重視人工智能已經逐漸成為全國共識。
從2017年國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》截止到2018年底，共有20多個省份發(fā)布了30余項人工智能專項扶持政策，形成了包括技術攻關、建設支撐平臺，推動數據和應用場景開放、引進培育人才以及建設產業(yè)園區(qū)等支撐體系。
北京市：2017年9月，發(fā)布了《中關村國家自主創(chuàng)新示范區(qū)人工智能產業(yè)培育行動計劃（2017—2020年）》;2017年12月，印發(fā)了《北京市加快科技創(chuàng)新培育人工智能產業(yè)的指導意見》，這也是目前北京市最主要的人工智能政策;2019年2月20日，科技部發(fā)布了《關于支持北京建設國家新一代人工智能創(chuàng)新發(fā)展試驗區(qū)的函》。
上海市：2017年11月，上海市印發(fā)了《關于本市推動新一代人工智能發(fā)展的實施意見》;2017年2月制定了《上海市人工智能創(chuàng)新發(fā)展專項支持實施細則》;2018年9月，發(fā)布了《關于加快推進上海人工智能高質量發(fā)展的實施辦法》;
廣東?。?017年8月，廣東省發(fā)布了《廣東省戰(zhàn)略性新興產業(yè)發(fā)展“十三五”規(guī)劃》;2018年8月，廣東省發(fā)布了《廣東省新一代人工智能發(fā)展規(guī)劃》;2018年11月深圳市發(fā)布了《深圳市戰(zhàn)略性新興產業(yè)發(fā)展專項資金扶持政策》。
在政策的支持與引導下，我國人工智能技術發(fā)展有望進一步提速。2018年，人工智能迎來落地元年，各領域內相關項目陸續(xù)落地。
AI在交通行業(yè)的落地
隨著城市公共交通建設的加快以及汽車保有量的持續(xù)增長，交通管理現狀和需求的矛盾進一步加劇，與車輛相關的刑事和治安案件逐年上升，但受限于傳統系統平臺普遍對車牌號碼信息的檢索能力及各方面因素，在存在著諸多問題。
人工智能與傳統行業(yè)的融合為轉型發(fā)展提供強有力的技術支撐。通過先進技術手段實現對道路交通的綜合管控，從而改善交通狀況，整治違法亂象，為安全出行提供保障。
以蘇州科達的海燕車輛二次分析系統為例，系統能夠對車輛信息、車牌信息及駕駛行為進行二次識別，基于GPU的集群架構為深度學習算法提供支撐。對二次分析后的結構化數據和匯聚的其他車輛數據進行對比碰撞和數據挖掘，實現假牌套牌、未系安全帶、車輛多點碰撞、晝伏夜出、交通流量統計等深度分析，有效提高實戰(zhàn)效能。
根據蘇州交警部門數據顯示，“海燕”上線一周內，抓拍違章行為近3000起，其中開車未系安全帶1828起，開車玩手機或打電話1074起。廈門市局采用“海燕”系統的短短幾個月時間內，破獲車輛“碰瓷”、假套牌等涉車案件100多起，通過以車到案、以案到車、車案結合等方式，有效遏制了涉車類案件的發(fā)生。
AI在治安防控上的落地
城市化進程的推進帶來了人口密集、流動人口增加，也引發(fā)了一系列城市管理問題，多樣性、復雜性、犯罪作案手段隱蔽性以及刑事案件高發(fā)對社會治安和重點區(qū)域防范都提出了更高的需求，尤其是近年來對城市反恐的新要求，為公安管理工作特別是預防犯罪和執(zhí)法工作都提出了新的挑戰(zhàn)。
依托于人工智能、大數據、云計算等前言技術，公安實戰(zhàn)業(yè)務迎來模式升級。人臉識別作為圖偵環(huán)節(jié)重要組成部分，在各項實戰(zhàn)業(yè)務中都發(fā)揮著重要作用。利用人臉識別檢索系統，將目標人物輸入到系統中，系統自動在海量數據中進行查找對比，通過特征比對，列出最為相似的人員信息。
云天勵飛在深度學習人臉識別算法、海量檢索及大數據分析的基礎上，打造的“深目”動態(tài)人像系統，能夠實現采集識別端智能和搜索挖掘云智能，前端人臉檢測跟蹤，精準人像采集；后端動態(tài)人像算法進行人像特征提取和比對，做到“億萬人臉，秒級定位”。自2015年在深圳龍崗上線，“深目”已協助公安破獲1萬多起各類案件，找回多名失蹤兒童和走失老人。2017年春節(jié)前夕，“深目”系統通過對犯罪嫌疑人身份和軌跡的快速落地，協助深圳民警破獲了兒童拐賣的案件，15個小時內將孩子從武漢火車站解救回來。
人工智能和相關技術正在改變世界，但落地應用仍存在一定限制性，成本高、場景限制多等問題是大規(guī)模落地的難點。
成本高：人工智能技術落地應用的成本包括稀缺專業(yè)人才的聘用成本和研發(fā)成本及使用代價。馬云曾在第二屆世界智能大會上表示，中國人工智能發(fā)展不成熟的主要原因是人才短缺。因為專業(yè)性與深度的問題，人工智能領域缺少專業(yè)人才與高素質人才，資料顯示我國人工智能人才缺口超500萬，供求比例僅為1:10，技術的進步也導致行業(yè)的門檻越來越高。除此之外，高昂的研發(fā)成本和長周期的投入需求使得人工智能落地成本隨之增大。數據顯示，華為過去10年研發(fā)投入累計超過3000億元;2017年三星就AI研究和開發(fā)投入140億美元;百度每年投入15%營收約15億美元用于AI研發(fā)······各大巨頭在人工智能領域的研發(fā)投入逐年增加，但卻似乎鮮有實質性的突破成果。
場景限制多：人工智能技術落地的應用場景并不是學術科研演示，用戶目標不盡相同，需要根據不同行業(yè)、不同場景、不同方式綜合考慮硬件投入的成本、硬件的性能、功耗、用戶的體驗效果等綜合因素，向客戶提供有針對的、適合的產品及解決方案。深晶科技負責人曾表示，AI算法落地難除了沒有場景化，更重要的是沒有對行業(yè)流程進行再造。將管理流程按照AI信息化的理念重新設計，才能使AI發(fā)揮更大的作用。
在國家重視、社會進步要求的推動下，人工智能技術的發(fā)展進程逐漸加快。我們現在所看到的人工智能仍只是冰山一角，人工智能未來發(fā)展的路還很長，還有更多的技術創(chuàng)新和場景落地有待挖掘和改進。
下載文檔
