必須承認，我們正在進入一個日漸人工智能化的科技時代，傳統行業正在被科技革新。從無人停車場、到無人超市，再到刷臉點餐的無人餐廳。甚至，在原本認為人工智能無法取代的圍棋領域，阿爾法狗的橫空出世，也讓人類無從招架。儘管人人都在談人工智能，但你知道它的潛力、實踐意義、障礙是什麼嗎？
由啟迪協信和3W企服聯合主辦的《AI賦能-助力成長：人工智能技術實踐沙龍》重慶站的分享會上，AWS （亞馬遜）解決方案架構師劉旭東先生和雲從科技聯合創始人溫浩先生分別為大家帶來《AWS的人工智能平臺與服務》以及《人工智能技術照進行業場景的距離有多遠》為主題的技術分享。
以下為演講要點
AWS的人工智能平臺與服務
AWS （亞馬遜）解決方案架構師 劉旭東
說到機器學習，已經從傳統的學術範疇變成了真真正正用在生活過程種不同行業並且帶來收益的技術。
亞馬遜的深度創新
- 智能商品推薦
智能商品推薦可根據用戶瀏覽習慣或者購買記錄推薦他可能感興趣的商品，這裡面就用了經典的機器學習領域的協同過濾算法。通過這樣一些算法能夠推薦一些引起瀏覽者的興趣或者給我們帶來銷售機會的商品。
- 倉儲和物流
亞馬遜擁有一個無人倉庫，通過機器學習策略控制機器人的行走路線，把商品從發貨架運到發貨倉庫裡，所有這些都是基於機器學習訓練的機器人來進行的對應線路規劃。
- 無人機
在亞馬遜訂購一個商品，通過無人機能夠在30分鐘之內送到指定的停機地方。
- 智能語音助手
跟音響進行交互，要能夠聽懂我們講的每一個字是什麼含義，在裡面會涉及到語音識別的功能。而且它要能夠聽懂我們每一句話的意圖，這裡面涉及到自然語言理解，也是機器學習的範疇。能夠把這個結果通過語音的方式形成反饋，形成語音交互過程，這也典型機器學習的範疇。
- 無人值守商店
進入無人商店，只需打開手機APP在門口掃描二維碼，可以自選你想要任何東西，拿到東西以後擠出來不需要結算。這裡面，就是計算機視覺具體的應用。
亞馬遜機器學習堆棧
AWS將整個機器學習氛圍三個層次：最底層，框架切口。AWS有一套自己成型框架，能夠縮短訓練時間，能夠加快上線部署的效率。
平臺層會將一些基本的機器學習的服務打包成平臺服務，不需要自己從頭開發數據，選擇一個對應的算法就能夠得到一個對應結果。
應用層針對特定的某一個機器學習的具體的領域，比如計算機視覺會提供對圖象、視頻的識別處理分析，對語音識別之文字轉語音或者自然語言理解，針對這種語言類別的應用提供應用層服務。
越往上層，所使用、集成的方式是最簡單的。當然越往上層針對特特定業務場景也是具體的，如果是業務需求通過應用層服務能夠滿足需求，通過最上層應用層服務集成把這個功能快速在裡面，如果需要有一些特別的應用場景，應用層不提供，這種時候就需要自己來構建一些深度學習或者機器學習的模型進行訓練。
如果是用戶框架非常特別，場景非常特別，甚至可能開發的流行也非常特別，這個時候，通過底層框架接口層提供服務支持。
框架&接口提供更多應用可能
上圖中左邊的計算資源除了常用的CPU資源之外，AWS還提供GPU資源，進行深度學習的模型訓練的時候，往往會有帶大量運算操作並且是併發的，通過這樣一些能力，能夠提供運行的效率，運行一個結果、模型最終達到想要的結果。
如一個電商網站希望對用戶的屬性進行分類，是城市白領還是空巢老人、藍領，通過一堆特徵，基於現成的託管的機器學習服務，就能夠直接做這個事情。而且所有的預測其實是可以在線的。
舉一個例子，在線審批借款的網站，用戶的借款申請越快得到響應，用戶體驗越好，通過這樣一些在線方式服務，能夠給網站用戶提供這樣一種能力，能夠快速得到某一個用戶的授信範圍。
對圖象、視頻進行處理分析的服務叫Rekognition。
第一種對象、場景檢測，通過服務識別出一個圖片、視頻裡有的對象。還可以對活動進行檢測，能夠跟蹤一個人，能夠知道產生什麼樣的行為、動作。除此之外還可以進行人臉識別，可以一從堆背景裡裡麵人臉出現的位置，可以對面部進行分析，可以得到眼睛在什麼位置，鼻子在什麼位置，嘴巴在什麼位置這樣一些面部特徵。
還可以對人員進行跟蹤，圖片是不是健康的內容進行一個檢查，包括還可以對名人識別，對文字進行識別。
其實，對視頻進行處理，要比對圖象進行處理要難很多，一張圖片因為是靜止的，可以通過不同深入學習算法不斷分析象素跟象素的關係，行關係、列關係，得到一個結果。視頻把一段圖象拆成一張一張圖片，它的信息會丟失的。
AWS提供非常多層次，不同類型的深入學習服務，主要就是為了滿足不同用戶不同的需求。
人工智能技術照進行業場景的距離有多遠
雲從科技聯合創始人 溫浩
雲從是土生土長的重慶高科技企業，前身是在中科院重慶綠色智能研究院 ，雲從的產品主要集中在人臉識別和相關的技術服務和產品上。
廣義人工智能範圍很廣，包括計算機視覺到自動駕駛，都屬於機器學習主要是機器包括它的外延，深度學習這幾年是比較火的，跟機器學習區別在於是自動來學習特徵，人工智能可以大幅改善密集型和簡單重複的工作，像一些文本、簡單的圖象分析可以用機器來代替了。
人工智能距離落地有多遠？
有幾種，一種是技術型企業，還有一種搞芯片的，還有搞模型的，像亞馬遜直接訓練一個模型，這些都屬於人工智能範圍。
下面是軟件。模型算法OK，需要轉換成需要好的軟件，可能有SDK，運行在嵌入式終端，會牽涉到硬件。
最後就是集成、系統。這個時候才是真正的能夠落地的產品或者可以給客戶的。
人工智能的技術鏈條特別長，離終端客戶特別遠， 技術很難，加之現在人工智能企業沒有盈利的，也是阻礙落地的一個現實。還有商業模式和人才也是非常影響人工智能企業落地應用的。
從底層的研發團隊，到運用平臺、數據，再到算法，再到營銷產品設計，是非常長的鏈條，週期非常長，雲從自10年開始算，也差不多十年了，每年投入都是2億研發成本。
雲從為什麼選擇人臉識別？
因為落地快，且是人機交互的入口；市場最夠大，安防、金融、零售都需要，它是跨行業的。我們也拿過很多世界冠軍，領先並不能代表落地的優勢，落地大家是在一個水平線上，因為面對各種各樣現實的因素。
應用落地的難點
人臉確認1：1，回答這個人是誰，1：N回答他是誰，N可能很大，上千萬，難度更大。
跨攝像頭的行人識別，我沒有拍到臉，只有身體的衣服或者步態或者身上一個東西還可以識別出來，這就是行人在識別。我們也是今年打破世界紀錄及在三個數據級上，刷新了世界紀錄，達到99.6%，達到了商用的水平。
防攻擊，金融領域用得很多，防止照片、平板冒充別人。最早是動作，後來是紅外。
還有識別表情。
建設行業大腦
光把人臉識別做好是不是就夠了？不夠。我們做任何技術只是一個引子、入口，一定要技術點延展開去。我們為銀行做了一個網點解決方案，包括從排號機，遠程業務、迎賓、超級櫃檯，你們去農行辦身份證業務，上頭進行驗證就是用的雲從的。
我們把它產品化，整個銀行做了42個解決方案，從網站到金庫，到員工，還有手機銀行、櫃檯，都做了。光這個還不夠，還要打造行業大腦，剛才說的感知數據，還有交易數據，還有公有云可以挖掘的數據，從公安之機場或者其他商業歷來的信息，合在一起，構成我們的行業大腦，比如金融的、再進行人工畫像、精準營銷，包括支付、風控。
引領行業變革，匯聚生態
我們一定要做企業服務，C端相對來說更難，成本、價格都要求很高，B端，是所有初創企業最適合的。
雲從除了平臺服務，還有生態。
生態就是聯合更多的企業一起做企業服務，雲從不可能所有服務提供完，只是一個接口。我們有幾個資源，一個是技術資源、數據資源、三層架構研發體系，平臺資源，行業入口。我們和中科院有聯合投資基金，如果在生態裡需要資本服務，也可以做相關的服務。
雲從在全球是有6個研發中心，美國的硅谷和重慶最多，超過300人研發團隊，在上海有100多人，廣州、成都蘇州，兩個聯合實驗室。國內銀行、公安有超過80多次PK第一名。
數據資源，四大行、公安部、民航總局，聯合實驗室。這些數據是可以共同開發使用。
地方政府包括重慶、廣州和黑龍江還包括蘇州、成都政府對我們很多支持。
去年3月份和百度騰訊訊飛一起人工智能基礎資源公共服務平臺的，今年和公安部一起拿的人臉識別高準確度產業化。
行業入口，我們銀行業是第一大供應商，應該是超過100家銀行總行，包括農行、建行、交行，重慶銀行、招商銀行。市佔率超過75%，每天日均是1.1億次。到3月份，幫助公安抓獲了2600名嫌疑人。
人工智能是可以整合資源改變生產方式和生活方式，提升人類發展潛能。今天是人工智能最好的時代，雲從願意和大家一起來開拓企業服務，共享美好未來。
閱讀更多 這裡是重慶 的文章
