Yeniden Şekillendirme Teknolojisi ve İş Modeli "Akıllı Şehir · Görsel Zeka" Özel Oturum İncelemesi
Editörün notu: 12 Temmuz - 14 Temmuz 2019 tarihleri arasında 4. Küresel Yapay Zeka ve Robotlar Zirvesi (CCF-GAIR 2019) resmen Shenzhen'de düzenlendi. Hong Kong Çin Üniversitesi (Shenzhen) Lei Feng.com'un ev sahipliği yaptığı ve Shenzhen Yapay Zeka ve Robotik Enstitüsü tarafından ortaklaşa düzenlenen zirveye Çin Bilgisayar Topluluğu (CCF) ev sahipliği yapıyor ve Shenzhen Belediye Hükümeti'nden güçlü bir rehberlik aldı. Sektörün ve yatırım endüstrisinin üç ana alanındaki en iyi değişim fuarı etkinliği, yerli yapay zeka alanında güçlü bir sektörler arası değişim ve işbirliği platformu oluşturmayı hedefliyor.
14 Temmuz'da "Akıllı Şehir · Görsel Zeka" özel oturumu resmi olarak başladı. Bu özel oturum, tamamen "Geleceğin Şehir Seviyesinde Görsel Yapay Zeka Geliştirme" temasına odaklanmıştır.
Bunların arasında Tencent Jia Jiaya, Megvii Sun Jian, Shang Tang Wang Xiaogang, Yun Cong Wen Hao, Peng Si Shen Mei, UCLA Demetri Terzopoulos, Qianshitong Hu Dapeng, endüstri-akademik kesişim perspektifinden yeni bir vizyon önerdi Akıllı teknoloji araştırma yönü ve ürünleştirme metodolojisi.
Aşağıda bu konferansın harika bir incelemesi var:
Tencent Jia Jiaya: "Yapay Zekanın Çok Modlu Gelişimi"
Tencent Youtu Lab'ın eş lideri Profesör Jia Jiaya
Yapay zekanın nihai uygulaması bizden ne kadar sürer?
Jia Jiaya konuşmasında bu soruyu gündeme getirdi ve verdiği cevap 50-100 yıllık bir geliştirme alabileceğiydi.
Yapay zekanın gelişimi ile insan zekası arasındaki boşluklardan biri "multimodal bilginin akıllıca anlaşılması" dır.
İnsan yapımı bilgi miktarı daha fazla çeşitlilik getirmiştir ve görme, ses, sembolik dil, koku ve dokunma gibi bilgiler sınırsız çeşitliliğe sahiptir.
Çok modlu yapay zekada hâlâ birçok temel zorluk var: Birincisi, 2B görüntüler, 3B modeller, yapılandırılmış bilgiler, metin, ses ve nicelendirilemeyen daha fazla veri dahil olmak üzere çeşitli veri modalitelerinin mevcut olmasıdır; ikincisi çok modludur. Görüntüden metne, metinden görüntüye gibi morfolojik verilerin uyuşmaması, birden çok açıklama ve sunum içeren "bire çok" bir süreçtir; üçüncüsü, çok modlu verilerin, bir yazılımın veya algoritmanın birleştirilmesidir. İlerlemek nispeten kolaydır, ancak çoklu algoritmalarla zorluk geometrik olarak artacaktır. Örneğin, dil modelleme, 3D modelleme, otomatik yol bulma ve görüntü analizi adımlarından geçecek olan "robota tablonun solundaki şişeyi almasını söyleyin"; dördüncüsü daha fazlasıdır Modal denetim, "robota yanlışı nasıl yapacağı söyleneceği" ve "hangi adımın yanlış olduğu" da mevcut zorluklardır.
Bu çok modlu bilgi problemlerini çözmek için Jia Jiaya, hesaplamaları mümkün kılmak için çok modlu veriler aracılığıyla koku, tat, dokunma, psikoloji vb. Gibi ölçülmesi zor olan sinyal problemlerini daha iyi incelemeyi, işbirliğine dayalı öğrenme gerçekleştirmeyi ve birini kullanmayı önerdi. Kaynak bakımından zengin modsal bilgi, başka bir kaynak bakımından fakir modele yardımcı olur.
Çok modlu yapay zeka sorununu çözmek, yapay zekanın geleceği olacak.
Shang Tang Wang Xiaogang: "Akademisyenlikten Sanayileşmeye Yapay Zeka"
Wang Xiaogang, SenseTime Technology'nin kurucu ortağı ve Araştırma Enstitüsü Dekanı
Wang Xiaogang, yüz tanımanın akademik çevrelerden endüstriyel çevrelere doğru aşamalı ilerlemesini ve akıllı şehirler, akıllı trafik, cep telefonları, AR ve oyunlar gibi belirli senaryolarda yüz tanıma uygulamasını gözden geçirdi.
Wang Xiaogang, bilgisayar görüşü araştırmalarının birkaç önemli seviyeye sahip olduğunu öne sürdü:
İlki, çipler, yapay zeka süper hesaplama platformları, derin öğrenme platformları ve yapay zeka platformları üzerine temel araştırmaları içeren temel katmandır. Batı şu anda Amerika Birleşik Devletleri'ne liderlik ediyor; ikincisi, Çin'in birçok zengin senaryoya sahip olduğu ve geri bildirim verebildiği uygulama katmanı. Çin'in iyi olduğu alan; üçüncüsü araç zinciri katmanı.Gelecekte karşılaşılması gereken sorun, sıradan geliştiricilerin ve test uzmanlarının, üretkenliklerini serbest bırakmak için araç zincirine dayalı yapay zeka çözümlerini hızla geliştirmelerine nasıl izin verileceğidir.
SenseTime'ın geçmişte, şimdi ve gelecekte yapmaya devam edeceği şey, akıllı şehirlerin iş sınırlarını 1'den N'ye genişletmek, 2B algısını 3B dünyanın inişine ve gerçekliği sanal gerçekliğe doğru algoritma doğruluğunda sürekli iyileştirme öncülüğünde teşvik etmektir. Füzyon.
2014 yılında SenseTime ekibi, dünyanın insan gözlerinin tanıma oranını aşan ilk yüz tanıma algoritmaları serisini piyasaya sürdü. Yüz tanıma çıplak gözü aştı ve endüstriyel uygulamaların kırmızı çizgisini kırdı. O zamandan beri, teknolojinin sürekli ilerlemesiyle, işletme nispeten basitten sınırları aşmaya devam etti 1: 1 tanıma ve 1: N'ye doğru ilerleyin.
Wang Xiaogang verileri aktardı.Erişim kontrolü ve turnike gibi trafik senaryolarında, bir bina veya şirketin 10.000 ila 20.000 arasında bir veri tabanı vardır ve akıllı bir şehrin veri tabanı yüzbinlere ulaşabilir. SenseTime'ın yaptığı şey, on binlerce ila yüz binler arasında bulunması gereken kişileri ve şeyleri belirlemek ve analiz etmektir. Sahne genişlemeye devam ederken Wang Xiaogang, insan yüzlerinin giderek insan kimliğinin bir sembolü olacağına inanıyor.
Ayrıca 3 boyutlu uygulamalarda SenseTime'ın 3 boyutlu yüz tanıma çözümü birçok cep telefonuna da uygulanmıştır. Wang Xiaogang, cep telefonlarında 3D kameralarla çekilen yüzlerin, nesnelerin ve insan görüntülerinin canlı 3D rekonstrüksiyonunu gösterdi.Gelecekte, 2D fotoğraf albümleri 3D fotoğraf albümlerine genişletilebilir. İnsan vücudunun izlenmesi de 2D'den 3D'ye uzanıyor ve Shangtang şimdi bunu somatosensoriyel oyunlara uyguladı.
Yun Congwen Hao: "Akıllı Şehirde İnsan-Makine İşbirliği Platformu Her Yerde"
Yuncong Technology'nin kurucu ortağı Wen Hao
Yapay zeka nasıl yerleşir?
Wen Hao, yapay zeka kapalı bir "algılama, kavrama ve karar verme" akıllı ekonomi döngüsü oluşturmamız gerektiğini önerdi. Başlangıçlar, algı, biliş ve karar vermeyi içermelidir.
Sahneler açısından, kenar sahnelere ve bulut sahnelerine bölünebilir, ancak uç sahneler ve bulut, sahneye göre akıllıca tahsis edilmelidir.
Uç uç ve terminal, yerel gerçek zamanlı yanıt gerektiren muhakeme görevlerini ve bağımsız olarak eksiksiz veri toplamayı, çevre algısını, insan-bilgisayar etkileşimini ve karar kontrolünün bir parçasını taşır. Örneğin, otonom sürüş senaryolarında, İnternet bağlantısı kesildiğinde bağımsız yerel işlem gerçekleştirilir; akıllı güvenlikte, büyük miktarda veri yerel olarak işlenmelidir; mobil İnternet senaryoları düşük güç tüketimi ve veri güvenliği sağlamalıdır; akıllı ev ve akıllı üretim senaryoları gerektirir Heterojen ve gerçek zamanlı yanıt.
Bulut, akıllı veri analizi, model eğitimi ve yüksek aktarım bant genişliği gerektirmeyen bazı çıkarım görevlerini taşımaktan sorumludur.
Wen Hao, AI'nın henüz olgunlaşmadığına ve birçok sektörde birçok farklı talep olduğuna inanıyor. Bu sorunu çözmek için "insan-makine işbirliği" gerçekleştirilmelidir.
İnsan-bilgisayar işbirliğinin birkaç aşaması vardır. İlki, insan-bilgisayar etkileşimi yapmaktır. İlk olarak, makineye kim olduğunuzu bildirin. Bu yüzden önce yüz tanıma yapmanız gerekir.
İkinci adım insan ve makinenin entegrasyonudur.Örneğin, bir bankanın ürün yöneticisi yalnızca bir düzine ürün tasarlayabilir, ancak büyük veriye ve yapay zekaya dayalı olarak, her küçük ve mikro işletme için yüzlerce veya binlerce yapay zeka finans ürünü tasarlayabilir.
Sonra insan ve makinenin birlikte yaratılması var ve gelecekte bazı yeni senaryolar, yeni işler, yeni hizmetler ve yeni süreçler yaratılabilir. Örneğin, perakende mağazaları ikincil teşhir ve hassas drenaj gerçekleştirebilir Bu, insan-makine birlikte yaratımıdır.
Sun Jian'ı Yenmek: "Derin Öğrenme Görsel Hesaplamada Devrim Yapıyor"
Küçümseme Baş Bilim Adamı Sun Jian
Megvii'nin baş bilim adamı Sun Jian, görsel zeka, bilgisayar fotoğrafçılığı ve görsel hesaplamadan bilgisayarla görme araştırması alanındaki değişiklikleri tanıttı.
Sun Jian ayrıca derin öğrenme gelişiminin tarihini de inceledi. Derin öğrenmenin gelişiminin bugün kolay olmadığını ve bu süreçte iki engelle karşılaşıldığını söyledi:
Birincisi, derin sinir ağlarının iyi eğitilip eğitilemeyeceği, bugün derin öğrenme başarılı olmadan önce birçok kişi tarafından şüphe ediliyor. Geleneksel makine öğrenimi teorileriyle karşılaştırıldığında, derin öğrenme sinir ağlarının parametreleri verilerden 10 kat hatta yüzlerce kat daha büyüktür. Birçok insan nasıl iyi öğrenileceğine inanmaz.
İkincisi, o zamanki eğitim süreci çok istikrarsızdı.Kağıt sinir ağı eğitim yöntemleri sağlasa da, diğer araştırmacıların sonuçları yeniden üretmesi zordu.
Bu engeller 2012 yılına kadar yavaş yavaş kaldırıldı.
Sun Jian, birçok uygulamada, derin öğrenme ile geleneksel makine öğrenimi arasındaki en büyük farkın, veri miktarı arttıkça, insan performansını büyük ölçüde aşmak için daha büyük sinir ağlarını kullanmanın mümkün olduğuna inanıyor.
Spesifik olarak, bulut, terminal ve çekirdek üzerinde birçok akıllı donanımı içerir. Güncel bir eğilim, bilgi işlem platformlarına dayalı otomatik modellerin uyarlamalı olarak nasıl tasarlanacağıdır. En son yöntem, ağırlık paylaşımını kullanmaktır.
Bu bağlamda Megvii, iki adıma bölünmüş yeni bir Tek Yollu Tek Çekim Nas yöntemi önerdi: İlk adım, aramak istediğiniz tüm alt ağlar dahil olmak üzere bir süper ağ olan bir SuperNet'i eğitmek ve önce SuperNet'in tüm ağırlıklarını eğitmektir. İkinci adım, alt ağlar alt ağını aramaktır.Avantajı, ikinci adımın eğitim gerektirmemesi ve çok verimli olmasıdır.Eğitim süresi, normal eğitim süresine göre 1.5-2 kat daha hızlıdır ve çok iyi sonuçlar alınabilmektedir. Şu anda, birden fazla test setinde önde gelen sonuçlar elde edilmiştir.
Ek olarak, çekirdek teknolojiyi oluşturmak için Megvii, çok merkezli ve güçlü bilgi işlem gücüne sahip Brain ++ Altyapısı, şirketin tüm çalışanları tarafından kullanılan derin öğrenme motoru olan Brain ++ Engine ve en son model aramasını entegre eden AutoML dahil olmak üzere kendi geliştirdiği bir yapay zeka çerçevesi Brain ++ da yarattı. Teknoloji; Megvii aynı zamanda veri temizleme ve etiketlemeye yardımcı olmak için algoritmalar kullanan bir yapay zeka veri yönetimi platformu olan Data ++ 'ya da sahip.
Peng Si Shen Shengmei: "Akıllı Görme Teknolojisinin Derin Öğrenme Sonrası Dönemine İnişi"
Shen Shengmei, Pensee Teknolojisinin Baş Bilimcisi
Yapay zeka alanında gelecek vaat eden bir şirket olarak Shen Shengmei, Pensees'in sensör-görüntü işlemeden 3D geometriye, makine öğreniminden derin öğrenmeye, gelişmiş öğrenmeye ve denetimli öğrenmeden yarı denetimli ve denetimsiz öğrenmeye kadar bir düzeni olduğunu söyledi. Ekip, bilgisayarla görme tam yığın teknolojisine sahip ve yüz algılama ve tanıma, yaya algılama ve izleme, yaya yeniden tanıma, araç tanıma, otonom sürüş, mobil operasyon robotları ve diğer yarışmalarda şampiyonluklar kazandı.
Kısıtlı koşullar altında yüz tanıma iyi sonuçlar elde etti, ancak sınırsız koşullar altında dinamik yüz tanıma verimliliğinin nasıl artırılacağı konusunda Shen Shengmei, yüz tanıma teknolojisindeki sürekli iyileştirmeye ek olarak, Kaynak, görüntü geliştirme yöntemlerini kullanarak hareket bulanıklığını, gürültü azaltmayı, titreşimi gidermek, bulanıklığı gidermek, yağmuru azaltmak ve bulutları gidermek için AI görüntü iyileştirmeyi kullanmaya başladı.
Ayrıca Shen Shengmei, vizyonun uygulanmasında "ticari değer odaklı algoritma geliştirme" ye bağlı kalınması gerektiğine inanmaktadır. Müşterilerin katı ihtiyaçlarını çözmek için "en etkili algoritma + en ekonomik yazılım ve donanımı" kullanın.Daha da önemlisi, algoritma-yazılım ve donanım değişikliği güncelleme hızı, çevik ve değerli bir çalışma modeli oluşturmak için müşterilerin farklı ihtiyaçlarını hızla karşılamalıdır.
İyi bir model elde etmek kolay değil. Shen Shengmei, en iyi görsel modeli elde etmenin en basit kurallarının yeterince dengeli veri, yeterince iyi veri açıklaması ve yeterince derin ağ olduğuna karar verdi. Büyük miktarda verinin üretilmesiyle, yarı denetimli ve denetimsiz tartışmalarda atılımlar oldu ve bilgisayar vizyonunun gelecekteki gelişimi çok iyimser. Endüstri bilgisayar vizyonunu tercih etmeye devam ettikçe, birçok şirket geçişi budamak ve optimize etmek için gerçek uygulama senaryolarını birleştirecek ve yeni uygulama alanlarını keşfetmeye devam edecek.Yapay zeka endüstrisinin gelişimi zirveden çok uzak ve iniş için birçok fırsat var.
Kraliyet Bilimler Akademisi'nden Demetri Terzopoulos: "Görsel Zekanın Geleceği"
Üçüncü Akademi Akademisyeni Demetri Terzopoulos
Demetri Terzopoulos, sanal vizyon uygulamasını ve akıllı şehirlerdeki rolünü anlattı. Demetri Terzopoulos, sanal görmenin aslında duyguları tanımlamak için çeşitli kombinasyonlar içerdiğine inanır Bilgisayar grafikleri ve bilgisayarla görü, görsel hesaplamanın her ikisi de vardır.
Yaptığı önemli bir çalışma, insan yaşamı modellerini sanallaştırmak ve ardından bu dünyaları fiziksel sanal dünyalara veya gerçek bilgisayar grafiklerine dayalı hale getirmek ve vizyonu ifade etmek için sanal gerçekleri kullanmaktır.
Demetri Terzopoulos önceki deneylerini örnek olarak kullanıyor: Bu deneyler insan kaslarının ve hareketlerinin simülasyonlarının yanı sıra somatosensoriyel oyunlarda çevre ve oyun karakterlerinin simülasyonlarını içeriyor. Bu sanal görüntüler, birden fazla kamerayı simüle etmek ve birden çok insan hareketini izlemek için de kullanılabilir, kameranın insanları çekmek için kullandığı çekim açısını ve birden fazla kameranın nasıl daha iyi bağlantılar oluşturabileceğini yansıtır.
Sanal görmenin avantajı, bu sistemlere uygulanan tasarım testlerini ve bilimsel yöntemleri hızlandırarak gerçeği gösterebilmesidir. Baştan beri, sanal sistemler giderek daha gerçekçi hale geliyor. Uzun vadede, sanal gerçeklik artık içinde yaşadığımız fiziksel gerçeklikten farklı olmamalıdır.
Demetri Terzopoulos da gelecekteki çalışmaları dört gözle bekliyordu.Gelecekte fiziksel sensör ağları kuracaklar, algoritmaları onlara aktaracaklar ve bunları gerçek dünyadaki fiziksel ağlara yerleştirecekler, tabii ki bunun için daha iyi sanal kameralar gerekiyor.
Gelecekte, daha büyük sensör ağları gökyüzünde, dronlar vb. Hatta tüm şehirlerde olabilir.
Bin Vizyon Hu Dapeng: "İndüksiyon Olmadan Geçen Bin Vizyon AIoT Akıllı Topluluk"
Hu Dapeng, Thousand Vision'ın kurucu ortağı ve CTO'su
Akıllı park pazarına başka bir şirket daha girdi. Daha önce "AIoT sahne entegrasyon stratejisini" öneren Qianshitong Hu Dapeng, Qianshitong'un şu anda üç boyutlu insan yüzlerinde uzmanlaştığını ve aynı zamanda "anlamsız trafik" oluşturmak için Face-ID ve ReID'yi entegre ettiğini tanıttı.
2D görmenin nesi var? Hu Dapeng, iki boyutlu insan yüzlerinin ağırlıklı olarak kısıtlamasız koşullarda sorun yaşadığına dikkat çekti.Açısının görece büyük ve aydınlık güçlü olduğunda doğruluk azalmaya devam edecek.Örneğin yan ışık, arka ışık, karanlık ışık vb. Algoritmanın yanlış olmasına neden olacak.
3D yüz uygulamasının avantajları öncelikle sahteciliği önleme, güvenlik ve güvenlik standartları açısından daha önemli olan sektörlere uygun, ardından ışık, farklı yüz aydınlatması ve makyaj sorunları daha iyi çözülebilir.
Endüktif olmayan geçiş nedir? Hu Dapeng, önemli arabaları, insanları, nesneleri vb. Çıkarmak ve hepsini ilişkilendirmek için farklı kameralar kullanmayı önerdi. Örneğin, insanlar parka girdiklerinde, turnikeden geçtikleri her yere onları entegre etmek için face + ReID'yi kullanabilirler. Her bir zaman periyodunun yörüngesi aracılığıyla, her bir kişinin, arabanın ve nesnenin nitelikleri ayrıştırılabilir, böylece anlamsız giriş ve çıkış, anlamsız katılım, anlamsız izleme, anlamsız dağıtım kontrolü vb. Parklarda, topluluklarda, kampüslerde, perakende satışta vb. Senaryo uygulaması.
"Akıllı Şehir · Görsel Zeka" Özel Oturumu Sonuçlandırıcı Açıklamalar: Vizyonu Gerçekleştirin, Sahte Olanı Kaldırın ve Gerçeği Koruyun
Yapay zeka alanındaki en popüler araştırma ve uygulama yönü şüphesiz bilgisayar görüşüdür.Şu anda görsel zeka teknolojisi, cep telefonları, ev eşyaları, ulaşım, perakende ve güvenlik gibi çeşitli şehirlerde dış mekan sahnelerine ve kentsel iç mekan yaşamına uygulanmaktadır.
Ancak bir yandan akıllı vizyon, yüksek doğruluk oranına doğru ilerliyor, diğer yandan doğruluk oranının ne ölçüde uygulamaya dönüştüğü hala bir soru.
Bilgisayar görüşü başladı ve parlak AI şirketleri de oyunu kırmak için kendi farklılaştırılmış rotalarını izlemeye başladılar.
Akıllı vizyon şirketleri, "çivi bulmak için çekiç" kullanarak "çivi bulmak için çekiç" kullanarak, "iş" odaklı bir geliştirme modeline (solak "teknik şiir ve uzak yer"), daha modern algoritmalar araştırarak ve yapay zekaya sahip hale getirerek, teknoloji odaklı iş dünyasından yavaş yavaş gelişiyor. Daha güçlü tanıma doğruluğu ve bilişsel yetenek; sağ taraftaki "yönetim alanı", görsel ürünlerin yüksek hassasiyet sağlarken ön geliştirme ve işleme sonrası maliyetlerini büyük ölçüde azaltmasına olanak tanır.
Yeryüzüne inen, yıldızlara bakan akıllı vizyon şirketleri daha iddialı yönler araştırıyor ve AI Nuggets bir kez daha algoritmaların, mühendisliğin ve ürünlerin ön saflarında yer alacak ve endüstri bilişinin yükseltilmesini teşvik edecek.
Bu zirvenin ardından, Robot Frontier Special, Intelligent Transportation Special, Smart City Special, AI Chip Special, AI Finance Special dahil olmak üzere "AI Investment Research State" içindeki çeşitli konularda CCF GAIR 2019 zirvesinin tam videosunu ve özel teknik incelemeleri yayınlayacağız. , AI tıbbi oturumu, bilgelik eğitimi oturumu vb. "AI Investment Research State" üyeleri yıllık zirve videosunu ve araştırma raporu içeriğini ücretsiz olarak izleyebilir, daha fazla bilgi edinmek için üye sayfasına girmek için kodu tarayabilir. Zirve sırasında, 399 yuan'lık özel bir indirimden yararlanabilirsiniz.Doğrudan almak için sayfaya gidebilir veya danışma için öğretim asistanı Xiaomu'ya (WeChat: moocmm) özel olarak yazabilirsiniz. (Son gün 50 sıra, çabuk kapın.) Lei Feng Wang Lei Feng Wang Lei Feng Wang
