Uploads%2farticles%2f11210%2f
|
2016-11-28

ACT Talk丨阅面科技赵京雷:人工智能的本质是「人性」复制的过程,视觉模块标准化是未来

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。

Back to top btn