在影像吃掉世界之前阿里云想讓開發(fā)者們配上這些兵器

摘要：

「數(shù)據(jù)就是新一代石油」的論斷已成為行業(yè)共識(shí)，而在通往機(jī)器智能的路上，除了海量的（影像）數(shù)據(jù)，還需要更優(yōu)的算法以及強(qiáng)大廉價(jià)的計(jì)算能力。

2021年的杭州云棲大會(huì)上，當(dāng)被問及比來一年對(duì)行業(yè)的很大感受時(shí)，阿里云總裁胡曉明曾不假思考地回答：「人工智能」。彼時(shí)，集阿里云人工智能大成的ET剛剛問世兩個(gè)月，卻已經(jīng)成為杭州城市大腦項(xiàng)目中的「大腦」。

隨后的半年時(shí)間里，阿里云的人工智能隨著ET的快速發(fā)展而廣泛布局，尤其是隨著阿里巴巴發(fā)布「NASA計(jì)劃」之后，阿里云的人工智能步伐明顯加快在完成了城市大腦、工業(yè)大腦、醫(yī)療大腦、環(huán)境大腦等一系列落地項(xiàng)目之后，阿里云在上海云棲峰會(huì)上推出一款新產(chǎn)品：視覺智能辦事。

嚴(yán)格意義上說，比擬于之前任何一個(gè)領(lǐng)域的「大腦」產(chǎn)品，這款視覺智能產(chǎn)品看起來只不過是一種基礎(chǔ)能力，或者更正確地說，這只是ET的「視力」——它讓機(jī)器可以看清楚圖片、視頻，也能讀懂其中的含義。

但事實(shí)并非如此簡單，尤其是在2021年這個(gè)尤其的時(shí)間節(jié)點(diǎn)。十年前，喬布斯帶著iPhone重塑了智能手機(jī)行業(yè)，也拉開了移動(dòng)互聯(lián)網(wǎng)的大幕。十年后，阿誰曾經(jīng)被iPhone改變的世界又重新走到了另一個(gè)十字路口，這一天線貓SEO軟件「拯救世界」的主角之一就是影像。

影像正在「吃掉」世界

影像曾是構(gòu)成消費(fèi)主義的核心要素。在過去，無論是時(shí)裝雜志的封面人物還是電視屏幕上的明星紅人，這些或靜態(tài)或動(dòng)態(tài)的圖像不停向世界各地傳遞著買買買的「福音」。而現(xiàn)在，無處不在的攝像頭正在時(shí)刻記錄著人類的方方面面。

好比衛(wèi)星和無人機(jī)，過去幾年，小衛(wèi)星公司的出現(xiàn)大大降低了通過衛(wèi)星進(jìn)行拍攝的成本，Google就收購了一家叫SkyboxImaging的小衛(wèi)星公司，隨后將其改名為TerraBella，其商業(yè)模式就是向商業(yè)機(jī)構(gòu)售賣衛(wèi)星圖像；而民用無人機(jī)的出現(xiàn)和逐步普及，也開啟無人機(jī)的一系列企業(yè)級(jí)、消費(fèi)級(jí)的應(yīng)用浪潮。

而監(jiān)控?cái)z像頭、攝像機(jī)的平民化則更近一步。過去動(dòng)輒上千甚至幾萬塊的監(jiān)控?cái)z像頭越來越多地進(jìn)入家庭，與價(jià)格下降成反比的則是家庭監(jiān)控?cái)z像頭的拍攝精度大幅提升，1080p的視頻早已普及。

另一方面，Gopro這樣的運(yùn)動(dòng)相機(jī)越來越流行，與之相對(duì)的一組數(shù)字：目前Youtube上每分鐘上傳的影片總長度為400小時(shí)。而不管是國內(nèi)的直播還是國外的Snapchat、Facebook，都在鼓勵(lì)大家拍攝更多的影像。

但這并非故事的全部。

當(dāng)攝像頭成為新的輸入工具......

假如你仔細(xì)去看本年以來包孕Facebook、Google、蘋果在內(nèi)的開發(fā)者大會(huì)，你會(huì)發(fā)現(xiàn)一個(gè)共同點(diǎn)：手機(jī)攝像頭正在成為新的輸入工具。

支撐手機(jī)攝像頭成為新輸入工具的 關(guān)鍵要素有兩個(gè)：其一，手機(jī)拍照攝像已成為一種生活方式；其二，機(jī)器具備了處理與輸出影像（圖片或視頻）的能力。

在機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)的幫手下，計(jì)算機(jī)視覺在過去幾年已經(jīng)有了天翻地覆的變革，下面這幅圖是英國知名投資人DavidKelnar繪制的計(jì)算機(jī)視覺發(fā)展路徑，在圖像識(shí)別領(lǐng)域，機(jī)器已經(jīng)超過人類：

而就在上月，阿里巴巴iDST視覺計(jì)算研究員華先勝的團(tuán)隊(duì)打破了機(jī)器視覺算法測(cè)評(píng)平臺(tái)KITTI上車輛檢測(cè)的世界紀(jì)錄，將其正確率提升到90.46%，這項(xiàng)算法被認(rèn)為是實(shí)現(xiàn)無人駕駛的 關(guān)鍵技術(shù)，重點(diǎn)解決多視角，多姿態(tài)以及車輛遮擋等等。

此前，ET在該平臺(tái)的成績也十分突出，在通用圖片的識(shí)別方面，正確度達(dá)到96%以上，，涵蓋從水果、蔬菜、交通工具、到植物、動(dòng)物等上千種物品。

上述的視覺智能領(lǐng)域的紅利正在被釋放。從FB、Google、蘋果以及此天線貓SEO軟件阿里云的新產(chǎn)品，所有這些都是巨頭們引領(lǐng)行業(yè)發(fā)展潮流的 關(guān)鍵布局，也是賦能開發(fā)者、構(gòu)建生態(tài)體系的重要一環(huán)。

以此天線貓SEO軟件阿里云的視覺智能的兩款產(chǎn)品為例，不管是圖像識(shí)別還是人臉識(shí)別，都是歷經(jīng)阿里巴巴內(nèi)部多個(gè)應(yīng)用場(chǎng)景考驗(yàn)后的技術(shù)輸出，這也意味著這些技術(shù)具備了應(yīng)對(duì)絕大多數(shù)應(yīng)用場(chǎng)景的能力。

好比，基于機(jī)器學(xué)習(xí)以及卷積神經(jīng)網(wǎng)絡(luò)，ET的人臉識(shí)別技術(shù)已經(jīng)實(shí)現(xiàn)了人臉檢測(cè)、器官輪廓定位、1對(duì)1人臉認(rèn)證和1對(duì)多人臉識(shí)別等多個(gè)功能，其在LFW上識(shí)別率超過99.5%。目前該人臉識(shí)別系統(tǒng)已經(jīng)應(yīng)用于機(jī)場(chǎng)通關(guān)等場(chǎng)所，可以極大提高安檢人員工作效率。

而在阿里巴巴iDST視覺計(jì)算研究員華先勝看來，來自城市里的攝像頭所「輸入」的數(shù)據(jù)更具挑戰(zhàn)性。