格灵深瞳:如何让机器读懂人?

简介:
    xGoogler和斯坦福商学院的背景,在成立一年多时间里拿到两轮融资,并且A轮高达数千万美金;盖茨在今年访华时特地造访了这里——跟绝大部分窝在咖啡馆和孵化器中的创业团队不同,格灵深瞳俨然是软硬结合创业的优等生。

这支盖茨看好的团队长在颐和园北面一座临河的四合院内。格灵深瞳的产品现在是一套将图像识别和人工智能结合的安防系统,但团队的CEO何搏飞在接受宅客君采访时强调他们不是一支简单做安防的团队。

格灵深瞳:如何让机器读懂人?格灵深瞳:如何让机器读懂人?

给人工智能接上地气

“人工智能”在过去10年内作为一个热词不断穿插在电影和科技媒体的报道中。而在今年的Sync大会上,百度IDL的余凯、出门问问的CEO李志飞和格灵深瞳的CTO赵勇有一段对话,这差不多是国内关于人工智能我们能见到的最佳阵容之一了。

宅客君依然记得当时一同列席的源码资本曹毅有这样一段表述(原文大意):

人工智能等的基础技术在过去几年没有找到特别好的落地方式,而资本市场青睐变现能力更强,更加贴近用户端的产品。

在过去几年里,确实没有特别强力的人工智能创业公司突围进入大众视野,大公司在这个领域也没有做到让普通人瞩目。所以回过头来问格灵深瞳在过去一年里为什么拿了这么多钱,资本市场看好什么?何搏飞的回答是结合人工智能和图像识别做商业化,也就是将这两项技术技术首先用到安防。

为摄像头们安上大脑

在上一篇里我们讲到,没有有效信息过滤的摄像头都不能称为“智能摄像头”。传统的摄像头,包括专用领域的摄像头,其核心的功能还是记录。格灵深瞳的团队喜欢举一个例子:在一些专用安防现场,比如银行,一个安保人员往往需要盯住几十架摄像头的屏幕,那么这个时候异常信息的到达效率是很低的。这种半人肉的监控方式更多地是为意外发生后的现场提供信息,而不是即时地发现现场。

宅客君到访格灵深瞳的时候,正值公司的一支团队奔赴重庆给一家银行客户做安防调试。何搏飞告诉我们,现在4大行中有3大已经是他们的客户,还有更多公安、能源系统内的大客户正在找来,原因是他们在摄像头上解决了一个核心问题,让机器理解人的行为,第一时间发现异常。

格灵深瞳的安防系统不是一枚简单的摄像头,那么他们在其中做了什么?何搏飞提到了:

1. 三维的图像数据采集;

 2. 对画面的实时分析和判断。银行内的安防应用因为高风险强需求的推动,同时场景单一可复制性强变成他们第一个着手的领域。

未来一年他们想做什么?何搏飞给的回答是更多视觉领域的探索,比如跟图像高度相关的无人/辅助驾驶等。


 
  本文作者: 吴德新

本文转自雷锋网禁止二次转载, 原文链接
目录
相关文章
|
9天前
|
存储 人工智能 分布式计算
计算机常用基础常识笔记分享
【4月更文挑战第11天】计算机常用基础常识笔记分享
344 2
|
3月前
|
机器学习/深度学习 存储 数据可视化
【学习打卡02】可解释机器学习笔记之ZFNet
【学习打卡02】可解释机器学习笔记之ZFNet
|
8月前
|
决策智能
机器博弈 (一) 入门简介
机器博弈 (一) 入门简介
238 0
|
10月前
|
机器学习/深度学习 数据采集 算法
机器学习笔记
机器学习笔记
|
存储
1.1计算机工作过程(超详细)
1.1计算机工作过程(超详细)
213 0
1.1计算机工作过程(超详细)
|
机器学习/深度学习 人工智能 自然语言处理
可解释机器学习笔记之导论
在机器学习逐渐黑盒化的情况下,人们对模型的可解释性也提出了要求。可解释人工智能(XAI)被列为数据和分析技术领域的top10重要趋势之一。在2017年,美国国防部开展了XAI计划;在2018年,欧洲强调对可解释机器学习的需求。此外,谷歌微软等公司也开展对可解释机器学习相关技术的研究。
可解释机器学习笔记之导论
|
机器学习/深度学习 算法 数据挖掘
机器为什么能学习|学习笔记
快速学习机器为什么能学习。
105 0
机器为什么能学习|学习笔记
|
存储
计算机的工作过程:
计算机的工作过程:
459 0
|
机器学习/深度学习 算法 数据挖掘
机器为什么能学习
一、为何机器可以学习? 二、举例 三、机器学习跟数据挖掘的关系 四、总结
机器为什么能学习
|
自然语言处理 编译器 程序员
计算机为什么能够读懂程序代码?
计算机为什么能够读懂程序代码?
计算机为什么能够读懂程序代码?