Çin Bilimler Akademisi/Zhongke Orson Li Ziqing: "AI+Security"nin Üç Son Teknolojik BuluşuAI Security Summit 2018
31 Mart 2018'de Lei Feng.com'un ev sahipliği yaptığı AI etkinliği - "2018 Çin Yapay Zeka Güvenlik Zirvesi", Shenzhen Kexing Bilim Parkı Uluslararası Konferans Merkezi'nde gerçekleştirildi.
Sabah konuşmasında, Çin Bilimler Akademisi Biyometri ve Güvenlik Teknolojisi Araştırma Merkezi Direktörü ve Orson Baş Bilim İnsanı Profesör Li Ziqing, AI+ güvenliğinin acı noktaları ve gelecekteki gelişimi ile üç yeni teknolojik atılım hakkında konuştu. elde ettiler.
Li Ziqing konferansta, statik yüz tanıma teknolojisi üzerine araştırmaların tamamlanmak üzere olduğuna, dinamik yüz tanıma teknolojisinin geliştirilmesinin araştırılması ve uygulanmasının tüm hızıyla devam ettiğine ve büyük verinin "AI + güvenlik" için önemli bir gelişme yönü olduğuna dikkat çekti. Konuşmasında, "AI + güvenlik" in birkaç acı noktasına dikkat çekti:
-
Derin öğrenme, büyük verilerle denetimli eğitim gerektirir ve manuel etiketleme zaman alıcı ve emek yoğundur;
-
Derin öğrenme algoritmasının performans iyileştirmesi yavaşlıyor ve tavana yaklaşıyor;
-
Uygulama açısından bakıldığında, dinamik tanımlamanın yanlış pozitif oranı çok yüksektir ve üretim sürecindeki büyük veri kaynakları tam olarak kullanılmamaktadır;
-
Görsel veri kaynağından, güvenlik kameralarının görüntü kalitesi hala karanlık ışıktan, güçlü ışıktan ve arka ışıktan etkilenir.
Li Ziqing, üretim sürecinde büyük veriyi kendi kendine öğrenme, kapalı bir veri döngüsü oluşturma ve yapay zeka motoru geliştirme için kullanmanın ve dinamik yüz tanıma motorunun performansını ultra yüksek bir seviyeye yükseltmenin gerekli olduğunu vurguladı. gerçek mücadelenin ihtiyaçları; Video büyük verileri tek bir kişide, tek bir dosyada düzenlenir ve kümelenir - bu aynı zamanda büyük veri personeli tanımlamanın nihai çekirdek teknolojisidir.Bir kişi, bir dosya aracılığıyla birçok şey yapılabilir, örneğin, çapraz zaman ve mekan hedef alımı, hedef yörünge madenciliği, ilişki ağı analizi vb.
Aşağıdaki, Li Ziqing'in orijinal niyeti değiştirmeden Leifeng.com tarafından düzenlenen konuşmasının transkriptidir:
Ev sahibinin tanıtımı için teşekkürler Ev sahibi az önce bunun büyük bir etkinlik olduğunu söyledi ve bu doğru. Shenzhen'de geleneksel güvenlik devleri, gelişmekte olan AI şirketleri ve ayrıca yerel girişimciler ve ön saflardaki polis memurları var.
Haikang, Dahua, Uniview, Tiandiweiye vb. geleneksel işletmeler arasında eski arkadaşlarım var.Bir iş imparatorluğu olarak Alibaba da bu konferansa katıldı.Ayrıca SenseTime, Megvii, Horizon vb. akademide, AI + güvenliği konusunda böylesine büyük bir etkinliğe sahip olduğum için çok mutluyum.
Bugün bahsetmek istediğim konu "AI + Güvenlik: Bugünü Çözmek, Geleceği Güçlendirmek için İnovasyon" ve özü inovasyon.
Bugün 5 yönden bahsedeceğim:
(1) Güvenlik uygulamaları ve AI teknolojisi;
(2) Zhongke Orson'un yenilik süreci;
(3) Akıllı görsel güvenlik ürünleri;
(4) AI + güvenlik: sorunlu noktalar ve gelecekteki gelişim;
(5) Zhongke Orson teknolojisinde yeni atılımlar.
İlk üç bölümü görmezden gelebilir, cep telefonunuzla oynayıp uyuyakalabilir, uyanıp son iki bölümü izleyebilirsiniz.
Güvenlik uygulaması, yapay zeka teknolojisi ve ilgili araştırma çalışmaları
Güvenlik temel olarak iki kategori içerir:
-
Birincisi, bugün burada ana odak noktası olan kara listelere odaklanan izleme;
-
İkincisi, beyaz listeye odaklanan yetki kategorisidir.Finansal ve self servis uygulamalara ek olarak, giriş ve çıkış yönetimi gibi güvenlik de çok endişe vericidir. Dün, yetkili güvenliğe ait olan İnternet kimlik doğrulaması ile ilgili, mobil cihazların biyometrik tanımlaması için ulusal standartların formülasyonu üzerine bir toplantıya katıldım.
Buradaki AI ile ilgili araştırma, temel teknoloji açısından makine öğrenimi, bilgisayarla görme, çipler vb.; akıllı güvenlik, akıllı finans, akıllı ulaşım, robotlar vb. dahil olmak üzere uygulama ürünleri açısından. Ayrıca büyük veri çok önemli bir parçadır ve ayrıca daha sonra tartışılacak olan ilgi odağıdır.
Aslında, on yıldan fazla bir süre önce güvenlikte akıllı analiz tanıtıldı ve sürekli ilerleme kaydediyor.Şimdi derin öğrenmenin getirdiği üçüncü AI dalgası. Ben bu sürecin tanığı ve aktif bir katılımcısıyım.
2000 yılında Çin'e döndüm ve Microsoft Research'te dünyanın ilk gerçek zamanlı yüz tanıma sistemini geliştirdim. 2004 yılında Çin Bilimler Akademisine katıldığından beri, kendini yüz tanıma ve akıllı videonun güvenlik uygulamasına adamıştır. Shenzhen'de güvenlik ile çok iyi bir ilişkim var.2005 yılında Shenzhen Limanı'nda giriş çıkış self servis gümrükleme sistemini ve daha sonra Shenzhen Gümrüklerinin su yolcu tanımlama sistemini tasarladım ve uyguladım. ve 2008 Pekin Olimpiyatları için gerçek isim bilet doğrulama sistemini ve Şanghay Dünya Fuarı için giriş ve çıkış güvenlik yönetimini uyguladı.
Ulusal araştırma konuları açısından, 11. ve 12. Beş Yıllık Ulusal Bilim ve Teknoloji Destek Planı ve 13. Beş Yıllık Kamu Güvenliği Ana Projesi'nde yüz tanıma, video analizi ve video yapılandırma araştırma ve geliştirmesinden sorumluyum.
Halihazırda uygulanmakta olan 13. Beş Yıllık Planın ana projesi, yüz yapılandırması, kimlik özellikleri, cinsiyet, yaş, ırk vb. dahil olmak üzere video yapılandırma teknolojisini derinleştirmeye devam ediyor; yaya yapılandırılmış açıklama, çeşitli bölümlerin açıklamaları dahil. insan vücudu ve taşınan nesneler ve araç yapılandırması bunlar şu anda video büyük verisindeki en büyük endişelerdir.
2009 yılında, arka planda sunucu tarafından desteklenen, tarayıcı ağından yüklenen video gözetim yüz tanıma, mobil yüz tanıma ve yüz tanımayı birleşik bir çerçevede birleştiren yüz tanıma IoT/bulut hizmeti konseptini önerdim. Yüz tanıma bulut hizmetleri artık çok popüler ve güvenlik, finans, sosyal güvenlik ve diğer sektörlerde yaygın olarak kullanılmaktadır.
2010 yılında, yüz tanıma bulut hizmetlerinin daha da genişletilmesi olan akıllı vizyon Nesnelerin İnterneti kavramını önerdim. Alt katman, çeşitli görsel sensörlerden veri toplayan ve veri görüntüsünün toplanması ve temizlenmesi için İnternet, telekomünikasyon ağı, kamu güvenliği intraneti vb. aracılığıyla kamu güvenliği veri platformuna toplayan ve ardından akıllıca analiz eden veri portalıdır. Çeşitli video analiz araçları da dahil olmak üzere video verileri, üst katman, yüz tanıma, video araştırması ve yargılama gibi uygulama işidir.
Akıllı vizyon Nesnelerin İnterneti, Çin'de yüz tanıma ve akıllı videonun ilk belediye düzeyinde güvenlik uygulaması olan Wuxi Kamu Güvenliği Bürosunda uygulandı. Sonuçlarımız Wuxi Belediye Hükümeti tarafından önerildi ve 2013 yılında World Smart City Expo'ya gönderildi ve ödülü kazandı.
İnovasyonumuzun uluslararası bir etkisi de oldu.Ulusal Standartlar ve Teknoloji Enstitüsü tarafından yayınlanan veri tabanı ve Savunma Bakanlığı'nın yakın kızılötesi yüz tanımanın yer aldığı uygulamalı teknoloji projesi, bu alanda bir ilk olan buluşlarımdan biridir. Yüz tanıma teknolojisi bir ürün teknolojisi haline geldi ve birçok yerli üretici bunu kullanıyor, özellikle Shenzhen'dekiler; heterojen görüntülü yüz tanıma da var.
2011'de AB tarafından AB'nin Yedinci Çerçeve Araştırma Programına katılmaya davet edildim.İçinde 12 takım var ve Avrupa dışı tek takım biziz.
Bu projenin araştırma içeriği, biyometrik tanımlamada protez saldırı ve buna karşılık gelen karşı önlem teknolojisidir. Yüz tanıma ile ilgili daha önceki araştırmalar ağırlıklı olarak doğruluk oranına odaklanmıştı, ancak yetkili uygulamalarda, yüz fotoğrafları ve videoları gibi sahte biyometri saldırılarına karşı koyamıyorsa, doğruluk oranı %100 olsa bile işe yaramaz. Bu nedenle 2009 yılından itibaren yüz tanıma için sahtecilikle mücadele teknolojisinin araştırma ve geliştirmesine başladık.Bir diğer yeniliğim olan multispektral yüz sahteciliği önleme teknolojisi, dürbün yüz tanıma ve canlı sahtecilikle mücadele teknolojisi ve ekipmanları, herkesin bildiği gibi. şimdi görüyor, benden geliyor. Multispektral dürbün derin öğrenme tanıma sistemimiz, geçen yıl 3.15'te CCTV'nin maruz kaldığı yüz tanıma güvenlik açığını mükemmel bir şekilde çözüyor. Bu alandaki özgün çalışmalarımız nedeniyle AB projelerine katılmaya davet edildik.
2012'de Dünya Bilim Festivali'nin en iyi yayını olan Science, yüz tanıma, görüntü analizi ve görsel Nesnelerin İnterneti alanındaki başarılarımız hakkında benimle röportaj yaptı ve Çin'in ulusal gücünün ve yenilikçilik yeteneklerinin hızla gelişmesini anlattı.Uluslararası lider olmak. ve uluslararası meslektaşlarının övgüsünü kazandı.
Akıllı güvenlik ürünleri ve mevcut sorunlu noktalar
Biraz da akıllı güvenlik ürünlerinden bahsedelim.
Birincisi dinamik yüz izleme. Statik yüz tanıma teknolojisi ve uygulaması üzerine araştırmalar artık sona ermiştir; dinamik yüz tanıma teknolojisinin geliştirilmesi ve uygulanması tüm hızıyla devam etmektedir ve sorunlu noktalar daha sonra tartışılacaktır.
Diğer tipik ürünler, halihazırda kullanımda olan ve gelecekte daha yaygın olarak kullanılacak olan yetkili self servis ekipmanı ve kapı kanalı kimlik doğrulamasını içerir. Geçen hafta, Hebei Eyaletinde vergi self servis sistemi piyasaya sürüldü ve self servis makineler ve erişim kapıları için tanımlama teknolojisi ve genel çözümler sağladık. Ayrıca ziyaretçi sistemleri, topluluk erişim kontrolü, dürbün yüz tanıma ve canlı sahteciliğe karşı koruma modülleri ve ekipman ürünleri bulunmaktadır.
Zhongke Orson ekibi, ulusal projeler, kağıt yayınlar ve temel teknolojiler dahil olmak üzere 1 Numaralı birçok yeniliğe ve buluşa sahiptir.Dünyanın ilk gerçek zamanlı yüz tanıma sistemini, dünyanın ilk büyük ölçekli biyolojik Tanımlama self servisini tasarladık ve uyguladık. gümrükleme sistemi, dünyanın ilk yüz tanıma bilet doğrulama sistemi, dünyanın ilk pratik yüz tanıma ekipmanı ürünü (yakın kızılötesi), dürbün yüz sahteciliği önleme ekipmanı (görünür ışık + yakın kızılötesi), bunlar Zhongke Orson'un ilkleri.
PC, mobil ve video gözetiminde yüz tanımayı birleştiren dünyanın ilk yüz tanıma IoT/bulut hizmetini önerdik ve ayrıca akıllı vizyon IoT'sini önerdik ve uyguladık.
Dün (30 Nisan) Çin'in ulusal standartları üzerine bir tartışmaya katıldım.Mobil cihazların biyometrik tanımlaması ile ilgili olarak, Çin'in mobil yüz tanıma uygulaması dünyanın en büyüğüdür.Çabalarımız sayesinde Çin'in ulusal standartlarının kesinlikle uluslararası standart haline geleceğine inanıyorum. .
Şimdi güvenlik, yapay zeka ve büyük veri hakkında konuşalım.
Öncelikle uygulamanın ölçeğinden veri ölçeğine bakalım.Örnek olarak bir yargı bölgesini ele alalım.Diyelim ki Shenzhen'de yaklaşık bir köy veya kasaba büyüklüğünde 1.000 video var. portreler ve bunları 200.000 kişilik kara liste veritabanıyla karşılaştırın. Her kameranın her 5 saniyede bir yüz yakaladığını varsayarsak, yargı yetkisi saniyede 200 görüntü yakalar ve her gün 17,3 milyon yakalanan yüz üretir.3.456 teraflop. İşletme, doğru tanınma oranının %90'dan az olmamasını umuyor.
Dinamik yüz tanıma için gözetim videosunu kullanmanın acı noktası, yanlış alarm oranının çok yüksek olmasıdır.Kamu güvenliği, bu teknolojiyi kamu güvenliği önleme ve kontrol seviyesini iyileştirmek için kullanmayı umuyor., kullanıcı sonunda vazgeçmek zorunda kalacak. onu kullanmak.
AI hakkında konuşalım. Şimdi yapay zekanın üçüncü dalgasındayız.
1988 yılında İngiltere'ye okumaya gittim.İlk durak Edinburgh Üniversitesi'nin yapay zeka bölümüydü.İkinci yapay zeka patlamasıyla karşılaştım.O zamanlar ana fikir göstergebilime dayanıyordu.O zamanlar sinir ağları da vardı, ama nispeten zayıflardı.Aslında ikisi o zaman işe yaramadı. Birkaç aylık araştırmadan sonra, sembolik yöntemi reddettim ve sinir ağları olan bağlantıcılığı benimsedim.İstatistik ve optimizasyon teorisi ile başladım, enerji fonksiyonları oluşturdum ve veri analizi yoluyla aşağıdan yukarıya analiz yöntemlerini ve optimal çözümler arayan makine öğrenimini benimsedim. , bugüne kadar.
Şimdi yapay zekanın üçüncü dalgası derin öğrenme tarafından tetikleniyor. Derin öğrenmenin üç çok önemli unsuru vardır: birincisi derin sinir ağıdır, sinir ağı yeni bir şey değildir, ancak şimdi daha derindir ve daha karmaşık sorunları çözebilir; ikincisi denetimli öğrenme, büyük veri eğitimi; Üçüncüsü yüksek- performans paralel hesaplama
Geçen yıl Aralık ayında Caixin.com, Kai-Fu Lee'nin yapay zeka ve büyük veriler hakkında konuştuğu kısa bir videoya sahipti ( Caixin, belirli bir ölçek ve kaliteye sahip veri setlerinin yapay zeka endüstrisinin gelişimi için büyük bir kısıtlama olduğu sonucuna vardı.
Sogou CTO'su Yang Hongtao, sorunu çözmek için yeterli veri olmadığını söyledi. Bence sorunu çözmek için yeterli etiketli veri olmadığını söylüyor olmalı. Üretimde çok fazla veri var.
Kaifu, manuel açıklamanın sorunu temelde çözemeyeceğine inanıyor ve şimdi derin motor geliştirmede bu tür sorunlarla karşılaştık. Yapay zekanın gelişimini daha yüksek bir seviyeye çıkarmak için, büyük veriye açıklama ekleme sorununu gerçekten çözmek için, gerçek uygulama senaryolarında kapalı döngü geri bildiriminin açıklamasını almak gerekir.
Bu, teknolojimizin ve uygulamamızın acı noktasına yol açar.
Denetimli derin öğrenme, büyük veri eğitimi gerektirir. Ancak manuel etiketleme, zaman alıcı ve emek yoğundur ve etiketleme için kullanılabilecek insan, finansal ve zaman kaynakları sınırlıdır. Denetimli derin öğrenme algoritmaları geliştirerek, ağ mimarisini geliştirerek ve etiketlenmiş verileri artırarak hala geliştirme için biraz alana sahip olsa da, iyileştirme alanı çok büyük olmayacak.Bence, 2014'teki hızlı gelişmeyle karşılaştırıldığında, gelişimi yavaşladı ve tavana yaklaşıyor.
Uygulama açısından, dinamik tanımanın yanlış pozitif oranının çok yüksek olduğunu ve büyük veri kaynaklarının tam olarak kullanılmadığını söyledim; çekirdek motorun iyileştirilmesi veri etiketlemeyi gerektiriyor ve veri etiketleme ve işlemenin manuel olarak yapılması gerekiyor. Bu, AI teknolojisi ve uygulamaları için bir geliştirme darboğazı.
Bu nedenle Kaifu'nun söylediklerinin farkına varmalı, uygulama senaryoları için kapalı bir veri döngüsü oluşturmalı ve otonom öğrenme için üretim sürecinde büyük veriyi kullanabilmeliyiz.
Öte yandan, veri kaynağı açısından bakıldığında, görsel sensör tarafından görüntü kalitesi çıktısı hala karanlık ışıktan, güçlü ışıktan ve arka ışıktan etkilenmekte, bu da özellikle dış mekanlarda ve yüz tanıma performansında daha fazla düşüşe yol açmaktadır. dinamik sahneler Şimdi geniş dinamik, yıldız ışığı kameraları olsa da, bu hala ciddi bir sorun.
Görmeyle ilgili bir trend, Kinect'ten iPhone X'e ve Lida'ya kadar 3D sensörlerin geliştirilmesidir. Üç boyutlu sensörler, iki boyutlu bilgilere ek olan derinlik bilgisi sağlayabilir ve AI uygulamalarının yeteneğini ve seviyesini iyileştirebilir.
Yeni teknolojik atılımlar ve özetler
Son olarak, Zhongke Orson'un en son üç teknolojik atılımına kısa bir giriş:
(1) Büyük veri kapalı döngü kendi kendine öğrenme;
(2) Büyük veriden tek kişiye, tek dosyaya;
(3) Yeni nesil akıllı kameralar.
Bunlar çok özgün, çok benzersiz, çok yüksek eşik ve son derece değerli teknolojik atılımlardır.
İlk olarak, büyük verinin kapalı döngü kendi kendine öğrenmesine bakalım. Ön uç veri alımımız var, verileri alıp arka uç büyük veri depolama merkezine gönderiyoruz.Arka planda bir çekirdek motorumuz da var.Elbette bu çekirdek motor ön uçta da olabilir ve eğitim arka planda olmalıdır.
AlphaGo'yu herkes duymuştur.İlk günlerde, çeşitli satranç oyunlarıyla antrenman yapmak için çok sayıda etiketli veri kullandılar ve Li Shishi ve Ke Jie'yi yendiler. 2017'nin ikinci yarısında, sıfır etiketli verileri kullanan ve otonom pekiştirmeli öğrenmeyi yürütmek için yalnızca satranç hamlelerini ve muhakeme kazanma ve kaybetme kurallarını kullanan Alpha(Go) Zero'yu piyasaya sürdüler. AlphaZero, eğitimin 3. gününde Lee Sedol'u, 21. günde Ke Jie'yi ve 40. günde tüm insanları yendi. Daha sonra bu tekniği sadece Go oynamak için kullanmadılar, aynı zamanda diğer satranç ve oyunları da büyük bir başarıyla oynadılar.
AlphaZero'nun otonom pekiştirmeli öğreniminin sınırlı bir durum alanında gerçekleştirildiğini unutmayın: siyah ve beyaz taşlarla 19×19 satranç tahtası, olası satranç oyunlarının sayısı çoktur, ancak sınırlıdır, satranç hamlelerinin kuralları ve nihai karar zafer ve mağlubiyet açıkça belirtilmiştir. Yani herhangi bir etiketli satranç pozisyonu kullanmasa da denetimsiz öğrenme olduğu söylenemez, zayıf denetimli öğrenme olduğu söylenebilir. Ondan öğrenebiliriz ama doğrudan kullanamayız çünkü görsel algı yaparız ve içindeki motor öğrenme sonsuz bir durum uzayında bir süreçtir.
Yaklaşımımız, arka uç büyük verileri ve çekirdek motorun yeniden öğrenilmesini açmak için AlphaOne teknolojisini kullanmak ve Bay Kaifu'nun söylediği kapalı döngüyü gerçekleştirmektir. AlphaOne olarak adlandırılmasının nedeni, mevcut etiketli veriler üzerinden derin öğrenme algoritmaları kullanılarak eğitilmiş bir derin ağ temel motorumuz olmasıdır. AlphaOne'ın kendi kendine öğrenmesi buna dayanmaktadır.
Denetimli derin öğrenme ile yarı denetimli özerk öğrenmenin karşılaştırılması, her ikisi de etiketli veriler için aynı gereksinimlere sahiptir. Modelin eğitim yöntemi açısından ilki çevrimdışı eğitim, ikincisi ise üretim verilerini kullanarak çevrimiçi aktif öğrenmedir. Motor performansı açısından, denetimli derin öğrenme yoluyla eğitilen modelin performansı X ise, yarı denetimli kendi kendine öğrenme yoluyla eğitilen modelin performansı X 100 katını aşabilir.
İkinci atılım hakkında konuşalım, bir kişi, bir dosya. Güvenlik video büyük veri sisteminde, yoldan geçen veritabanı (snapshot) ve liste veritabanı bulunmaktadır. Yoldan geçen veritabanı aşamalı olarak depolanır.Veri ölçeği daha önce analiz edilmiştir.Bir ayda biriken ölçek on milyarlarca hatta yüz milyarlarca olabilir.Liste veritabanında 200.000 veya daha fazla kişi olabilir (örneğin, yerleşik nüfus).
Yargı alanında 1 milyon kişi olduğunu varsayarsak, bir kişi, bir dosya denilen şey, yoldan geçenleri (1 milyon kişi, başka yerlerden insanlar ve yakalananlar dahil olmak üzere) kümelemek içindir. liste veritabanı) personel kimliğine göre Her seferinde bir kişi olarak düzenlenmiştir. Bir kişi, bir dosya tanıma motoru üzerine kuruludur.Bence yüz izleme ve tanımanın nihai çekirdek teknolojisidir.Tanıma motorunun, büyük verinin ve kendi kendine öğrenmenin sonucudur.
Üçüncü atılım, yeni nesil akıllı görüş kameraları olan bir buluş patentli teknolojidir. , monoküler tam aydınlatma ve tam çıkış, mevcut akıllı kameraların kusurlarını çözerek daha zengin ve daha güvenilir görüntü ve video verileri sağlar. RGB, NIR, 3D (derinlik) veya bu üç RGB+NIR, RGB+3D ve RGB+NIR+3D kombinasyonunun çıktısını alabilen monoküler bir kameradır, bu nedenle tam çıktı olarak adlandırılır. Ve tam aydınlatmaya uyum sağlayabilir, karanlık ışıktan güçlü ışığa ve güçlü arka ışığa kadar çok net olabilir.
10 yıldan daha uzun bir süre önceki yenilikçi yakın kızılötesi yüz tanıma özelliğim ve son zamanlardaki yenilikçi dürbün sahteciliğe karşı kamera arkadaşlarım tarafından taklit edilebiliyorsa, bu monoküler tam aydınlatmalı tam çıkışlı kameranın taklit edilmesi zordur.
Son olarak, temamı özetlemek için, odaklanmak istediğim şey Orson'un yeteneği ve en son üç yenilik, yani: yeni nesil akıllı görüntü sensörleri, monoküler tam aydınlatma ve tam çıktı, büyük veri otonom öğrenme derin öğrenme darboğazı, bir kişi ve bir dosya için güvenlik büyük verilerinin nihai çekirdek teknolojisi.
Buradaki güvenlik şirketlerinin, son teknoloji AI şirketleriyle çok fazla örtüşmesi var. Şimdi, AI yapmazlarsa, insanlar güvenlik olduklarını söylemekten utanıyorlar. Güvenlik ve yapay zeka, özellikle derin öğrenme, derinlemesine entegre edilmiştir. Son teknoloji işletmelerin algoritma teknolojisi çok iyi gidiyor ama saf algoritma ise kesinlikle çıkış yolu yok bu yüzden SenseTime ve Megvii gibi firmalar iniş uygulamaları yapıyor, güvenlik firmaları ile rekabet ediyor ve performans yapıyorlar. Bence herkesin kendine göre avantajları var. Geleneksel güvenlik, Hikvision ve Dahua gibi devler uzun yıllardır sektöre derinden dahil olmuşlardır ve güçlü pazar avantajlarına, sağlam satış kanallarına ve çok iyi iniş uygulamalarına sahiptirler. Hem yarışıyorlar hem de işbirliği yapıyorlar. Geleneksel güvenlik şirketlerinin ve gelişmekte olan AI şirketlerinin iyi bir etkileşime sahip olabileceği umulmaktadır.
(Bitiş)
Lei Feng.com tarafından düzenlendi.
