文/ 姚德生
摘 要：近年来，借助于深度学习和大数据的技术突破，人工智能实现了里程碑式的发展。智能安防应运而生，“无AI，不安防”成为众人热议和媒体报道的焦点。本文主要介绍人工智能的概念及当前的主要技术，分析大数据价值和意义，并探讨了当前智能安防的行业现状、存在问题及解决方法，同时呼吁各界要理智对待人工智能热潮，摒弃“银弹”思想和一劳永逸观念，脚踏实地、合力持续推动智能安防行业不断向前发展。
关键字：人工智能 大数据 智能安防 视频监控
1、引 言
2016年，谷歌DeepMind研发的AlphaGo在围棋人机大战中战胜韩国九段棋手李世石，这一举世瞩目的历史性事件彻底激发了社会各界对人工智能的热情，将人工智能的研究及其应用等领域推向了一个新的高峰。虽然同二十年前的“深蓝”大战加里·卡斯帕洛夫一样，在2016年这场人机大战中，与新闻界进行对话交流的主要是失利方李世石以及谷歌DeepMind研发团队人员，因为机器人仍然不具备像人类一样进行反应的能力。但是，借助于深度学习这双强大的翅膀，人工智能实现了里程碑式的发展，这也使得许多人相信深度学习将引领人工智能进入通用AI时代。
一时间，人工智能的热潮涌入人们生活的方方面面。从发展方向来看，人工智能已经被国家列为“引领未来的战略性技术和经济发展新引擎”，大到产业结构转型升级和产业布局调整，小到社会管理、生产运营、服务民生等诸多方面，人工智能都被视作“银弹”。所谓“银弹”思维，来源于Fred Brooks 在1987年发表的一篇关于软件工程的经典论文，该论述强调在软件开发过程中没有银弹，即没有万能的杀伤性武器，只有各种方法综合运用，才是解决之道。“无AI，不安防”成为众人热议和媒体报道的焦点。国家通过《新一代人工智能发展规划》（国发〔2017〕35号）和《工业和信息化部关于印发<促进新一代人工智能产业发展三年行动计划（2018-2020年）>的通知》（工信部科〔2017〕315号）等文件对安防领域人工智能技术应用提出了明确的要求，其核心在于推动构建公共安全智能化监测预警和控制体系，提出要“重点培育和发展视频图像身份识别系统，支持生物特征识别、视频理解、跨媒体融合等技术创新，发展人证合一、视频监控、图像搜索、视频摘要等典型应用，拓展在安防、金融等重点领域的应用”。
近十年来，在平安城市建设深入推进的过程中，我国安防行业一直将智能化作为发展的主要方向之一，在视频前端感知、视频数据结构化以及后端大数据挖掘、深度学习、分析研判、预测预警等技术应用方面取得了较大进步，不少技术应用走在了行业领域的前列。然而对于新一代人工智能的要求来讲，这些成果仍是初步和粗浅的，由于目前缺乏对人工智能系统理论和标准的研究，以至于许多企业把智能化发展的一些初级成果当成人工智能去宣传和渲染，过度商业化的炒作不仅会混淆概念、误导市场，有时甚至连自己也会产生方向性错觉。试问：我们真的理解人工智能吗？真的掌握了其核心算法及关键技术吗？真的拥有了足够可用的大数据吗？
2、人工智能及大数据
2.1 人工智能的概念
人工智能（Artificial Intelligence），英文缩写为AI，是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门技术科学。人工智能是计算机科学的一个分支，它试图了解人类智能的本质和运作机制，并研究开发出一种能以人类智能相似的方式做出反应的机器人。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能自诞生以来，理论和技术日益成熟，应用领域不断扩大。随着研究的不断深入，人工智能已经可以对人类的意识、思维的信息过程进行简单模拟。不过，人工智能还是有别于人类智能，人工智能的定义包含两个部分，即“人工”和“智能”，“人工”是指人类设计制造，“智能”则具有丰富的内涵和外延。实际上，目前人类对于自身智能的认识非常有限，对人类智能的本质和运作机制的理解并不彻底，所以当前的人工智能仍处于初级阶段并将长期处于初级阶段，也许在未来有一天可以达到甚至超过人类智能。
2.2 人工智能的技术“网红”
近年来，人工智能领域特别是图像识别和语音识别取得了突破性进展，主要归功于深度学习（Deep Learning）的巨大发展，深度学习也成了当前人工智能研究领域的“网红”技术之一。
深度学习来源于人工神经网络的研究，其动机在于建立、模拟人脑进行分析学习的神经网络，其实质是一种特定类型的机器学习，自2006年被正式提出，在近几年取得了突破性的进展，让我们真切地感受到人工智能给人类生活带来改变的潜力。因为人工智能的真正挑战在于解决那些对人来说很容易执行、但很难形式化描述的任务，比如识别图像中的人脸或人们所说的话。对于这些问题，我们人类往往可以凭直觉轻易地解决。为了应对这些挑战，研究人员提出了深度学习，即让计算机从经验中学习，并根据层次化的概念体系来理解世界，而每个概念通过与某些相对简单的概念之间的关系来定义。深度学习可以理解为：层次化计算机构建的较简单概念来学习复杂概念，如果绘制出表示这些概念之间关联关系的一幅图，我们将得到一张具有一定“深度”（层次较多）的图。由此，我们称这种方法为AI深度学习。
形象地说，机器学习的方式就类似于呀呀学语或小儿识字，要教婴幼儿喊爸爸妈妈或者认识一个字，必须要反复听说并模仿或观看并读写，经过多次重复形成强关联性的记忆，当达到一定的程度自然就会了。同样，要让计算机识字，首先也要让它反复观看一个字的图案，还要教计算机通过自己“大脑”分析特征并总结分类，以后计算机再碰到类似的图案，只要符合总结的规律，计算机就可以确定该图案是什么字了。用专业术语来描述，给计算机观看学习的图片称为“训练数据集”；“训练数据集”中，不同类别数据之间具有不同的属性，称为“分类特征”；计算机分析特征并总结分类的过程，称为“建立模型”；计算机分析总结出来的模型，称为“模式”；计算机通过反复观看学习，分析特征并总结分类，最后完成文字识别的过程，称为“机器学习”。
不难看出，机器学习的关键环节是“建立模型”，这也是传统机器学习的真正挑战和技术瓶颈所在。深度学习把机器要学习的“训练数据集”交给一个复杂的、多层的深度神经网络处理，经过该网络筛选得到数据结果并检查结果是否符合预期。如果符合预期，就将这个网络作为适用“模型”；如果不符合预期，就调整参数配置，直到输出结果符合预期为止。这就意味着，深度学习是机器自己通过分析总结并“建立模型”，其工作原理和机制更加贴近于人脑学习过程，实践亦表明深度学习的算法性能优于其它传统机器学习算法。
2.3 为什么需要大数据？
世间一切事物都包含静态的信息数据，此外任何事物的活动都在产生数据，而且这些数据都是有意义的，这为深度学习提供了大量的数据基础。同时，计算机硬件性能和网络传输速度的不断提升，云技术的蓬勃发展，以及人工智能的算法和技术的飞速发展大大降低了分析大量数据所需的门槛，从而使大数据的应用普及成为可能，推动信息数据成为继物质、能源之后的第三大战略资源。
深度学习的前提条件是拥有足够可用的训练数据，任何一个人工神经网络搭建完成以后，只有通过各种类型训练数据的检验，才算完成对实际应用场景的模拟。而大数据可以为深度学习提供训练数据，基于数据，可以触摸、理解和逼近现实复杂系统，这就是需要大数据的根本原因。
同时，大数据的重大价值和现实意义还体现在：大数据是提升国家治理能力的新途径，政府可以透过大数据揭示政治、经济、社会事务中采用传统技术难以展现的关联关系，并对事物的发展趋势做出准确预判，从而在复杂情况下做出合理、优化的决策；大数据是促进经济转型增长的新引擎，大数据与实体经济深度融合，将大幅度推动传统产业提质增效，促进经济转型、催生新业态，同时，对大数据的采集、管理、交易、分析等业务也正在成长为巨大的新兴市场；大数据是提升社会公共服务能力的新手段，通过打通各政府、公共服务部门的数据，促进数据流转共享，将有效促进行政审批事务的简化，提高公共服务的效率，更好地服务民生，提升人民群众的获得感和幸福感。
3、大数据时代下的人工智能应用于安防领域
3.1 “如鱼得水”
过去的20年高速发展中，安防行业经历了从模拟到数字、从数字到高清的发展变革，2017年迎来了“安防AI元年”。虽然人工智能总体水平仍处于初级阶段，但这并不妨碍人工智能在特定领域（比如安防领域）得到广泛的应用并且取得巨大成功。
实际上，人工智能具有天然在公共安全视频监控的图像信息分析处理中落地的场景、需求和应用，在该领域中人工智能技术主要应用于人体检测、人脸识别、人脸特征识别，车辆检测、车牌识别、车辆特征识别，行人特征识别，人员轨迹分析，行人步态识别，人群密度分析等场景，通过人工智能技术将前端采集的视频图像进行自动化解析，由机器自动完成非结构化的视频图像数据向准结构化或结构化数据的转换，再通过模式匹配，实现身份识别、分析研判、预测预警等功能，充分发挥了视频监控图像信息的实战价值。其中，基于模式匹配的人脸识别智能系统在公安实战中大放异彩，人脸识别主要分为静态人脸比对和动态人脸识别比对，在公安实战中主要用于布控排查、边境防控、犯罪嫌疑人识别、司法人脸鉴定、重点场所门禁等场景，在实际应用时都需要面对海量的视频数据，通过基于大数据的智能视频监控系统协助一线民警实现分析研判及预测预警，在一定程度上将基层警力从繁重的视频图像分析工作中解放出来，对于全面深化公安改革，释放警力，实现改革强警、科技兴警的目标具有重要的现实意义。
3.2 “道阻且长”
虽然目前人工智能在安防领域得到广泛的应用并取得巨大成功，但是仍处在自然界最低级生物的智能都能够超过我们最智能机器人的阶段，人工智能技术研究与应用还有很长的路要走。当前，智能安防主要存在以下问题：一是目前人类科学对于自身智能的认识非常有限，对人类智能的本质和运作机制的理解并不透彻；二是深度学习算法技术瓶颈逐渐凸显，当数量级饱和之后，图像分类的精确度和规模不再呈现线性关系，大规模深度学习无法进一步提升模式识别的能力；三是数据治理体系远未形成，原始数据资源丰富，然而数据壁垒依旧存在、法律法规发展滞后，制约了数据资源中所蕴含价值的挖掘与转化；四是在安防行业中，许多企业把智能化发展的一些初级成果当成人工智能去宣传和渲染，进行过度商业化的炒作，却忽视了将产品和技术落地。
面对当今及未来愈演愈烈的公共安全威胁和日益严峻的治安管理态势，智能化自动化必将成为安防行业未来的发展趋势，智能安防的发展形势只会越来越好。针对上述问题，笔者认为：一是研究人员要不断加强基础科学研究，助力人工智能领域取得新的突破性进展，同时要不断加强技术创新和算法融合，促进物联网、大数据、云计算与机器人等技术的融合应用；二是管理人员要不断完善体制机制，稳步推进国家大数据战略和公安大数据战略的实施，建设自主可控大数据技术体系和产业生态，构建完整的数据治理体系，为全面推进大数据的综合应用注入强大动力；三是企业人员要坚持实战应用为主，以公安业务为核心，拓宽实战产品深度，整合智能安防解决方案，大力推进产品、解决方案与公安实战应用的融合，在自己擅长的领域深耕，抛弃纷繁的概念炒作，将产品和技术落地，踏踏实实解决具体的智能安防领域问题。
4、结语
迎来第三次高峰的人工智能是幸运的且具有巨大魔力，此次人工智能热潮不仅获得了国家相关政策支撑，而且吸引了大量社会资本的投入，其中安防行业更是当仁不让，智能安防成为人工智能开花结果的成功典型。然而，通过冷静反思，我们发现深度学习热度已经大大下降，人工智能的这一轮风口日渐疲软。正如墨菲定律所说：如果事情有变坏的可能，不管这种可能性有多小，它总会发生。所以在笔者看来，人工智能的第三个冬天一定会来临，而且会来的比我们想象的要早。无论人工智能领域是处于高峰还是处于低谷，希望各位安防从业人员都能不忘初心、砥砺前行，要摒弃“银弹”思想和一劳永逸观念，脚踏实地解决智能安防领域依旧存在的问题，主动构建、优化与生态圈合作伙伴的关系，共同营造共生、互生、再生的局面，合力持续推动智能安防行业不断向前发展，助推公安改革工作，为维护公共安全和社会稳定、为我国社会治安综合防控体系建设贡献自己的力量。
参考文献
[1] [美]加来道雄.物理学的未来[M].重庆：重庆出版社，2012.
[2] 刘存信.人工智能盛宴开启，你真的准备好了吗？[J].中国安防，2018，(1～2).
[3] 李开复，王咏刚.人工智能[M].北京：文化发展出版社，2017.
[4] [美]伊恩·古德费洛，约书亚·本吉奥，亚伦·库维尔.深度学习[M].北京：人民邮电出版社，2017.
[5] 周梦麟.以人工智能与大数据应用引领雪亮工程建设[J].中国安防，2018，(5).
声明：本文来自公安部检测中心，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
