本周，阅面科技创始人赵京雷应邀出席 ACT Talk 的第二期活动，以他从事深度学习和计算机视觉十多年的经验，讲述了人工智能发展的历程，以及他对人工智能本质的理解。

以人类历史上的几次产业变革为时间维度，人和机器的关系发生了这样的变化：在工业革命时代，我们赋予机器劳动能力，帮助人类减轻工作负担，也就有了后来的工业产线，这个影响一直延续到今天。在信息革命时代，互联网、社交网络进入到了人类生活当中，人们将计算能力逐步向机器转移，继而出现了各种移动设备。

人工智能革命的本质：人性复制的过程

如今，普罗大众都在谈人工智能，那人工智能时代的本质是什么？已从事多年算法开发的赵京雷深深体会到，深度学习算法能够将算法做得更准确，但同时他也认为，深度学习算法无法帮助以往的信息时代产品进入人工智能时代，因为其中缺少了「人性化」这个基础，他进一步指出，人工智能革命的本质是人性复制的过程。

儿童视觉习得的过程分为三层，第一层是本能层（1-2 岁孩子与生俱来的本能），第二层是习得层（通过后天习得），第三层是专业层（专业人士所具备）

赵京雷认为，本能层的视觉能力包含两点：一是通过视觉层面对人进行理解的能力，二是对所生活的空间进行理解的能力。作为一家视觉技术公司，阅面科技将其所做的事情聚焦在了本能层上：赋予机器相当于儿童 1-2 岁的视觉能力，让机器能够理解人以及与人共生的环境，且具备人性化。

目标：机器视觉模块标准化

赵京雷进一步表示，他们还要将这项本能层的视觉能力标准化，希望在未来，机器人的视觉模块能够标准化，可被接入各种机器人中，就如蓝牙模块、WiFi 模块，手机上的摄像模块一样，一个模块解决一个问题。

为了让视觉技术能够理解人，并能够做出智能判断，阅面在算法底层做了大量的工作，基本上打通了对人的理解、对空间的感知这块算法的闭环，并尽量做得全面，达到多算法之间的配合，其中包括面部识别、手势识别、人体识别等一系列的基础算法。

另外，在空间感知层上，阅面科技也没少下功夫，包括测距技术、视觉追踪、视觉避障等，让机器通过普通摄像头识别可行走的路段以及障碍物，继而构建出整个空间的感知系统。

目前，激光雷达、红外传感器能够让机器具备部分的空间感知能力，赵京雷表示，在未来，视觉技术可具备更强的空间建模能力后，将会替代激光雷达、红外传感器。

提供不依赖 GPU、功耗低、成本低的硬件视觉模组，与各行业进行紧密合作

对于许多做消费级产品的创业者来说，具备 GPU 的芯片功耗、成本都很高，阅面科技希望打破这一局面，让深度学习算法通用化，将大量优化过的底层算法集成在低端的芯片上，满足智能硬件制造者功对芯片成本低、功耗低、能够实现动态计算的需求。

目前，阅面科技做出了不依赖 GPU、 4cm*4cm 大小的硬件视觉模组，集成了大量机器感知算法，即插即用。赵京雷进一步表示，他们最终希望的是将这些模组标准化，那样也就意味着人工智能时代的真正来临。

阅面科技已推出几款模组产品，如具备人脸识别、人脸特征识别、手势识别、人体跟踪功能的人感视觉模组，另外还有供特定行业使用的专业级视觉模组，包括扫地机视觉模组，IPC 视觉模组等。目前已与服务机器人、人工智能系统、智能家居等行业、平台、行业解决方案合作商进行紧密合作。