuk mencapai tujuan pengingat pengisian ulang.
Pertama, pengguna membuat model algoritme pada platform, dan mengunggah sejumlah kecil gambar di tempat, dan kemudian melakukan kalibrasi data. Proses kalibrasi sangat sederhana, dan hanya pemilihan bingkai dan pemilihan klasifikasi item yang perlu diselesaikan.
Setelah menyelesaikan pelabelan, latih model algoritme secara online.
Pengguna akhir menerapkan model algoritme terlatih ke kamera Haikang. Dengan cara ini, kamera pintar dengan deteksi produk rak dan pengingat stok habis telah dikembangkan. Seluruh proses selesai dalam satu jam.
Ini adalah arsitektur sistem platform terbuka AI. Platform tersebut mencakup lapisan infrastruktur, lapisan sumber daya, dan lapisan layanan. Bangun lapisan infrastruktur dengan sistem persepsi multi-dimensi, sistem penyimpanan terdistribusi, dan platform komputasi berkinerja tinggi; di lapisan sumber daya, buat tiga jenis sumber daya: model domain, kumpulan sumber daya data, dan gudang algoritme; pelatihan algoritme terbuka, layanan aplikasi cerdas, dan Sistem terbuka produk pintar.
Di bawah ini saya akan memperkenalkan kemampuan layanan yang disediakan oleh platform terbuka.
Kami tahu bahwa algoritme pembelajaran mendalam saat ini berdasarkan data, tetapi sulit bagi pengguna untuk mendapatkan data pelatihan yang sangat besar. Untuk membantu pengguna industri menerobos celah data, platform terbuka AI menyediakan kemampuan pembelajaran transfer berdasarkan model domain. Platform terbuka AI melatih sejumlah besar model domain di berbagai bidang aplikasi. Sesuai dengan tugas pengguna, platform terbuka akan secara otomatis memilih model domain sebagai basis pelatihan, dan kemudian menggunakan data adegan untuk pembelajaran migrasi berdasarkan pelatihan ini.
Bagan ini merupakan hasil eksperimen algoritma untuk mendeteksi citra kapal. Absis adalah jumlah data yang terlibat dalam pelatihan, ordinatnya adalah akurasi pendeteksian, garis putus-putus merupakan hasil pembelajaran migrasi, dan garis solid merupakan hasil full learning. Hal ini terlihat dari data eksperimen bahwa transfer learning hanya menggunakan sekitar 100 sampel latih, dan algoritme dapat memperoleh akurasi deteksi sebesar 85%; sedangkan pelatihan dari awal untuk mencapai performansi yang sama dibutuhkan minimal 5.000 sampel. Pembelajaran transfer berbasis model domain memungkinkan pengguna memperoleh algoritme yang dapat digunakan dengan jumlah data yang sangat kecil, yang sangat mengurangi ambang batas bagi pengguna untuk mendapatkan data.
Untuk membantu pengguna lebih jauh mengatasi hambatan data, platform ini juga telah mengembangkan mesin data virtual, yang menggunakan pemodelan 3D, penelusuran sinar, pembelajaran konfrontasi, dan teknologi lain untuk menghasilkan data virtual guna memperkaya sampel pelatihan. Video pertama menunjukkan sampel virtual produk rak dengan posisi penempatan dan sudut berbeda, video kedua menunjukkan sampel artefak manufaktur yang dihasilkan oleh titik cahaya simulasi, efek superimposisi karakter, dan produksi virtual; Model, adegan dalam ruangan virtual dibuat.
Mesin data virtual dapat membantu pengguna memperkaya sampel pelatihan, sehingga sangat mengurangi biaya data pengguna.
Selain persiapan data, desain algoritme deep learning juga merupakan tugas yang sulit, karena mencakup desain struktur jaringan saraf dan penyesuaian hyperparameter, yang umumnya memerlukan partisipasi insinyur algoritme senior. Untuk membantu pengguna dengan kemampuan desain algoritme yang tidak mencukupi, kami telah mengembangkan algoritme penelusuran arsitektur model, yang menggunakan daya komputasi besar untuk secara otomatis menemukan solusi optimal dari model jaringan saraf. Pengguna mengirimkan tugas dan menetapkan kondisi kendala, seperti sumber daya komputasi dan sumber daya memori yang dikonsumsi oleh algoritme, dan mesin telusur secara otomatis menyelesaikan pekerjaan desain algoritme. Platform terbuka AI telah berinvestasi dalam sistem pelatihan paralel besar-besaran untuk mendukung layanan pencarian arsitektur model online.
Setelah menyelesaikan pelatihan model, transplantasi algoritme pada sisi produk juga membutuhkan banyak pekerjaan penelitian dan pengembangan. Untuk meningkatkan efisiensi penelitian dan pengembangan dari algoritme hingga produk, platform terbuka telah mengembangkan kompiler AI. Kompiler AI menggunakan sarana teknis seperti pengoptimalan grafik jaringan saraf, pengoptimalan perakitan, dan pengoptimalan kompilasi instruksi untuk mewujudkan pengoptimalan otomatis dan penerapan algoritme di berbagai platform chip . Dari gambar di atas, kita dapat melihat bahwa algoritma yang dioptimalkan secara otomatis oleh kompiler AI memiliki efisiensi eksekusi yang jauh lebih baik daripada metode optimasi umum. Kompiler AI sekarang mendukung berbagai platform cloud dan komputasi edge, membuat transplantasi algoritme kecerdasan buatan di produk front-end dan back-end Haikang menjadi sangat nyaman.
Platform terbuka AI telah membuka sejumlah besar kemampuan aplikasi cerdas Haikang yang ada untuk dihubungi oleh pengguna industri, termasuk berbagai persepsi video dan kemampuan persepsi lintas media. Kemampuan persepsi video terbuka kami mencakup kemampuan pengenalan atribut untuk berbagai target, serta kemampuan persepsi yang akurat untuk berbagai objek dan perilaku; platform ini juga menyediakan kemampuan pengenalan teks dan pengenalan suara. Platform ini juga menyediakan berbagai kemampuan persepsi fusi informasi lintas media. Platform terbuka AI meluncurkan layanan aplikasi pintar kami melalui EZVIZ Cloud.
Penerapan teknologi kecerdasan buatan dalam skala besar dalam ekonomi riil China membutuhkan banyak praktisi AI untuk melanjutkan inovasi massal dan munculnya kecerdasan kolektif. Namun, salah satu masalah yang dihadapi para praktisi AI adalah mereka sering kekurangan produk yang sesuai untuk menjalankan algoritme mereka. Untuk alasan ini, kami telah membuka rangkaian lengkap produk perangkat keras kecerdasan buatan di bagian depan dan belakang untuk membantu praktisi AI mewujudkan fungsi dan solusi AI mereka sendiri. .
Sistem peralatan terbuka kami meliputi sistem operasi peralatan, kit pengembangan terintegrasi dan layanan pendukung cloud. Pertama, kami membuka sistem operasi perangkat Haikang, menyediakan berbagai kemampuan dasar perangkat, termasuk pemrosesan gambar, encoding dan decoding, penyimpanan, transmisi, dll.; Selain itu, kami menyediakan kit pengembangan terintegrasi, yang membuka sumber daya komputasi AI perangkat berdasarkan teknologi container , Memungkinkan pengguna untuk mengintegrasikan algoritme mereka sendiri pada produk; akhirnya kami menyediakan berbagai layanan pendukung di cloud, termasuk lingkungan kompilasi, lingkungan pengujian, penyimpanan aplikasi, dan alat otorisasi. Kami percaya bahwa dengan bantuan kapabilitas produk Haikang yang kuat, praktisi AI dapat menyadari nilai AI dalam ekonomi riil dengan lebih cepat.
Kemampuan persepsi perangkat adalah dasar dari algoritma AI. Berdasarkan akumulasi Hikvision selama bertahun-tahun di bidang gambar, produk pintar kami memiliki kemampuan persepsi yang kuat.
Misalnya, kamera lampu hitam kami, melalui teknologi hybrid fill light dan dual-light fusion serta arsitektur dual-sensor yang unik, menyadari penggunaan cahaya yang efisien dari cahaya tampak hingga panjang gelombang inframerah-dekat, yang sangat meningkatkan kualitas gambar dalam pemandangan dengan pencahayaan rendah.
Kamera Hawkeye kami mengumpulkan gambar secara bersamaan melalui beberapa lensa dan berbagai arah, digabungkan secara mulus untuk memberikan bidang pandang yang sangat lebar, dan mencapai cakupan panorama 360 ° dari pemandangan tersebut.
Kamera kami juga menggabungkan teknologi resolusi super berdasarkan sinyal asli dari sensor, dan menggunakan pembelajaran mendalam untuk melakukan penghitungan ujung ke ujung dan pengoptimalan proses pencitraan, untuk mencapai pengoptimalan dan peningkatan kualitas gambar dari akar, dan secara signifikan meningkatkan resolusi detail gambar dan target. Kemampuan dikenali memberikan dasar yang lebih baik untuk algoritme AI dalam hal kualitas gambar.
Selain itu, kami juga menyediakan teknologi fusi multi sensor. Yang ditunjukkan di atas adalah "teknologi penginderaan pemandangan penuh presisi tinggi". Kami menggunakan teknologi fusi data multi-modal untuk menggabungkan informasi yang mendasari lidar, kamera, GPS diferensial, sensor inersia, dan sensor kecepatan roda untuk mencapai persepsi presisi tinggi terhadap lingkungan dan target tiga dimensi. Solusi persepsi ini dapat digunakan dalam kondisi pencahayaan dan kondisi yang sulit. Ini bekerja secara normal dalam kondisi cuaca dan dapat digunakan secara luas dalam sistem tak berawak otonom seperti robot seluler pintar dan mobil tanpa awak.
Sebelumnya kami memperkenalkan karya platform terbuka AI di bidang persepsi cerdas. Penerapan mendalam teknologi AI di industri juga membutuhkan penerapan teknologi yang luas di bidang persepsi cerdas. Kecerdasan data besar adalah sarana penting untuk mewujudkan kognisi cerdas. Kecerdasan data besar melakukan analisis mendalam terhadap data besar, mengeksplorasi pola dan hukum tersembunyi, dan membangun paradigma komputasi dari data hingga pengetahuan hingga pengambilan keputusan.
Namun, penerapan teknologi kecerdasan data besar di industri menghadapi banyak masalah termasuk penyimpanan yang efisien dan penghitungan beberapa data IoT yang heterogen, abstraksi dan pemahaman tentang data besar, serta masalah pemodelan dan aplikasi yang nyaman. Platform terbuka AI memecahkan masalah penyimpanan dan kalkulasi beberapa data IoT yang heterogen melalui teknologi seperti operator paralel, beberapa arsitektur data, dan berbagai kerangka kerja komputasi. Memecahkan masalah abstraksi dan pemahaman tentang data besar melalui pembelajaran mesin, pembelajaran mendalam, grafik pengetahuan, penambangan grafik, dan algoritme lainnya; selesaikan masalah pengembangan yang mudah dan promosi aplikasi penambangan data besar melalui pemodelan visual dan kapabilitas model gudang
Dengan kemampuan di atas di bidang kecerdasan data besar, platform terbuka AI akan diluncurkan satu demi satu.
Jaringan pemasaran Hikvision mencakup seluruh negara, termasuk dealer, pelanggan, cabang, gudang, dan banyak node lainnya. Di antara setiap node, sejumlah besar hubungan temporal dan spasial seperti peluang bisnis, pesanan, dan distribusi terjadi setiap hari. Bagaimana meningkatkan efisiensi operasi jaringan pemasaran ini telah menjadi tantangan yang dihadapi Haikang. Kami mencoba mengoptimalkan jaringan ini dengan kecerdasan data besar.
1. Pertama-tama kami menerapkan algoritme seperti konstruksi grafik pengetahuan dan grafik neural network untuk mengidentifikasi sub-jaringan dengan efisiensi operasional yang lebih rendah, seperti yang ditunjukkan di bagian merah gambar;
2. Algoritme pengoptimalan grafik berdasarkan pembelajaran penguatan kemudian digunakan untuk membentuk kembali topologi jaringan dan menetapkan jalur logistik dan pemasaran yang lebih efisien.
3. Akhirnya, di jaringan pemasaran nasional, peningkatan efisiensi sirkulasi dan pengurangan biaya operasi telah terwujud, dan integrasi yang mendalam dari intelijen data besar dan operasi perusahaan telah direalisasikan.
Di atas, saya memperkenalkan layanan terbuka platform pengembangan AI di bidang persepsi cerdas, kognisi cerdas, dan perangkat keras cerdas.Selanjutnya, saya akan memperkenalkan secara singkat aplikasi platform pengembangan AI di berbagai industri dalam satu tahun terakhir. Perlindungan lingkungan terkait erat dengan kita masing-masing. Bidang perlindungan lingkungan adalah arah utama yang didukung oleh platform terbuka AI Hikvision. Dalam setahun terakhir, kami telah menggunakan platform terbuka AI untuk membantu pengguna mewujudkan sejumlah besar aplikasi di bidang perlindungan lingkungan. Misalnya, deteksi pembakaran jerami, deteksi sungai mengambang, dan deteksi pembuangan limbah. Dalam hal perlindungan hewan, pemantauan lapangan jangka panjang kami dan identifikasi cerdas harimau Siberia liar memberikan dukungan kuat untuk perlindungan hewan.
Selain kasus di atas, kami juga membantu pelanggan mencapai peningkatan cerdas di bidang ritel, pertanian, logistik, manufaktur, katering, pariwisata, meteorologi, dan industri lainnya. Misalnya, dalam industri katering, pengguna kami menggunakan platform terbuka AI untuk mendeteksi kondisi sanitasi dapur, dan di area pemandangan, pengguna kami menggunakan platform terbuka AI untuk mewujudkan fungsi pengambilan gambar. Teknologi AI menunjukkan nilai aplikasi yang luar biasa di berbagai industri.
Era kecerdasan buatan telah tiba. Hikvision bersedia bekerja sama dengan semua rekan untuk memberdayakan industri dan membangun masa depan bersama!
Tentang KTT Keamanan Kecerdasan Buatan China
"KTT Keamanan Kecerdasan Buatan China 2019" yang diselenggarakan oleh Leifeng.com dan AI Nuggets adalah forum keamanan AI yang berpengaruh di industri, yang didedikasikan untuk mempromosikan integrasi "keamanan AI" China dan penerapan "industri akademik". .
Melanjutkan tingkat tinggi dan popularitas tinggi dari KTT sebelumnya, KTT Keamanan Kecerdasan Buatan China 2019 sekali lagi berdiri di garis depan algoritme, teknik, dan produk, memandu industri keamanan untuk lebih meningkatkan kognisi. Ini adalah Haikang, Dahua, Huawei, Alibaba, Tencent, dan beberapa AI unicorn. Karena "AI Security" berada di panggung yang sama untuk pertama kalinya, lebih dari 1.000 manajemen perusahaan dan pemerintah serta peneliti teknis dari dalam dan luar negeri berkumpul di KTT untuk berdiskusi Penyebaran teknologi cerdas keamanan AI, aplikasi algoritma mutakhir, dan tata letak strategi bisnis pada tahun 2019.
KTT tersebut menyiapkan empat topik utama: "Urban Brain and Edge Computing", "Top Algorithm Application", "Front-end Dynamic Recognition dan Intelligent Video Cloud", dan "Urban AIoT dan Edge Intelligent Engine". Ke-15 pembicara yang hadir adalah :
Sesi pagi: Alibaba Huaxiansheng, Hikvision Pu Shiliang, Dahua Co., Ltd. Yin Jun, Horizon Zhang Yongqian, Teknologi Shenyu Chen Ruijun, Teknologi Shangtang Zhang Guoxuan, Mesin Inspur Bisnis Zhang Qi.
Sesi siang: Universitas Sains dan Teknologi Hong Kong Quan Long, mantan Institut Riset Panasonic (Singapura) Shen Shengmei, Huawei Yu Hu, Touch Jing Wu Xiao Hongbo, Megvii Technology Anyang, Qianshitong Hu Dapeng, Tencent Li Muqing, Institut Otomasi Akademi Sains Tiongkok Wang Jinqiao.
- Palu asli yang Anda inginkan! Justin Bieber dan Selena Gomez tidak menghindar dari berciuman di jalan!
- Zhuang Wenqiang dan Chow Yun-fat Aaron Kwok menciptakan "Wu Shuang", "Urusan Neraka" lainnya akan segera lahir!
- Lei Jun mengungkapkan bahwa gambar jepretan nyata mesin Xiaomi Mi 9: penuh warna dan bernilai tinggi, tampan dan mampu
- Sulit membeli rumah, promosi lambat, Universitas Yali! "Weekend Parents" membuat semua 80-an lahir dalam kecemasan kolektif?
- Adegan ciuman memalukan yang difilmkan oleh sang bintang di masa-masa awal, Yang Ying dan Wang Zulan berperan sebagai pasangan, sepasang mata pedas terakhir