近日阿爾法狗完勝韓國選手李世石的消息在網絡炸開了鍋！關于人工智能的說發不一而終，將其推上輿論浪潮的頂端。安防行業人工智能由來已久，目前正處于發展的關鍵期。

 人工智能與國內安防有淵源 1993年就有了
人工智能的概念已經有二十多年了，人工智能從歷史和研究角度來講主要目的是為了讓機器人表現得 更像人 ，我們稱之為Intelligent Behavior。IBM的認知計算從技術角度上來講和人工智能是有很多共性的地方，比如機器學習(Machine Learning)、深度學習(Deep Learning)等方面都很類似。但是，IBM的認知計算目的并不是為了取代人，而Intelligent Behavior也只是認知計算的一個維度。認知計算除了要能夠表現人和計算機的交互更加自然流暢之外，還會更多地強調推理和學習，以及如何把這樣的能力結合具體的商業應用、解決商業的問題。

在安防行業，人工智能的應用無處不在

以人臉識別為例，應該是最為典型的應用。近年來海關、交通運輸等重要安防監控場所已經有比較成熟的產品投入使用，實現了時時的智能人臉抓拍與識別及報警。在深度學習被提出后，語音識別的技術同樣得到了飛躍性的發展。有人預測，在不久的將來，電腦將能夠像人一樣用語言同人類交流，它能聽懂你的話，也能表達自己的意思，而你很可能分辨不出與自己對話的究竟是人還是電腦。

智能視頻分析也是基于人工智能的一項應用，也可以說是安防行業的一個不懈追求。采用智能分析技術即可實現對視頻數據的智能化分析，提升高清視頻數據的管理和處理能力，利用內置或者獨立的軟件管理平臺，從設備資源(包括性能、存儲容量、設備部件)、視頻和圖像資源的一體化管理和監管，實現智能、可視化、自動資源調度等全方位管理。隨著智能視頻分析算法的不斷完善，加上云計算環境下由云計算系統提供的資源池調度特性，面向服務的特點，安防行業中的智能視頻分析應用將得到進一步發展。智能分析系統在 云計算 的模式運行下更有效率、效果更好，因此也將加速設備廠商向運營服務商的轉型。

在醫療領域一種被稱為 深度學習 的人工技術的出現，對人類醫生提出挑戰。加拿大一家叫做Deep Genomics的科技公司成立，這家公司讓人工智能通過深度學習解開基因組的秘密。人類很難 讀懂 基因組中的信息，但是人工智能通過深度學習卻可以做到，它能夠比人類更好的理解基因。Deep Genomics公司目前正在做的就是基因組檢測，這家公司的創始人將深度學習基因組技術比喻為基因突變領域的谷歌搜索：研究人員可對DNA序列進行查詢，系統將鑒別出突變，并告知這些突變會導致什么疾病和致病原因，這對于未來醫療無疑是顛覆性的。過往的醫療數據為人工智能提供了豐富的學習資料，智慧醫療成為可能，人工智能對人類醫生形成挑戰。

此外還有研發了Alpha Gogo公司提出 深度思維健康 項目，一款安裝在蘋果手機上的醫療應用 Streams ，這個應用能夠迅速向醫療人員發出有關病人面臨的風險的警告，告知醫生病人可能存在的并發癥等。

如果說在醫療領域的應用還有些高深莫測，那么以人工智能為基礎的無人駕駛技術或許更熟悉。這兩年， 無人駕駛 的概念突然火熱起來，電腦能夠識別道路，以及道路上的所有標志，包括車道線、交通標志、信號燈等，還必須識別道路上的行人和其他車輛，最重要的還需實時做出判斷和決策，也就是得 隨機應變 。目前該項技術還不成熟，還有很長的路要走。

國內人工智能正走在路上

對于人工智能領域，目前創新和創業的熱點還主要集中在北美、西歐地區，中國科研機構和企業尚未在這個全新的舞臺上領銜。不過我國也有很多科研機構和企業在參與其中的技術研發，應該說，在某些領域可能與國外基本是同步甚至是領先的，這對于提升我國在未來人工智能時代的技術、標準話語權以及市場應用主導權至關重要。

以 圖像識別技術 為例，國家知識產權局網站的統計數據顯示，截止目前，國內共有1015年項與圖像識別相關發明專利申請，申請時間橫跨1993年至2015年。

1993年，中國科學技術大學提交了一項名為 圖像識別火災監測報警裝置 的發明專利申請，該專利技術主要原理是 在軟件支持下，用像素點灰度值判別有否火焰存在，以影像面積增長率識別是火焰還是火災 。顯然，根據其技術原理及實現方式，這項早在1993年就提交的發明專利已經具備了很強的 人工智能 理念或原理。而從其應用領域或場景來看，通過圖像識別技術防范火災隱患，如果和當下的 互聯網＋ 相結合，堪稱 互聯網＋火災預警 應用典范。不過很可惜，這個23年前提交的發明專利中途因未及時繳納專利費已經失效。

從專利申請主體來看，既有個人，也有單位，在單位主體中，既有大學等科研機構，也有各類企業。而在企業之中，既包括LG、佳能、松下、索尼、三星、愛普生、歐姆龍等國外專利巨頭，也有百度、攜程、小米、創維、TCL、長虹、神畫等國內互聯網或家電企業代表?？梢哉f，從時間跨度、參與主體以及研究成果來看，至少在圖像識別領域我國已經有一定的技術和專利積累。

結語：從總體上看，中國在人工智能領域的整體發展水平與發達國家相比仍存在差距，尤其在高精尖零部件、基礎工藝、工業設計、大型智能系統、大規模應用系統以及基礎平臺與數據開放共享等方面差距較大。不過挑戰也意味著機遇。IBM中國研究院院長沈曉衛在認為，隨著大數據時代的來臨，人工智能的真正發展才剛剛開始，中國市場有很大需求，無論從技術創新還是商業上看，對中國來說都是一個機遇，一個實現跨越式發展的新機遇。