大数据+人工智能

　　现如今，原本陌生而又充满神奇色彩的人工智能已成为当今学术界、产业界，乃至社会大众最为关注的话题之一。1956年，达特茅斯会议的开幕被认为是人工智能的元年。60年后，人工智能取得了高速发展。

　　2006年深度学习技术正式提出之后，才真正将人工智能推向一个爆发点，《必然》及《失控》的作者凯伦凯利就说道，“如果你二十年前问我未来最重要的技术是什么，那么毫无疑问，我会告诉你是人工智能”。另外，孙正义也提出过一个公式，他认为未来机器人的数量和智能化的程度将会决定未来一个国家GDP的排名。

　　人工智能可以从三个层面来看，第一个是运算智能，运算智能指的是机器能够具备能读会算的阶段;第二个阶段是感知智能，是说机器能听会说、能看会认。第三个阶段就是认知智能，能理解会思考。

　　如果我们要发展人工智能，切入点在哪儿呢?类人生命在两百万年前就诞生了，是什么能够让我们延续多年还能持续走下去呢?——语言，语言是说出周围的信息来反馈周围的环境，再到后来会反馈社会信息，来组织更大更具有凝聚力的团队，能将规模达到150人左右，再之后到虚构的概念，就这样的过程使得语言让人类的生产过程得以创新、合作，所以，人工智能的发展一定是以语言及语音为入口的认知革命。

　　其实人工智能在科技界和产业界能形成一个热点话题已不足为奇，随着阿尔法狗战胜围棋冠军的时候，人工智能已经被媒体和舆论转移到大众中来，其实，阿尔法狗还是集中在运算智能，从过去的深蓝到现在的围棋，围棋是有规则可循的，而且有时间限制，机器人短期内的算法本身就要比人类强，再加上有明确的对战对象，谷歌可以有针对性的分析对手套路，获胜其实并不难。机器实际上是没有思维逻辑能力，所以这一切只是算法上的深入，这并不是一个质变而是量变，而到了感知智能阶段和认知智能阶段才算是人工智能成熟的一个关键点，对此包括科大讯飞、谷歌、IBM在类的众多科技公司都在不懈努力。

　　大数据+智能家居

　　不可否认，自2013年起，智能家居已成行业新贵，各个科技公司无不争相进入。目前，智能产品已经逐渐进入消费级市场，慢慢地被普罗大众所接受并引起新一轮的购物风潮，智能家居已然成为“互联网+”的又一风口，本期as采访到海尔U+平台推广产品总监王峥，并就大数据技术在智能家居中的应用进行了探讨，王峥也就目前智能产品在现代家居上的应用做了详细介绍。

　　目前海尔智能家居业务分为两大业务块，分别是U-home智慧家庭解决方案以及海尔u+平台。据王峥介绍，U-home智慧家庭解决方案是采用有线与无线网络相结合的方式，把所有设备通过信息传感设备与网络连接，从而实现了“家庭小网 ”、“社区中网 ”、“世界大网 ”的物物互联，并通过物联网实现了3C产品、智能家居系统、安防系统等的智能化识别、管理以及数字媒体信息的共享，其包括智能面板、灯光、窗帘、门锁、视频监控等家用设备，这相当于是面向开发商的解决方案，目前已与国内很多地产项目进行合作，年销售额达五亿。

　　海尔U+云平台建立于2014年，目前已接入各类产品近70类，用户量过千万，在物联技术架构这块采用端、管、云得技术架构体系，从设备端、APP端、云平台端提供可靠稳定的IOT解决方案，目前应用的设备已达数百万台。另外该平台提供设备接入服务、用户接入服务、SaaS服务、PaaS服务、OpenAPI、数据挖掘服务等，并与多个第三方平台实现对接。

　　海尔U+平台涵盖了整套智能家居解决方案。U+智慧家庭互联平台、U+云服务平台以及U+大数据分析平台为该操作系统提供了强大的技术支撑,建立统一的物联协议标准来研究不同设备的参数并实现各个设备之间的互联互通，它同时也是汇集服务和数据的平台，包括医疗健康服务、家庭维修服务等。

　　需要注意的是智能产品不智能，用户体验差是目前智能家居领域需要解决的重要问题之一。目前绝大多数的智能产品还只能实现远程遥控功能。而用户想要的是自然交互，情景感知以及个性化服务，王峥补充道。

　　王峥认为，我们目前应该针对以上问题，积极探索人工智能技术在家庭的应用，积极探索人工智能技术在家庭的应用，他为我们介绍了两项新技术及应用，一是U+大脑，它作为智慧家庭人工智能系统，具备语音，图像识别等交互能力;具备自主学习，自主决策能力、以及数据分析，用户行为画像能力。可以帮助用户管控智能家居设备，并且主动提供个性化服务。

　　二是家庭服务机器人Ubot，它可以作为智能家居系统的中枢大脑，具有家电智能管家、家庭安全卫士、家人陪护、生活助手等多功能,能自动感知温度、湿度、亮度等家庭环境，并根据主人的语音指令作出相应回应。

　　当前的智能家居市场已成井喷之态，2016，或许惊喜不断、或许尸横遍野。但成功的关键还是要深刻洞察市场，做出满足消费者实际需求的产品，各家齐心专研，专注用户体验，抛弃一家独大心态，携手并进，唯有这样，才更有利于我国智能家居产业的发展。总之，智能家居市场，值得期待。

　　大数据+视觉分析

　　大数据技术的发展带来的是人们对数据分析要求的逐步提高，视觉大数据也就是基于大数据分析的其中一种，它是将数据“美化”，藉由此希望数据分析能变得更加便捷、美观、易操作。人们希望数据分析能变得更便捷、易操作，对此，大家可能了解不多，本期华南理工大学全宇晖教授将带大家详细的了解一下这个新领域。

　　何为视觉大数据?

　　简而言之可称之为为计算机配上一对“眼睛”，让它可以看懂世界，但可惜的是，机器视觉发展这么多年，还只是停留在看到阶段。全宇晖教授表示，视觉大数据存在的前提是它要能够被人的视觉系统感知到，而现如今最主要的视觉大数据便是图像与视频。值得注意的是以上所提都需满足大数据的必备条件。

　　视觉大数据的核心内涵

　　一、视觉大数据的“大”，表现在数量、尺寸、维度三个方面，即数据的体积足够大。

　　二、视觉大数据的“数”传达的内涵是指我们接触到的数据是量化过，或者离散过的数字，人类肉眼观察到的图像，对于计算机来说其实是一种数字矩阵。

　　三、视觉大数据的“据”则表明这些数字不是纯粹的数字，它可以提供客观依据来进行行为决策。人们获取了视觉线索之后，需要对其进行信息提取、内容分析、知识学习、理解决策四个步骤，其核心是利用到数学工具与模型算法。

　　这三个方面表明，在以往人类的生活生产中，存在一些固定模式和变化方向，这些固定模式通过科学无法解释并存留至今;但变化方向则可通过大数据进行挖掘，找到适合人类发展、方便人类生活的方向，而由于应用方向的不同，因而在大数据挖掘本身也存在着不同，比如今天所谈的数据大数据分析。

　　全宇晖教授进一步指出，视觉大数据的工作内容主要集中在三方面，分析识别、质量评估和质量提升。而在分析识别方面，全教授提出了三个工作案例，来帮助进一步了解视觉大数据的工作机理：一是静态纹理图像识别。它利用的是计算机的一种基本运行能力，在开展这一工作时，研究者提供给计算机不同的纹理图像，从而得到计算机对其识别处理后的反馈结果。二是动态纹理视频识别。全宇晖教授介绍到，具有特定纹理的物体，在运动时，会表现出特有的周期性运动规律，而研究者让计算机利用这些额外的信息，对不同的视频信息进行分析与分类。三是物体的识别。计算机根据形状与轮廓特征，对物体进行目标识别，可以实现原有工作方法在精度上的提升。

　　在质量评估工作方面，研究者主要是通过给予计算机一定的运行程序，使计算机能够给出符合人的认知的评价结果。质量提升工作的目标是，提出一些新的方法，来实现图像的质量提升，使得被外因干扰的图像得到最好的呈现效果。

　　视觉数据表征工作是视觉大数据核心

　　全宇晖教授表示，目前视觉大数据的工作是分开进行的，但最终的目的只有一个，就是把分析识别、质量评估和质量提升三方联合起来，要想连接这三块就需要进行视觉数据表征工作，这也是视觉大数据工作的核心。视觉大数据表征过程可以分为三个框架：局部特征提取、全局特征整合和高层特征优化。

　　视觉数据表征工作目前有两种路线：一是物理驱动，研究者会考虑一些数学模型，或者图形本身的面积等物理属性，进而利用分形等数学工具，进行数学建模与算法设计;二是数据驱动，可以依据大数据，得到较好的视觉数据表征。

　　最后，全宇晖教授表示，视觉大数据工作的下一个重心就是建立有机联动框架，并引入多元多模态数据融合，进行变尺度视觉数据分析进而根据数据本身进行高阶视觉关联信息挖掘。

　　IP时代已经过去，大数据时代已然到来，如今数据量的激增使得企业及政府措手不及，在此大背景下，各产业应积极变革并正面有效地运用大数据，也许你还没有转型，但，你一定要准备转型。