参与吴昕

「新基建」触发经济深V反弹,「后浪」云从押注人机协同

人机协同,是云从目前人工智能落地期的核心战略,也是未来几十年云从对行业的判断。它既源自云从自身的实践经验凝结,也是 AI 技术、 新基建、产业落地甚至社会治理的当下需求和未来趋势。特别是在当下风云诡谲的国际环境下,人机协同也成为国家竞争的重要筹码。

3 月的某一天 14 点起,广州白云机场海关开始对从日本入境航班乘客测温。没有密集的人类工作人员,AI 独挑大梁,测温、口罩识别并预警,即使手持一杯热饮,也能准确识别体温。

此时,远在北京丰台的某小区,AI 正用抓拍机抓拍比对进出人脸,对防疫重点人员中的人脸告警;单元门侧,刷脸开门,系统正进行实名制信息采集。

从南到北、从海关机场到社区,疫情期间,云从科技 AI 解决方案得以快速部署、表现不俗的背后,离不开「轻舟」的有力支撑。

图注:轻舟平台在疫情期间的表现已经不俗。


图注:小区单元门口抓拍记录


图注:防疫重点人员比对告警。

在 7 月 9 日,2020 世界人工智能大会上,云从科技正式推出新一代行业级人工智能产品和能力平台——「轻舟」,作为社区、学校、园区等多场景适用的综合解决方案,以降低 AI 应用门槛。轻舟平台基于云从的核心战略——人机协同的理念,使专家能力能够快速复制与扩大,从根本上提升各行业的质量与效率,使 AI 真正促进整个社会的转型升级。

如果说,行业数字化转型提前与加速,构成疫情巨变之后最大的巨变,那么,随之而来的新基建业务扩容,也构成本届大会另一个重要主题。

新基建是我们从信息化到智慧化到智能化转型的必要步骤。在大会新基建圆桌讨论环节,云从高科技联合创始人姚志强谈到。如果说,诸如 5G 和物联网硬件基础相当于强健的身体,那么,除了要有好的身体,还需要聪明的大脑去帮助行业和城市管理者提升效率。而「轻舟」的使命正在于提升 AI 赋能行业的质量与效率,促进社会各行各业的转型升级。

图注:云从科技联合创始人姚志强



千帆尽过,云从三年筑「轻舟」

四年时间,第一批 AI 公司已经踏上 IPO 征程,从最初的 AI+ 到现在的 + AI,人工智能技术犹如水电,逐步与行业进行深度融合。不过,创业初期,云从虽然技术领先,却发现自己不了解具体行业,行业客户也不理解人工智能。AI 公司与传统行业之间横着一条鸿沟。

「真到一个行业里面,要认真真真去理解这个行业,才能够产生融合解决方案,而不是说我只给你提供一个人脸识别或者语音识别的技术。」姚志强在接受国内媒体时曾谈道,「只是给了一个技术,完全依赖这些行业、这些客户自己去想出一个解决方案,其实挺难的。」

企业不能只做软件。如果只做算法,不能落地,只做硬件设备,又很容易被替代。终端客户看重的一定是业务和技术能够深度绑在一起。打造一个 AI 平台,也是技术趋势,因此,早在三年之前,云从就开始打造人机协同平台。

所谓的「机」,「不一定是一个实体、一个硬件,它有可能是软件,也有可能是手机连一个 APP,只要它有一个人工智能的工具,我们都认为它是『机』的概念。」姚志强曾解释道。

轻舟面向三大中台:不仅是数据中台,同时是业务应用和业务能力的中台,也是一个 AI 能力的中台。面向不同类型使用者的多样需求,包括企业的内外研发人员、产品人员、独立软件、独立硬件的供应商、增值服务提供商等,赋能构建内外一体协同的共创生态。



就人机协同「境界」而言,存在三个层次。感知层面,人与机器可以交互,比如,可以听见、看见你。认知层面,人与机器可以融合,专家可以 AI 协作解决关键问题,并将服务扩散到帮助更多人。最高的层次是人与机器共同创造。过去几年,云从正努力实现从 AI 从感知(人脸、人体、物体、语音)到认知(语义、知识图谱、大数据)到决策(风控、推荐、画像)的 AI 技术闭环,而 AI 技术闭环才能带来价值。

「在很多的安防公司当中,很多只是在做感知侧的提升,或者是认知侧,两者结合在一起做的公司比较少,而云从科技是感知和认知两者都抓的公司。」云从安防行业总经理李夏风在接受采访时曾谈到。

以连续多起砸车盗窃案为例,传统方式是通过视频调取查找,但没有在案发时抓拍到人脸,这就意味着嫌疑对象数量众多,如果仅仅是通过逐一调阅轨迹视频来研判,几乎难以完成搜索。而通过背景数据、时空观念对信息进行结构化、数据化的建模和比对,将嫌疑犯的数量大大减少,再进行一一排查的时候,就能够极大提高效率。

这是人机融合的典型案例,通过专家的经验模型,让平台基于感知数据和历史积累的警务数据实现的综合研判。

而在人与机器共同创造方面,可以医院异常行为识别为例。频繁出现在同一地区的不同医院,且都是没有进行正常办事记录的相关人员,通过大量前端设备采集相关数据,并通过人工确认和结合人的认知,建立数据模型,对医院惯偷人员进行数据模型预警研判,为打击医院偷盗建立新的人机共创新模式。

轻舟平台基于云从 CWOS 基础能力,搭建三位一体的松耦合技术架构,无论是生态硬件合作,还是业务合作伙伴,都可以在数据、算法、能力引擎、标准应用级等四个层面,基于轻舟平台进行自由组合,完成对应的方案合作开发与生态搭建,最终形成更具有落地价值的云、边、端一体协同的解决方案。


银行金融领域,也是如此。在占据一定银行市场份额优势后,云从没有急于将业务扩展到其他行业,而是围绕已有的业务场景,提供从计算机视觉到智能感知、认知决策的整体解决方案,辅助银行完成支付、消费行为、用户画像分析、精准营销的商业闭环。

比如,作为人机融合的案例,银行产品经理可以根据经验、能力,设计一个产品的风控,但最多只能设计十几种产品;而基于 AI,就可以针对每个小微企业设计成百上千种 AI 金融产品,根据每个人最近是否要出行旅游、是否有买车的计划、是否有可能换工作等定制产品。

「以人的长处弥补计算机的短处,人和机器形成配合关系,机器同时服务于专家侧和用户侧两侧,」云从科技创始人周曦曾这样定义人机协同。

有了「轻舟」,被「复制」的专家核心能力可以得到更广泛的使用;同时,通过习得能力,将结构化劳动让机器「一肩挑」,从而解放专家和相关从业者,让其专注于从事创造性工作。

不止金融和社会治理,医疗、教育、交通、商业等事关国计民生的各行各业,都可以成为「人机协同」的适用场景,整个社会的生产效率得以极大的提升,人的能力得到极大释放。

比如,云从携手华为、中联通、东方航空一起打造的东航智慧出行集成服务系统落地大兴机场,而云从提供的 AI 技术,让旅客登机全流程「无纸化出行」成为可能。

「轻舟」背后:为什么人机协同是趋势?

事实上,人机协同不仅是云从目前人工智能落地期的核心战略,也是对技术和行业未来趋势的判断。

人机协同是技术发展的一条主线。相较于人脑善于联想、推理和分析,机器的优势在于快速、低成本地对信息进行存储、比较、排序和检索,以标签、算法、策略和数据为基础,巧妙利用人的识别、推理能力,人机协同正迎来「握手时代」。

比如,2014 年自由式国际象棋对抗锦标赛上,人工智能赢得 42 场比赛,「人机协同」型选手赢得了 53 场比赛。

就国情而言,立基于旧基建,拥有庞大产业链条和物流网络之后,对智能协调网络的需求也呼之欲出。每个网络节点代表一间工厂或者一台设备,并能及时知晓其状态,原则上,就能提升生产服务的效率和精准性。

比如,一旦发生疫情,我们就能知道哪里能生产口罩,哪里可以提供生产原材料,以及产能分布,进而为调度提供基础。

而且,随着人工智能从 AI + 转向 + AI,AI 落地还面临许多现实挑战。比如,在应用场景中存在着多种角色,项目经理、软件开发者、相关运维人员、最终用户,对于不同使用者来说有着不同视角与使用诉求,而单一的中台产品难以满足多样化需求。

另一方面,在同一场景中常常存在着来自不同厂商的设备与应用,如何将多样的设备与应用快速、高效地接入平台,也是 AI 落地的一大难点。

另外,数据、算力等因素导致 AI 本身也构成了一个成本中心。AI 本质上缔造了一种新的业务类型,虽然可以像软件一样多次出售,但每次都需要大量的专业人员服务,人才短缺以及高成本不仅妨碍了业务规模化,也影响了 AI 企业毛利率。

「底层工具标准化也能从另一个维度减低成本。」包括云从科技在内,不少 AI 公司都在致力于底层工具的标准化。在之前的一次采访中,姚志强曾告诉机器之心。

除此之外,前台是一个基础的东西,技术中台一定是要把云端、感知、认知、决策等技术整合在一起,这样才能够快速向市场推出产品。这也是国内不少企业(比如 BAT 巨头)也纷纷搭建自己平台构建生态的原因。

可以说,与产业深度融合的客观需求驱动着人们通过 AI 工程学的突破性变革,大幅降低 AI 项目实施门槛,对 AI 项目实施有数量级的效率提升

轻舟的发布,可以赋予各行业的各类用户快速、简单使用 AI 的能力,将人类智慧与机器智能融合、重构与共创,实现顶级智慧资源的复制与迭代,推动生产效率的数量级提升。



最终,反映到社会治理上,人机协同也能裨益大众。2019 年 3 月 19 日,中央全面深化改革委员会第七次会议曾提出「构建数据驱动、人机协同、跨界融合、共创分析的智能经济形态。」

例如,在这次抗疫过程当中,真正的专家资源非常有限,如果可以把这些专家的知识沉淀,把它借过来,用人工智能赋能给广大的普通医务工作者,就可以更快的帮助每一个人。这样不仅实现了资源的更加公平化,也让整个行业效能得以迅速提升。

城市摄像头铺设成千上万,但是大部分视频不能产生有用价值,也很难及时主动发现城市问题;基层公务员人数众多,但也很难实现区域的精准治理。通过人机协同借助专家和机器智能准确感知、预测、预警社会运行的重大态势,主动决策反应,将显著提高社会治理的能力和水平。

外部阻力徒增,人机协同逆势扩张

5 月 23 日凌晨,美国商务部以「从事与美国国家安全或外交政策利益背道而驰的活动」「违反人权」为由,宣布将云从科技等 33 家中国企业、高校和政府机构加入实体清单。有机构测算,到了 2020 年,我国的人工智能产业规模将达到 1600 亿元,到 2030 年,人工智能技术将帮助全球 GDP 增长 12%。而对于中国 AI 产业的遏制,可以减缓中国的经济增长。

事实上,除了半导体芯片,人机协同不仅中国企业的核心战略,也是美国 AI 战略核心,其国家人工智能发展战略也提出了 Human-AI collaboration 。人机协同,作为提升效率提高品质的人工智能核心技术,作为实现经济转型、提升国家竞争力的关键因素,被给与了高度的重视。

尽管近期国际环境、政策发生了很多变化,但是中国经济仍然在新基建引擎的巨大拉动下出现深「V」反弹,面对外部压力,云从也没有停止步伐。

在建设发改委人工智能基础公共服务平台的经验基础上,云从在广东打造国内首个定位于人工智能基础设施的人机协同开放平台,并在广州市落地服务。随后,正式发布了 「一脸走南沙」政务民生应用平台。目前,正依托重庆人工智能试验区部署要求,将 AI 应用的人机协同成果转化平台。

「目前单独的产品对产品上,我们在与上下游企业积极沟通合作,努力寻找解决方案,但基本属于企业与企业间的单点联系,无法形成合力,无法凝聚优势。」大会上,谈及被列入美国实体清单等外部不断变化的环境时,姚志强谈道。由于信息沟通、技术交流还是受到一定限制,所以,国内核心科技企业要抱团取暖,齐力解决人工智能产业供应链问题。

希望那个时候,不止我们行业内部的中国企业,整个社会都能不假思索地回答说:「我们行」。

产业云从科技
相关数据
人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

推荐文章
暂无评论
暂无评论~