人工智能从模块上可分为感知、计算和控制三大部分,由表及里可分为应用层、数据层、算法层、算力层,而随着2012年芯片进入28nm制程后的量子隧穿效应导致摩尔定律失效,“每提升一倍算力,就需要一倍能源”的后摩尔定律或将成为人工智能时代的核心驱动逻辑,算力的发展将极大受制于能源,当前全球用于制造算力芯片的能源占全球用电量的约1%,可以预测在人工智能大规模普及的未来数十年后,该比例将会大幅提升至50%甚至90%以上。
人工智能由表及里可分为应用层、数据层、算法层和算力层
算力层包括具备计算能力硬件和大数据基础设施。回顾历史我们就会发现,历次算力层的发展都会显著推动算法层的进步,并促使技术的普及应用。21世纪互联网大规模服务集群的出现、搜索和电商业务带来的大数据积累、GPU和异构/低功耗芯片兴起带来的运算力提升,促成了深度学习的诞生,促成了人工智能的这一波爆发。而AI芯片的出现进一步显著提高了数据处理速度:在CPU的基础上,出现了擅长并行计算的GPU,以及拥有良好运行能效比、更适合深度学习模型的现场可编程门阵列(FPGA)和应用专用集成电路(ASIC)。
算法层指各类机器学习算法。如果根据训练方法来分类,机器学习算法也可以分成“无监督学习”、“监督学习”和“强化学习”等。按照解决问题的类型来分,机器学习算法包括计算机视觉算法(CV)、自然语言处理算法(NLP)、语音处理和识别算法(ASR)、智慧决策算法(DMS)等。
不同的活动类型和等级,安保技术怎样与场景融合?
以环意赛为例,首先要考虑到视频图像采集设备的视频流快速接入、秒播问题,其次是选手位置和速度的实时计算,另外要保证选手在快速行进中,系统能自动关联脸部和人体特征的图像信息,最后还要确保整场比赛下来,安保要素、重要点位、预案、信息、时间的同步多维度维护。这是联合了多类型、多端口、多种硬件及软件技术的综合性场景。
综上所述,不同活动场景下,对不同数据和情报进行转换,根据实际需要做分析管理,再到多端口应用,存在非常多的技术融合。只有技术与场景进行深度融合,才能确保万无一失,为活动参与者及观众呈现一场缤纷赛事。
在整个商业化过程中,保证技术高精尖和精准的同时,还要把技术带入场景,解决真实问题,来支撑活动中的相关应用。所以无论是可视化技术、各类数据技术还是AI技术,最终都是要融于场景,才能做好深度应用,解决实际问题。
在未来,随着市场的需要、政策的不断推进,技术的不断成熟,中国的 AI数据服务将会有一个显著的加速。云测数据为人工智能提供了高质量、场景化的支持,帮助人工智能实现了极限的创新,实现了工业的落地。它的业务是围绕人工智能三要素中的一项(算法、计算能力和数据)进行的,我们把它叫做 DPS (DPS, DataProcess Service)。
DPS是一种以数据处理过程为核心的数据处理系统,利用数字技术从现实世界或者信息系统中获取数据,并根据应用需求对数据进行处理和输出。DPS所提供的服务主要包括 AI、大数据、互联网内容服务等。DPS的服务结构主要有数据收集与预处理、数据标注、内容审核、工具平台及辅助服务(例如业务训练)等。
DPS在 AI行业里,就像是淘金热里的卖家一样。随着 AI的不断发展, DPS将会成为逆势发展的首选。正因为如此, DPS行业的发展前景才会越来越好。有 AI相关技术背景的创业者或公司的扩展,比如云测;有 AI企业、互联网企业中的某一分支机构;还有软件外包、服务流程外包等外包业务。“出身”的差异,使其服务方式与优势也不尽相同。云测数据是人工智能数据服务的领军企业,它的发展模式具有鲜明的产业特色。