触景无限 | 前端智能感知全球引领者

Menu

新闻资讯 > 新闻详情

触景无限CEO肖洪波:冗杂的AI安防行业,需追寻“精益之道”

触景无限CEO肖洪波:冗杂的AI安防行业,需追寻“精益之道”

本文作者:王艺 2019-03-27 14:23
导语:肖洪波认为现在的人工智能模型非常重、非常复杂,有很多冗余的参数,于是提出LEAN AI的概念。

触景无限CEO肖洪波:冗杂的AI安防行业,需追寻“精益之道”

3月23日,由雷锋网(公众号:雷锋网) & AI掘金志主办的「第二届中国人工智能安防峰会」在杭州召开。

峰会现场,触景无限联合创始人兼CEO肖洪波发表了演讲《智能安防的精益之道》,肖洪波提出LEAN AI的概念,认为现在的人工智能模型非常重、非常复杂,有很多冗余的参数。触景无限希望通过为模型减肥,在实际的应用场景中更好地进行技术落地。

肖洪波谈到,一个中型城市大约有35万个摄像头,如果让每一个摄像头都实现智能化,会对带宽和功耗提出巨大挑战,对后端计算平台也会提出巨大的算力要求。因此,后台中心化的路线很难实现高密度的摄像头节点覆盖,无法完成摄像机分析以及结构化的处理,而少数关键卡口的智能化并不能实现真正的智能。

肖洪波表示,目前需要的是更易用、更轻量级,更有弹性,更加健壮的人工智能系统。“更易用是让不懂AI的人也可以马上上手;更有弹性是可以面对不同场景灵活调整系统结构;低成本则是在建设成本之外充分地考虑客户的运营成本。”

肖洪波引用了华罗庚先生的一句话——“神奇化易是坦途,易化神奇不足提”。他表示,原先搞图像研究时更倾向于构建复杂的网络去解决一些问题。但是真正在落地的时候,需要思考如何化繁为简,最简单地去帮助客户解决问题,把人工智能真正地嵌入到客户的场景里。

以下是肖洪波的现场演讲内容,雷锋网作了不改变原意的修改及编辑:

各位来宾大家下午好!今天很多专家讲了算法相关的工作,我想分享一下在我们实践的过程中的一些自己的想法。我们提出了一个新的理念,叫LEAN AI,也就是精益AI。

首先简单介绍一下触景无限公司,我们专注在前端的智能感知层面。传统的智能安防是通过前端进行视频采集,传输到后端服务器上进行处理。我们不一样,我们的很多工作是在前端完成的。我们在这方面的努力获得了很多认可,包括一些国际上的权威报告,其中2018年Gartner报告在中国仅选出了三家能实现软硬件一体解决方案的供应商,我们就是其一。

LEAN这个概念,其实最早来自于丰田。丰田曾经提出了一个概念叫做精益制造,去除在汽车生产环节中很多无用、冗余的过程。我们在做人工智能的过程中,也有这个问题。

我们现在做了很多非常重、非常复杂的模型,有很多参数是冗余的。那么怎样能够给我们现在做的深度学习模型,或者人工智能系统做一个减肥,能够让它在真正的场景中得到应用,是我们希望解决的问题。所以我们提出了一个概念叫做LEAN AI,也叫做精益智能,遵循这个概念,人工智能可以在真实的场景中得到更好的应用。

人工智能技术已经出现很多年,深度学习2012年开始进入大家的视野。在安防领域,人工智能技术真正的影响在于把安防系统从“记录”变成了“智能”。

传统安防系统的作用只是做记录。前端采集,后端存储,中间有个传输,没有特别大的信息价值。因为它只是做了一些记录,是给人看的,需要回放,需要公安干警自己用肉眼去看。

但是人工智能的出现改变了整个局面。我们可以对信息进行结构化处理,从中提取出非常有用的信息。所以我想,对于传统的安防企业来讲,这里存在一个非常大的挑战,因为会有很多跨界的公司进入这一领域,就像华为这样传统的做信息技术的公司,很可能会进入到安防领域当中来。

这里我给大家分享一个数据,来自Gartner的报告,关于2017年到2025年的人工智能行业的价值预测。报告提到,到2020年,将有95%的的视频或图像将不会由人眼看,而是由机器看。

大家想一下我们现在做的传统IT系统,我们会去看它的数据库吗?不会,我们不会去看数据库里的原始记录。我相信这些在传统的结构化领域内发生的事情,都会在非结构化领域内发生,我们以后将不再需要用肉眼看这个世界。这样的话所有的视频数据,都会被结构化。我相信未来几年,视频的结构化,将会是一个非常大的市场。

这样一来,市场对我们提出了一个非常大的挑战,我给大家举一个例子讲一下我们在这方面的看法。

对一个中型城市来讲,可能有多少摄像头?大概有5万个天网摄像头,比如武汉这种省会城市可能有大概10万个天网摄像头。二类监控点的摄像头大概是一类监控点的6-7倍的样子,大概还有30万个摄像头,一共有35万个摄像头。

这35万个摄像头,假设清晰度为1080P,当然还有清晰度低一些的,也有4K的更高分辨率的摄像头。那这样计算一下,上行带宽的需求是多大?1400个GB/s。我们普通家庭用的宽带是100兆,当然这里面有运营商的换算方式在里面,要除以8,上传下载带宽往往还是不对等的。大家算一下这个数字,安防行业对中型城市的带宽需求是多大呢?应该是1000多个Tb/s的带宽,这是非常巨大的数字。虽然在设计的时候,会有一些复杂的网络结构来解决这个问题,但是依然能够体现出,安防本身对于我们城市的网络是有非常大的需求和挑战的。

触景无限CEO肖洪波:冗杂的AI安防行业,需追寻“精益之道”

另外一点就是功耗,以某Top2视频云结构化服务器厂商的数据为例,可以支持40路视频的结构化的服务器,功耗是1600瓦。如果我们这35万路视频都用服务器来分析,需要多大的功耗呢?基本上全年的功耗是1.2亿度,可以支持高铁开640万公里。这是非常大的功耗成本。甚至于你的机房都要重新建设,因为现有的机房没有办法支持这么大的功耗。

安防系统的复杂度是呈指数级上升的。所以我们现在在天网系统里面,很少把所有的摄像头都拿到系统中去分析,而是选一些关键的卡点、卡位做分析,但这样做往往是无效的。我们在跟很多客户的交流过程中发现,警察接到报警后,经常是到现场的时候嫌疑人早就走掉了。如果我们没有高密度的摄像头分析,就无法预测嫌疑人的路径,所以分析通常是无效的。

这样看来,我们后台中心化的路线很难实现高密度的摄像头节点覆盖,没有办法支持那么多的摄像机的分析以及结构化的处理。所以我相信我们需要的应该是更加轻量级、有弹性、更加健壮的一个系统,不单单是一个瘦的系统。我们叫做LEAN AI。

这里有几个需求,第一个是让这个系统更加易用,让不懂AI的人拿到系统就可以非常容易的立即上手。

第二个是它要有非常好的弹性,当我们面临不同架构的时候,可以非常容易地调整我们系统的结构,适应现场的需求,无论面对的是学校、监狱这样的小场景,还是面向公安的大场景。

第三个是低成本,我们以前在做系统的过程中,往往看到的是它的建设成本,忽略运营成本,很多客户在做安防系统的时候,没有考虑运营成本、带宽的需求和功耗的需求,没有将这些放到系统预算中来。

触景无限提供的产品是低功耗边缘智能引擎——盾悟人工智能前端服务器,这已经是我们发布的第二代产品,去年我们发布了第一代的智能引擎。这个产品在前端可以直接支持现有的摄像机进行结构化处理,支持8路摄像机,功耗很低,大概只有20瓦。同时我们在前端做了一个并群的集群,可以线性扩展,可以支持128路摄像头。工作温度是零下40度到零上70度。

同时这一智能引擎也支持我们自己发布的角蜂鸟开发者平台。角蜂鸟目前在全球已经有几千名开发者支持,他们利用角蜂鸟在嵌入式平台做各种深度学习模型训练。因为角蜂鸟与NCS都采用了Movidius的芯片,所以盾悟也平滑支持Intel NCS的模型,NCS全球的几万名开发者也可以将他们的模型非常平滑地嵌入到盒式的盾悟上。

触景无限CEO肖洪波:冗杂的AI安防行业,需追寻“精益之道”

刚才我们提到智能改造过程中系统架构的问题,我们的智能引擎是一个可插入的结构,不会影响现有的系统,架构依旧可以是从前端摄像头到后端的识别比对平台或者视频综合平台。我们的智能引擎可以直接插入到边缘侧,作为一个边缘引擎,实现智能化工作,单独工作或者作为一个前端到后端的中间件,所以说它非常易用。

触景无限CEO肖洪波:冗杂的AI安防行业,需追寻“精益之道”

另外还有一点,它是一个完全分布式的智能系统,是按照单元来设计的。每个单元被分成了前端数据采集硬件、边缘智能引擎,再加上局部的中继服务,就可以覆盖一个小单元。如果客户是一个监狱的场景,可能一个单元就够了。如果是一个比较大的场景,可以多个单元之间并联。不同的单元之间可以动态分配任务,前端的模型可以分布在不同的智能引擎中进行运转,并返回结果,这是一个完全分布式的系统。

触景无限CEO肖洪波:冗杂的AI安防行业,需追寻“精益之道”

这样一来,大家在系统建设过程中,首先能够大幅降低的就是能耗。因为智能引擎采用的是低功耗的芯片,整个芯片的峰值功耗只有3W左右,是非常低功耗的系统。其次在前端处理的时候,对带宽压力就没有那么大,可以非常容易地线性扩展到更多的摄像头节点。

华罗庚先生有一段话我非常喜欢,他说“神奇化易是坦途,易化神奇不足提”。我们团队做过很多人工智能方面的工作,我以前也做图像相关的研究。我们发现,在研究所里面大家做了很多demo,效果看起来非常好,但这些demo往往是一些特别复杂的大模型,用大量的计算资源去解决某一个问题,把一个简单的事情变得很复杂。

真正在工程里面,我们要把一个复杂的东西变简单,这才是最重要的。怎么样能够在条件有限制的情况下,用最简单的方法帮助客户解决问题,把人工智能真正地嵌入到客户的场景里面去,这是我们正在做的一点工作。我们希望构建一个精益智能的系统,去帮助我们的客户构建他的产品。

我的介绍就是这些,谢谢大家!

来源:雷锋网https://www.leiphone.com/news/201903/iZTqH5C5ezG4NDns.html?viewType=weixin