云从姚志强:中国式AI突围,从深耕行业到人机协同
作者:数智独角兽来源:信风智库   2019-12-18 15:36:59
 
 
云从科技诞生于2015 年,是中科院孵化的高科技企业。最初在 AI 视觉领域为人所知,通过近几年的发展,云从科技正在成长为AI平台公司。
 
目前云从科技在银行、安防和机场三大场景中深深扎根。
 
比如银行领域,云从科技从重庆银行、西安银行、到中国农行、建行,做到400 多家全国银行客户,其中总行级别的有100多家,占到总行平台市场的82%以上,每天有超过2亿次人脸比对应用。

除了人脸识别,云从也提供核心业务。比如风控的产品,通过AI和大数据,进行实时快速的贷款、信用评估。又比如机房网点的改造、金库管理、ATM机的备付金预测,都是机器学习来进行预测。
 
再看安防行业,云从在全国获得了超过15000多个视频监控接入,包括静态鹰眼,大库检索、动态布控等等。机场的产品则包括安检通道的人证比对、人脸闸机、无纸化登机、安检行李包检测、停机坪的停机位检测等等,云从在机场每天服务200万人次。
 
此外,云从也在电力、能源、零售方面布局。其思路是类似的,先面向大的行业、顶层的企业提供B端的服务,然后形成行业标准,进行推广。
 
在人工智能和实体经济融合的过程中,4年时间,云从科技是如何发展成为“AI四小龙”之一,云从科技又是怎样打造平台型公司,联合上下游,形成丰富智慧生态?
 

 今天我们一起走进云从科技深度,专访云从科技联合创始人姚志强,探索云从科技的AI之路。
 
信风智库:
我们是2015年成立了云从科技,当时为什么会选择聚焦到人脸识别或者说图像视频识别领域?
 
姚志强:
因为我们发现在前期的探索中,人脸识别是所有图像视觉中,唯一能够获得较好的变现能力。
 
后来发现,人脸识别恰恰是这样一个事实。
 
未来可以探索的就发现人脸,人和人接触触达的我们叫第一面,就说你一定会有一个交流交互的过程,中间个性化的一个标签其实就是人脸。
 
我看到这人脸就知道这是谁,就知道我怎么和他进行交流,所以就从未来的远景来看,人脸一定是一个非常好的入口。
 
信风智库:
在整个人脸识别这个领域里面,我们怎么样去开发更多的应用场景或者商业模式?
 
姚志强:
这和更大的愿景有关系,叫做提升人的潜能。
 
人工智能怎么才能够和人协同,能帮助到人,那么人力协同他的第1步是什么?刚才提到的交互,所以说为什么选人脸也是这样,因为人脸就是我们交互的第1个步骤,所以云从要先把交互这个过程做好。
 
这里面,首先我们先把这个人能够识别出来,即便在各种情况之下。因为我们的交互中心一定是自然的,是无感知的。
 
当人和人工智能设备进行交互我们不希望收到非常大的局限。就像现在语音交互——智能音响,我们认为它不是一个特别好的交互过程,因为我们每一次交互的时候都必须先喊一句“Siri”才能交流。就像我们之间交流,如果每一句话前面都要喊一遍你的名字,是非常不自然的。
 

 所以说云所的定位,就是希望先把交互事情做好,交互做好之后我才有可能去做到了下一步互相理解。就是说人工智能能理解人的需求或是信息,同时他得到的决策和他给出的决定也能够提供反馈给人,能让人能够理解他为什么是这样。
 
信风智库:
就整个人脸识别技术来讲的话,您觉得它的技术核心是什么?
 
姚志强:
人脸识别真正落地是从它基于大数据的深度学习开始,这是一个是革命性的提升,所以说它基本理论上的框架就是深度学习、深度神经网络。
 
你可以这样理解,就是说我有一堆人脸的数据来打标签,然后把它丢到一个神经网络里面,用一个计算模式,我们的模型去训练,我们在什么行业里,用什么专业模型去训练,最终它就会被训练成什么样的模型。所以说我在特定这个行业、特定的场景,我就能够达到一个非常好的效果。
 
比如说我银行的模型放到安防去用,那就很抱歉,肯定是用不了的,效果一定非常差,因为它两个环境,然后任务的模式,数据类型的差别很大。
 
解读:每个人工智能企业的最终目标,都是希望能够实现人机协同。而这分为两步:第一要实现人机互动,通过模型算法对大量的数据进行,深度学习;第二是要实现人机互动,让人工智能在行业内、在应用场景下不断的发挥其价值,并且在这个过程中实现人和机器的互相磨合理解,最终实现人机协同。
 
信风智库:
技术是生产力,数据是生产资料,我们的数据从哪来?
 
姚志强:
数据就那么几类,一我们自己去采,另外一种就是和有数据单位进行合作,比如说公安、银行。因为数据是属于他们的,我们拿不到,但是你和他合作它就可以让你在他的数据基础上去做一个性能的提升。因为我们有合作关系,我们就用这个数据来去研究去分析,然后提出我们一个优化的新算法,然后把这个放到我们数据里,去优化我们新的模型,最终又得到了一个新的性能提升。
 

 数据本身没有人会愿意给你,这种可能性是几乎没有的。就比如银行和公安,你关系再好,就算是核心客户,他也不会把数据给你的,一定不会发生这种情况的,你只能在他那边去用数据做研究。所以这就是我为什么我们成立很多联合实验室的原因,就是你只能在他那里面用,你用数据训练模型就行,数据无法带走。
 
信风智库:
我们现在聚焦和服务于哪些领域?
 
姚志强:
核心领域是这样的,第1个就是银行就不说了,银行我们肯定是第一大供应商;第二就是在安防,除了城市安防外,还有在社区园区、居民区的这种安防,或者说是门禁出入口出入管控,这些都属于安防。
 
另外我们叫创新,比如说机场是我们一个未来目前的相对比较成熟的一个场景。机场我们也有一系列的一个解决方案。
 
解读:我们在谈论人工智能的时候,其实一直在探讨两个问题,我们到底是先去创造技术,然后拿着技术去找相应的应用场景,还是我们先去发现需求,再根据需求来反推我们的技术研发。
 
在这两个问题上,云从其实有自己非常清晰的逻辑。首先他们一直以来都深根在行业和领域内,不断的通过寻找行业内的痛点场景和需求,来不断的完善和迭代自己的技术以及相应的解决方案;其次,他们通过打穿和打透一个行业来总结出一套通用的技术产品,再拿这个产品去撬动其他符合同样特点的行业,然后进行复制和调整。
 
最早我们进去的话,金融其实就做身份验证,因为金融它有一个强制性的要求,就是说你必须是本人来办理你本人账户。那么第1件事就是要证明是本人,所以说我们到那去之后要做到第一件事就是身份证数据验证。
 
我们以前什么做法?就是人看,但是人看身份证他有很大的问题,因为人眼的分辨能力他有限,所以说这个时候就希望能够通过技术解决。
 
我们现在的人工智能大概能达到99%的准确度,所以说这个时候主要是帮银行去解决这个问题,银行发现我很多智能设备就会有更大的需求。我不一定在柜台,比如说ATM机,还有我智能机具,因为我自己去做办理,这里又有引成一个新的问题出来,就是说我可能我旁边没有人,因为我在柜台的时候,我会知道你一定是个真人,你不是戴着面具来的,但是如果你旁边没有人,这就不好说了,有可能说我发现有漏洞对吧,我拍了一张您的照片,他打印一张照片,然后举着验证。
 
这个时候他就要求就是说你要能够有技术手段去判别这个问题,防止攻击。这个时候就要有一个叫活体验证。这就引导我们随着他们的需求的不断的变更我们技术,也就不断的要引进活体验证,活体验证它又分不同的等级。传统一点的就是眨眼、点头等动作,更难一点的就是要识别唇语,不需要语音就能通过唇语识别出说的内容,安全系数要求更高。
 
所以我们最早在公安里面的产品只有两个,一个我们叫做大库检索,一个叫动态式动态布控。大库检索是干什么用的,就是说他在刑侦或者破案取证的时候,他有一张照片,从摄像头里扣下来的,这可能是个嫌疑人,我们就通过流动人库或者其他的一些库去比对,我们一个城市级的人口量是非常大的,都是千万级的,你靠人是不可能做到的,所以他就希望用识别的方法。 
 
信风智库:
目前其实人工智能也好,大数据的公司也好,它服务的领域和市场无外乎金融、政府、安防交通等等,而我们所说的全面实现人工智能还有多远的路要走?
 
姚志强:
这一定是和技术相关的,主要的感受是其实我们生活相关。可以这么理解,就是说to C你感觉会直观一些,实际上现在已经和我们息息相关了,只是我们感受不到。比如说安防就是一个简单例子,我们只有在被爆出来谁谁被抓的时候才会发现,其实我们去演唱会所有的摄像头都是在对我们做识别了,但是我感受不到,另外就是说您刚刚提到的交通,我们去机场安检,你会发现现在几乎所有的机场柜台前面都是要有这种安检设备,就是人脸识别这个设备。
 
所以对未来有一个非常大的变化肯定会迅速地到来,但是它会有一个周期,他会比我们这个行业客户要慢,但目前看起来的话应该也不会太久。随着硬件价格的快速下降,特别是适合我们人工智能计算的一些芯片级的这种量级,因为我们主要是要大量B型计算这种价格,还有它的能耗同时都要降低,这个就是到我们生活中间就会越来越快。
 
小结:
技术的变革和科技对生活的渗透是了无声息的,但每一个新时代的到来和颠覆却是摧枯拉朽的。在人工智能时代到来的时候,其实没有绝对的成功者和失败者,但我们希望在这个过程中能够听到一个声音告诉我们:未来已至。

评论