這一次，并不是AI主動(dòng)選擇的舞臺(tái)，而是時(shí)代的舞臺(tái)選擇了AI。

突然爆發(fā)并迅速蔓延的新冠疫情下，AI充分展現(xiàn)出了它在人類經(jīng)歷重大疾病災(zāi)害時(shí)，協(xié)助人類應(yīng)對(duì)突發(fā)事件的重要價(jià)值。AI在公共視野的案例，也成為我國(guó)AI應(yīng)用“多點(diǎn)開(kāi)花”的一個(gè)縮影。如果說(shuō)這場(chǎng)疫情是對(duì)各行各業(yè)的大考，AI這位“考生”，臨場(chǎng)發(fā)揮可圈可點(diǎn)。在這場(chǎng)戰(zhàn)疫終于看到曙光的時(shí)候，不妨來(lái)盤點(diǎn)一下，AI是如何被選中，其價(jià)值又是如何與剛需結(jié)合并走向普及化。

3月19日，電子發(fā)燒友的線上直播以“口罩人臉識(shí)別、智能測(cè)溫，AI助力抗疫裝備升級(jí)”為主題，邀請(qǐng)了百度AI技術(shù)生態(tài)部高級(jí)產(chǎn)品經(jīng)理吳延宇、OPEN AI LAB（開(kāi)放智能）產(chǎn)品總經(jīng)理孫健峰、智慧眼公共安全技術(shù)部經(jīng)理/公共安全產(chǎn)品總監(jiān)王飛，由電子發(fā)燒友分析師張慧娟主持，就疫情下AI的挑戰(zhàn)、典型應(yīng)用場(chǎng)景、價(jià)值、以及未來(lái)的方向等話題進(jìn)行了深入探討，三位嘉賓分享了各自的思考和精彩觀點(diǎn)。本次活動(dòng)參會(huì)人數(shù)達(dá)到9418人。

如何同時(shí)解決體溫精準(zhǔn)檢測(cè)和戴口罩識(shí)別兩大關(guān)鍵難題？

百度AI技術(shù)生態(tài)部高級(jí)產(chǎn)品經(jīng)理吳延宇認(rèn)為，難度首先在于戴口罩會(huì)導(dǎo)致面部信息丟失嚴(yán)重，會(huì)對(duì)常規(guī)的人臉識(shí)別精度造成很大影響。另外由于口罩的種類、顏色、造型有很多，甚至大家佩戴的習(xí)慣和方式也不一樣，再加上護(hù)目鏡等等，都給戴口罩人臉識(shí)別增加了難度。百度通過(guò)算法擬合等手段，在未佩戴口罩的圖片上繪制口罩增加訓(xùn)練數(shù)據(jù)，即讓算法見(jiàn)到更多的戴口罩?jǐn)?shù)據(jù)；另一方面，讓算法從關(guān)注臉部的全部區(qū)域特征，改成重點(diǎn)關(guān)注眼部這些未遮擋區(qū)域，從而減少佩戴口罩的影響。

高精度的體溫檢測(cè)主要解決了三個(gè)問(wèn)題：第一是測(cè)溫傳感器的零漂基準(zhǔn)，模塊的測(cè)溫效果一致性問(wèn)題；第二是測(cè)溫模組在不同溫度環(huán)境下的溫漂問(wèn)題，以及設(shè)備內(nèi)部溫度上升的溫度補(bǔ)償；第三是在測(cè)溫范圍內(nèi)進(jìn)行二次曲線擬合提升測(cè)溫的精度，并且長(zhǎng)時(shí)間使用后的二次曲線系數(shù)變化時(shí)的問(wèn)題，這點(diǎn)通常需要黑體配合校準(zhǔn)，或是在設(shè)備內(nèi)部做恒定的溫度源校準(zhǔn)。

OPEN AI LAB（開(kāi)放智能）產(chǎn)品總經(jīng)理孫健峰認(rèn)為，要同時(shí)實(shí)現(xiàn)戴口罩識(shí)別和高精度測(cè)溫需要克服三大挑戰(zhàn)：首先在業(yè)務(wù)邏輯上要對(duì)齊紅外攝像機(jī)和RGB可見(jiàn)光攝像機(jī)兩個(gè)邏輯，特別是在人員數(shù)量比較多的時(shí)候，如何能夠測(cè)到真正需要被測(cè)的位置。比如額頭這個(gè)指定區(qū)域，通過(guò)算法進(jìn)行加權(quán)測(cè)出相對(duì)穩(wěn)定的溫度。第二是算法邏輯方面，如何在沒(méi)有足夠多數(shù)據(jù)的情況下進(jìn)行小樣本訓(xùn)練，是業(yè)內(nèi)比較大的一個(gè)挑戰(zhàn)。通過(guò)增廣數(shù)據(jù)，特別是基于Loss函數(shù)，通過(guò)小數(shù)據(jù)獲取可以支持機(jī)器學(xué)習(xí)的大樣本數(shù)據(jù)量來(lái)獲取自我迭代。第三在于產(chǎn)業(yè)化落地，他認(rèn)為瓶頸并非來(lái)源于技術(shù)本身，而是在于技術(shù)真正產(chǎn)業(yè)化落地時(shí)，需要實(shí)現(xiàn)的高性價(jià)比和產(chǎn)業(yè)鏈的分工協(xié)同。這需要算法高效地運(yùn)行在各種硬件平臺(tái)上，和足夠長(zhǎng)的產(chǎn)業(yè)鏈條形成深度合作，這是整個(gè)產(chǎn)業(yè)鏈需要解決的問(wèn)題。

智慧眼公共安全技術(shù)部經(jīng)理/公共安全產(chǎn)品總監(jiān)王飛談到，對(duì)戴口罩的人臉識(shí)別可拆解為兩步，首先判斷有沒(méi)有戴口罩，如果沒(méi)有就進(jìn)行模擬戴口罩的提取；如果有則再進(jìn)行精確化，對(duì)這個(gè)人的關(guān)鍵點(diǎn)進(jìn)行定位、分割以及識(shí)別。在這兩個(gè)情況下做對(duì)應(yīng)的閾值調(diào)整，可在戴口罩露出鼻尖的情況下達(dá)到99%的識(shí)別率。

實(shí)現(xiàn)測(cè)溫的精準(zhǔn)度方面，首先測(cè)溫的部位是額頭，因此進(jìn)行人臉識(shí)別時(shí)先對(duì)額頭進(jìn)行定位，再傳達(dá)給感知設(shè)備，做到了在鏡頭內(nèi)人臉跟隨多次測(cè)溫，降低了測(cè)溫精度的偏差。其次，為了達(dá)到大范圍應(yīng)用，包括高密集的應(yīng)用，目前主要受距離的影響較大，感溫距離在超出2.5米左右會(huì)有較大的溫差。下一步，在改進(jìn)算法的同時(shí)，一些作為硬件設(shè)備基礎(chǔ)的感知設(shè)備升級(jí)，以及無(wú)接觸距離的提高，都將對(duì)生產(chǎn)的應(yīng)用價(jià)值有很大提升。

應(yīng)用場(chǎng)景、方案類型、關(guān)鍵設(shè)備有哪些？

人臉識(shí)別+體溫檢測(cè)目前主要有哪些方案類型和典型應(yīng)用場(chǎng)景？從系統(tǒng)構(gòu)成上來(lái)講，需要哪些關(guān)鍵設(shè)備支撐？

孫健峰解釋，當(dāng)前的人臉識(shí)別+體溫檢測(cè)設(shè)備大概分兩類：第一類比較簡(jiǎn)單，可以理解為平板機(jī)的形式，通常是人臉識(shí)別門禁，其系統(tǒng)構(gòu)成包括前端感知+算法+主板+外置等。其中，前端感知層有兩類：一類是紅外測(cè)溫，另一類是RGB可見(jiàn)光攝像頭，來(lái)獲取人的圖片信息，二者配合進(jìn)行活體識(shí)別和身份驗(yàn)證。第二類是單體式的嵌入式設(shè)備形態(tài)，廣泛存在于人流密集的地方，前端是雙目攝像頭（包括紅外攝像頭和可見(jiàn)光攝像頭），進(jìn)行快速的人員檢測(cè)、抓拍、識(shí)別，在邊緣或終端上進(jìn)行業(yè)務(wù)和算法邏輯的實(shí)現(xiàn)，并且通過(guò)統(tǒng)一的接口傳到后端平臺(tái)。這類嵌入式設(shè)備的配置方式很靈活，比如用于機(jī)器人無(wú)人值守、自巡邏甚至無(wú)人機(jī)。不過(guò)應(yīng)用于無(wú)人機(jī)時(shí)雖然遠(yuǎn)距離測(cè)溫業(yè)務(wù)邏輯和產(chǎn)品形態(tài)上可以實(shí)現(xiàn)，但是技術(shù)挑戰(zhàn)主要在于人的身份識(shí)別和溫度區(qū)間的確認(rèn)。

王飛認(rèn)為主要有兩大應(yīng)用場(chǎng)景：一種是需要快速篩查，像地鐵、商場(chǎng)、園區(qū)等；另一種是一人一證、需要實(shí)名認(rèn)證，如海關(guān)、酒店、車站等。智慧眼主要面向需要快速進(jìn)行高溫篩查、或是快速進(jìn)行閘機(jī)辦理的場(chǎng)景。后者基本采用人證圖片測(cè)溫一體機(jī)，根據(jù)不同的應(yīng)用場(chǎng)景進(jìn)行檢查。關(guān)鍵設(shè)備包括可見(jiàn)光攝像機(jī)、測(cè)溫儀，再加上智能識(shí)別系統(tǒng)，以及大數(shù)據(jù)關(guān)聯(lián)分析等，通過(guò)這些關(guān)鍵要素完成高溫篩查及追蹤管控。

吳延宇解釋了兩個(gè)不同場(chǎng)景下的特點(diǎn)和需求：一類是密集人流下的多人場(chǎng)景，排查效率要求較高，現(xiàn)在的方案采用多人臉抓拍機(jī)+終點(diǎn)距離的測(cè)溫設(shè)備。它的構(gòu)成主要是俯視角度的網(wǎng)絡(luò)攝像頭，由于視角有限，所以測(cè)溫距離一般在3米左右效果較好。另外一個(gè)典型場(chǎng)景是單人的近距離身份核驗(yàn)，一般是平視的角度，距離比較近，比如園區(qū)閘機(jī)、社區(qū)人臉門禁等，使用人臉識(shí)別平板+單人的測(cè)溫鏡頭，技術(shù)難點(diǎn)在于需要兼顧身份核驗(yàn)，同時(shí)也要完成戴口罩的人臉識(shí)別，測(cè)溫距離通常為30-80厘米為主。關(guān)鍵設(shè)備一般是RGB可見(jiàn)光視頻相機(jī)或人臉抓拍機(jī)，加上遠(yuǎn)紅外的熱感應(yīng)模組，實(shí)現(xiàn)多人臉的測(cè)溫，人臉識(shí)別的抓拍更多是為了溫度的校準(zhǔn)。近距離場(chǎng)景通常采用雙目攝像頭加中短距離的測(cè)溫方案，主要完成單人測(cè)溫和身份核驗(yàn)，核心是測(cè)溫傳感器，一般業(yè)內(nèi)采用邁來(lái)芯、海曼等公司的模組，解決測(cè)溫的精度問(wèn)題，也會(huì)利用黑體來(lái)實(shí)現(xiàn)校準(zhǔn)。

他補(bǔ)充，戴口罩人臉識(shí)別在單人的近距離身份核驗(yàn)中是剛性需求，雖然很多社區(qū)已有一些人臉庫(kù)，但是在注冊(cè)時(shí)使用的是不戴口罩的人臉數(shù)據(jù)，因此難點(diǎn)在于如何在不修改原有的人臉數(shù)據(jù)時(shí)，保證戴口罩下的識(shí)別率。此外，單人臉和多人臉精確的檢測(cè)和跟蹤，定位人臉的位置，加上對(duì)測(cè)溫準(zhǔn)確度的輔助，還有無(wú)接觸的中遠(yuǎn)距離的測(cè)溫、近距離的測(cè)溫等功能都在實(shí)際應(yīng)用層面得到了實(shí)實(shí)在在的反饋。

可見(jiàn)光+紅外雙光方案還有哪些提升空間？

目前的人臉識(shí)別+測(cè)溫方案多數(shù)都是可見(jiàn)光+紅外雙光系統(tǒng)，未來(lái)如何提升？確保測(cè)溫和定位、測(cè)溫?cái)?shù)據(jù)和人臉信息更準(zhǔn)確、及時(shí)地匹配？

王飛從人臉識(shí)別算法云邊端一體化的實(shí)現(xiàn)角度談到，需要在端側(cè)把算法融入到設(shè)備中，讓端側(cè)具有大腦的信息，能夠更好地去適配。另外，需要更多更靈敏的感知模塊融入到前端設(shè)備中，這樣在前端就可以提升感知能力和識(shí)別的精準(zhǔn)度。

吳延宇認(rèn)為，首先是戴口罩的多人臉場(chǎng)景下如何準(zhǔn)確地檢測(cè)到人臉，需要將測(cè)溫區(qū)域和人所在的區(qū)域，做到很好的匹配，這樣整體的識(shí)別精度就會(huì)好很多。第二是輔助背景分割、人體關(guān)鍵點(diǎn)的算法，對(duì)這個(gè)區(qū)域進(jìn)一步做預(yù)處理。在保證精度的情況下，硬件方面提升紅外測(cè)溫的幀率，采用NTP對(duì)時(shí)或同步出發(fā)的方案，減少測(cè)溫目標(biāo)移動(dòng)帶來(lái)的相位差。總的來(lái)說(shuō)，AI算法在其中就是鎖定被測(cè)目標(biāo)的具體測(cè)溫位置，更好地將紅外設(shè)備的溫度區(qū)域和需要測(cè)溫的區(qū)域做好匹配。

孫健峰認(rèn)為紅外攝像頭和RGB攝像頭的校準(zhǔn)，特別是自動(dòng)化校準(zhǔn)，不論是技術(shù)維度還是工程維度的提升，都會(huì)成為獨(dú)到的競(jìng)爭(zhēng)力。實(shí)現(xiàn)方案可能會(huì)有多種，比如基于人臉框的校準(zhǔn)，基于圖像中更多關(guān)鍵位置的校準(zhǔn)，如何通過(guò)視覺(jué)的后臺(tái)分析，將兩個(gè)不同攝像頭的圖片位置進(jìn)行針對(duì)性地校準(zhǔn)、對(duì)齊，這樣紅外識(shí)別的額頭區(qū)域位置，和真實(shí)的在RGB人臉抓拍下的位置，就能有針對(duì)性地實(shí)現(xiàn)對(duì)齊。

疫情突發(fā)，如何在短時(shí)間迅速推出解決方案？

吳延宇介紹，百度在人臉檢測(cè)與抓拍、口罩識(shí)別方面，有長(zhǎng)期的算法和經(jīng)驗(yàn)積累；同時(shí)，內(nèi)部的AI軟硬件團(tuán)隊(duì)，能夠快速地開(kāi)發(fā)和驗(yàn)證多種測(cè)溫硬件方案，并且結(jié)合AI算法，進(jìn)行場(chǎng)景化的調(diào)試和調(diào)優(yōu)，從而快速實(shí)現(xiàn)基于測(cè)溫傳感器的高精度測(cè)溫方案。

正是基于算法和軟硬件結(jié)合的完整研發(fā)鏈，百度能夠快速提供多人臉/單人臉的測(cè)溫方案，以及戴口罩下的人臉識(shí)別，綜合的人群跟蹤和身份識(shí)別方案，并且在高鐵站、地鐵站、社區(qū)門禁、園區(qū)閘禁方面，快速地實(shí)現(xiàn)場(chǎng)景化落地。

孫健峰從定義研發(fā)應(yīng)用的閉環(huán)流程談起，首先是業(yè)務(wù)需求側(cè)的驅(qū)動(dòng)下，進(jìn)行底層硬件的選型，包括底層芯片以及對(duì)應(yīng)的載體平臺(tái)；然后通過(guò)數(shù)據(jù)的自動(dòng)化/半自動(dòng)化標(biāo)注，實(shí)現(xiàn)算法的快速訓(xùn)練；之后對(duì)算法和硬件進(jìn)行適配部署及調(diào)優(yōu)，這一工作和硬件、嵌入式算法、框架高度相關(guān)，在這個(gè)過(guò)程中，能夠大幅提升算法在對(duì)應(yīng)硬件上的運(yùn)行速度和精準(zhǔn)度；再往下就是業(yè)務(wù)派發(fā)，實(shí)現(xiàn)產(chǎn)業(yè)化落地。OPEN AI LAB實(shí)現(xiàn)了平臺(tái)化的能力，即從算法的維度，對(duì)底層各類硬件平臺(tái)做了全系列兼容，從而能夠快速實(shí)現(xiàn)一個(gè)算法化芯片的快速部署能力。

王飛結(jié)合智慧眼的研發(fā)經(jīng)驗(yàn)介紹，在疫情前已經(jīng)在醫(yī)療、交通、海關(guān)等場(chǎng)景實(shí)現(xiàn)了手持式的人臉識(shí)別應(yīng)用，只不過(guò)是在沒(méi)有戴口罩的情況下。疫情發(fā)生后，針對(duì)了人臉識(shí)別做了大量的優(yōu)化，大約用了2周時(shí)間，實(shí)現(xiàn)了人臉識(shí)別的同時(shí)能夠測(cè)體溫。

人臉識(shí)別落地的挑戰(zhàn)？今年看好哪些應(yīng)用？

王飛結(jié)合視覺(jué)方面的應(yīng)用談到了人臉識(shí)別存在的挑戰(zhàn)，例如基于視頻分析時(shí)容易受到外界因素的干擾，比如光照條件、人的行走姿態(tài)、拍攝角度、以及運(yùn)動(dòng)狀態(tài)下的模糊等，這些還需技術(shù)上繼續(xù)去攻克難題。

他認(rèn)為現(xiàn)階段最需要立法的支持，規(guī)范在商業(yè)公司或是非政府行業(yè)的應(yīng)用，相對(duì)高涉密的還需要在安全方面探討技術(shù)以外的挑戰(zhàn)。從大的行業(yè)應(yīng)用并結(jié)合智慧眼的領(lǐng)域來(lái)看，王飛認(rèn)為，安防、民生、養(yǎng)老、醫(yī)療保障等領(lǐng)域的應(yīng)用發(fā)展會(huì)更快。

孫健峰認(rèn)為人臉識(shí)別要進(jìn)一步實(shí)現(xiàn)大規(guī)模的產(chǎn)業(yè)化落地，最大的限制是在非常多的差異化場(chǎng)景下的魯棒性，比如如何突破在過(guò)度曝光、逆光等非常細(xì)分的工程場(chǎng)景下的限制。具體如何去優(yōu)化？正如AI商業(yè)層面以人為核心的“千人千面”，每一個(gè)智能化的設(shè)備也是差異化的，需要基于一個(gè)大模型以及它所處的場(chǎng)景去適配它，提升魯棒性。例如要識(shí)別一個(gè)處于逆光狀態(tài)下的攝像頭拍攝到的人像，可以通過(guò)一套自動(dòng)化的程序，對(duì)采集到的數(shù)據(jù)進(jìn)行二次訓(xùn)練，并把對(duì)應(yīng)算法下發(fā)到這個(gè)設(shè)備上，這樣就實(shí)現(xiàn)了智能設(shè)備的“千人千面”。

隱私保護(hù)和數(shù)據(jù)安全是孫健峰看到的第二大挑戰(zhàn)。一方面需要國(guó)家或相關(guān)部門牽頭，制定邊界限制和相應(yīng)規(guī)范；另一方面從技術(shù)的維度，通過(guò)分散式的聯(lián)邦學(xué)習(xí)進(jìn)行算法訓(xùn)練是當(dāng)前的一個(gè)解決思路。即：無(wú)需把前端隱私數(shù)據(jù)傳到后端，而是基于這些數(shù)據(jù)在前端的算力上訓(xùn)練出小的參數(shù)模型，并且把這個(gè)模型貢獻(xiàn)到集群中心，通過(guò)成千上萬(wàn)的小的終端獲取到足夠好的綜合算法，再把這個(gè)算法下發(fā)到前端，這樣既保證了足夠好的準(zhǔn)確性，同時(shí)保障了隱私和數(shù)據(jù)安全，這將是未來(lái)的一個(gè)發(fā)展趨勢(shì)。

他認(rèn)為人臉識(shí)別應(yīng)用現(xiàn)在已經(jīng)非常成熟了，下一步要解決的就是性價(jià)比。只有把單點(diǎn)的智能化成本降下來(lái)，其體系化的復(fù)制和網(wǎng)絡(luò)節(jié)點(diǎn)的擴(kuò)展空間才更大。未來(lái)，人臉識(shí)別應(yīng)用更多扮演敲門磚的角色，除了在人員管控方面進(jìn)行有效識(shí)別、輔助監(jiān)督之外，會(huì)在很多傳統(tǒng)行業(yè)實(shí)現(xiàn)產(chǎn)業(yè)化落地，比如農(nóng)業(yè)、電力、鋼鐵甚至養(yǎng)殖行業(yè)，來(lái)幫助提升效率，降低成本。

吳延宇認(rèn)為人臉識(shí)別落地有三大難點(diǎn)：第一是場(chǎng)景的泛化能力。這包括幾個(gè)要點(diǎn)：場(chǎng)景的環(huán)境條件，例如暗光、逆光、陰陽(yáng)光等；大面積遮擋，比如戴口罩，還有側(cè)面、俯視、仰視，還有模糊、分辨率低等情況，這都會(huì)影響圖片獲取時(shí)的效果；還有年齡的跨度，從幼兒園的小朋友到八九十歲的高齡老人，算法需要具備很好的年齡跨度的分化性；還有膚色問(wèn)題，不同人群的膚色識(shí)別精度有限，這對(duì)于進(jìn)一步擴(kuò)展全球市場(chǎng)存在一定挑戰(zhàn)；還有活體檢測(cè)的能力，針對(duì)高仿模具、高仿面具，還有一些成本很高的硅膠做出來(lái)的人像，對(duì)于這種級(jí)別的攻擊，人臉識(shí)別如何去抵御？或是如何輔助硬件和一些策略去抵御攻擊，這方面還存在挑戰(zhàn)。

第二在于精度問(wèn)題，超大庫(kù)檢索雖說(shuō)安防領(lǐng)域已經(jīng)用了很久了，但是對(duì)于幾十萬(wàn)、百萬(wàn)甚至千萬(wàn)量級(jí)的檢索，直接做到一比一千萬(wàn)、一比三千萬(wàn)，在精度方面還是有問(wèn)題的。例如要實(shí)現(xiàn)人臉支付在軌道交通方面，如何在不需要任何輔助操作的情況下，就能實(shí)現(xiàn)刷臉直接扣費(fèi)，也是一個(gè)挑戰(zhàn)。

第三就是行業(yè)標(biāo)準(zhǔn)，包括軟硬件規(guī)范、接口規(guī)范、架構(gòu)規(guī)范、交付標(biāo)準(zhǔn)規(guī)范等等，只有這些規(guī)范的陸續(xù)出臺(tái)，才能保證整個(gè)行業(yè)進(jìn)一步蓬勃發(fā)展。

今年所看好的應(yīng)用，吳延宇主要認(rèn)為包括：智慧通行。例如社區(qū)門禁、園區(qū)訪客管理、樓宇的人臉門禁閘機(jī)等，這些還會(huì)更進(jìn)一步地火起來(lái)，需求會(huì)更加廣泛、更加深入，實(shí)現(xiàn)更穩(wěn)定的、更精準(zhǔn)的應(yīng)用。第二類是軌道交通。包括高鐵、機(jī)場(chǎng)、各種公共設(shè)施，以及交通運(yùn)輸行業(yè)，例如駕駛員的行為分析（瞌睡、打電話、疲勞提前監(jiān)測(cè)等），地鐵和公交的人臉支付也會(huì)成為熱點(diǎn)。第三類是民事辦理。例如遠(yuǎn)程社保的身份證明，或民政大廳的自助機(jī)，這些都會(huì)進(jìn)一步得到廣泛應(yīng)用。涉及到3D識(shí)別、RGB、NIR的跨模態(tài)識(shí)別，還有AI鏡頭等等，這些技術(shù)都存在一定的應(yīng)用機(jī)會(huì)。

疫情中AI落地帶來(lái)哪些啟示？

如何看待疫情中AI所發(fā)揮的價(jià)值？這對(duì)于在落地方面一度遭遇瓶頸的AI技術(shù)有哪些啟示？

吳延宇認(rèn)為AI的價(jià)值主要體現(xiàn)在三方面：首先傳統(tǒng)的測(cè)溫方式，在無(wú)接觸情況下，一是無(wú)法精確鎖定到人體的固定區(qū)，二是難以進(jìn)行動(dòng)態(tài)跟蹤測(cè)溫，尤其是人群密集的場(chǎng)景下。通過(guò)AI技術(shù)，實(shí)現(xiàn)了結(jié)合人體、人臉的相關(guān)算法，配合一定的業(yè)務(wù)策略，解決了測(cè)溫的準(zhǔn)確率和有效性問(wèn)題。第二，口罩下的人臉識(shí)別應(yīng)用，能夠確保在需要身份核驗(yàn)、同時(shí)又需要測(cè)溫的場(chǎng)景下，快速進(jìn)行核驗(yàn)和排查，提高了防疫整體的效率和安全性。第三，如OCR文字識(shí)別、語(yǔ)言技術(shù)識(shí)別、肺部的影像篩查等技術(shù)，在疫情中也推進(jìn)了相關(guān)的落地，在病毒的基因分析方面，百度在疫情發(fā)生后迅速開(kāi)放了AI算力給相關(guān)的科研機(jī)構(gòu)，提升了醫(yī)療科研工作的效率。

孫健峰結(jié)合AI產(chǎn)業(yè)化的特點(diǎn)談到，從2015年開(kāi)始，國(guó)內(nèi)AI技術(shù)真正實(shí)現(xiàn)了產(chǎn)業(yè)化的落地和部署，早期AI產(chǎn)業(yè)化的特點(diǎn)更多是端到端的，大家也以此為傲，既能做芯片又能做算法，還能做應(yīng)用和行業(yè)部署落地。但是在這次疫情中，由于時(shí)間非常緊迫，大家更希望整個(gè)產(chǎn)業(yè)鏈協(xié)同分工，各自貢獻(xiàn)自己最擅長(zhǎng)的能力。在這個(gè)過(guò)程中，機(jī)器人、視覺(jué)、語(yǔ)音等維度都實(shí)現(xiàn)了產(chǎn)業(yè)化落地。

為什么疫情之下才有這么多的新技術(shù)得以落地使用？AI技術(shù)還有哪些瓶頸？未來(lái)如何更好地去推進(jìn)產(chǎn)業(yè)化？

孫健峰認(rèn)為疫情對(duì)于AI落地最大的啟示就是，如何共同推動(dòng)AI產(chǎn)業(yè)化、分工協(xié)同，以及如何更高效、高性價(jià)比地實(shí)現(xiàn)快速產(chǎn)業(yè)化落地。他進(jìn)一步解釋，當(dāng)前一個(gè)非常嚴(yán)峻的問(wèn)題在于AI落地的成本依舊偏高，從而導(dǎo)致沒(méi)有非常迫切的觸發(fā)點(diǎn)的時(shí)候，AI很難切實(shí)地落地到一個(gè)細(xì)分領(lǐng)域。企業(yè)要想做全棧方案，前期投入很高，除非這個(gè)行業(yè)能夠帶來(lái)足夠高的回報(bào)率，否則商業(yè)邏輯上不可行。但是如果產(chǎn)業(yè)鏈能夠高度協(xié)同，就像我們現(xiàn)在看到的電腦一樣，做芯片的、做操作系統(tǒng)的、做整機(jī)的、做應(yīng)用軟件的協(xié)作起來(lái)，整個(gè)產(chǎn)業(yè)才會(huì)高度繁榮，AI在萬(wàn)千場(chǎng)景下的快速產(chǎn)業(yè)化落地，才能更好地實(shí)現(xiàn)。

王飛則認(rèn)為AI未來(lái)要向精細(xì)化落地的方向發(fā)展，這個(gè)方向的創(chuàng)新及迭代速度已經(jīng)在疫情中得到驗(yàn)證。現(xiàn)實(shí)生活的需求在促進(jìn)技術(shù)發(fā)展，技術(shù)既要著眼于未來(lái)，也要落地于現(xiàn)在。如何把技術(shù)變成我們生活生產(chǎn)中的工具，成為普通人都用得起、都會(huì)用的接地氣的東西。

吳延宇表達(dá)了類似的觀點(diǎn)，他認(rèn)為AI落地過(guò)程中的共識(shí)，就是要緊貼業(yè)務(wù)場(chǎng)景特點(diǎn)，做到接地氣，從業(yè)務(wù)中尋找痛點(diǎn)，才能不斷地解決問(wèn)題。

觀看本場(chǎng)直播精彩回放，請(qǐng)點(diǎn)擊：http://webinar.elecfans.com/504.html

本文由電子發(fā)燒友網(wǎng)原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。如需轉(zhuǎn)載，請(qǐng)?zhí)砑游?a target="_blank">信號(hào)elecfans999.