本文讲述如何基于城市“五大空间”理论,构建技术体系去感知城市,赋能行业。同时会提及我对人工智能、云计算行业的未来格局预测。

　　从“五大空间”的感知模式说起

　　城市认知需求层面:“五大空间”行为特性,造就异常事件分析平台的基础。

　　上一篇《“闪马未来城”—闪马的产品战略及行业布局》中我们提到了城市的“五大空间”:交通空间,工作学习空间,生活娱乐空间,互联网信息空间,城市环境空间。在这些空间中,为人的工作、生活提供安全、高效、干净的城市环境是闪马智能以及与我们志同道合的伙伴们持续努力的目标。

　　当前阶段,闪马智能的首要技术方向,就是打造最高效地从环境中感知行为的系统。

　　从一个城市级的感知系统来说,它的最外层信息收集能力就是由空间内全部的传感设施提供的,包括摄像头和雷达等。信息收集起来后,需要神经的传输,而在传输媒介中目前最高效的就是视频,包含了至少70%以上的有效信息。信息传输的终点就是中枢神经,在这里大部分的信息都将获得自动反馈,这就是一座城市的信息中心。深度学习技术的发展,让城市中自动分析反馈的信息比例不断提高,解放了反复机械化判断的人力,同时也催化了计算机视觉的产业板块。

　　虽然我们对于目前计算机视觉的能力上限已经有了一定认知,毕竟即使是人力也几乎不可能识别类别众多、复杂度高、天文数字级别数量的视频内容,何况是机器。但是计算机视觉目前也已经迈过了最早阶段,就是通过检测等方法,对视频中的人脸,车辆,物体进行识别,也就是我们最早说的视频结构化应用,进入了新的技术周期。

　　与最早的一批计算机视觉公司相比,闪马智能的一大特色就是针对视频中的行为和事件去判断视频的内容。从告诉我们「这是谁、这是你啊」进化到「这个人在这个地方干什么」甚至是「这个人在这里干什么,可能会造成什么后果?」。这就是事件分析的巨大价值,它传达的不只是信息点,而且由时间串联的完整故事。

　　我们如何定义一个“事件”呢?这就回归到了我们把城市分成了“五大空间”来感知的原因。

　　交通空间:主要感知车辆、人的流动时刻的异常为主。人们会遵守固定的交通法规以及相对固定的道德准则。法规以外的违规就是异常行为,另外还有一些事故,拥堵等现象也是异常的事件。

　　工作学习空间:主要感知个人行为的异常事件。因为人的数量通常比较固定,变动不大。因此个体或少部分群体的行为占主导,该空间的异常事件也以个人的行为为主,考虑到工作时候的效率和安全需求,我们会有各种各样工作学习时刻的异常状态进行监管。

　　生活娱乐区:人流量往往不是很固定,不同时间段产生不同的大规模群体行为的异常事件。

　　互联网信息空间:从传播学理论来讲,他的异常视频内容属于一些思想意识上的不良内容检测,他从数据的多样性到数据的不规则复杂性都是最高的。

　　城市环境空间:环境的异常检测关注的细节业务逻辑比较复杂,覆盖的空间也更广,所以行为分析场景更加零散。

　　“五大空间”异常事件千变万化,有频发与偶发、有群体与个体、甚至还有已知和未知,那么我们如何构建视频异常行为事件平台呢?

　　“五大空间”的分层认知能力打造

　　支撑算法的开发者:缔造算法科学家乐园,构建的视频算法开发闭环。

　　我一直有一个理想,就是构建一家“聪明”的企业,让所有人在这个企业快乐的成长,高效的完成工作的同时,收获更多的工作乐趣和成就感。

　　在Ataraxia AI Lab期间,我们已经研发了好多行业的视频模型。不过我们在很早的时期就发现一个问题,深度学习的主流框架的工程性和易用性太差,导致在编写算法,训练模型时候存在很多的机器资源,系统管理,代码和手动脚本工作,调试的方法也非常落后,没办法及时调试算法的成效。大部分研发者的时间都浪费在低效且不必要的流程中。

　　因此我们决定改变这个情况。

　　首先,我们需要构建一个平台,这个平台能够高效的支持算法的开发调试,数据的管理,模型的测试。这里包括了很多的内容:计算存储网络的基础设施管理、计算不同体系结构CPU,GPU支持、计算资源的管理(容器管理)、存储和分布式缓存。目前,我们的ATOM平台是跨多个公有云的系统,支持在阿里云、七牛云、滴滴云、华为云等多个云供应商上运行。

　　数据管理,标注系统,训练管理和模型管理则是我们用户层工具链也是AI模型开发的核心效率工具,直接影响整体的效率。我们不断在工具链侧进行集成和优化,实现模型迭代的自动化,模型调试的可视化,开发测试的系统化。

　　我觉得AI的工作首先是快乐的,所以作为算法科学家使用的ATOM平台,不仅应是很好的工作和开发场所,也应该是他们学习和成长的乐园。我们不断改进提升我们“科学家乐园”的工具化属性,让算法开发更智能,更有趣。

　　有了ATOM之后,就开始生产模型引擎,我们搭建三层引擎开发模式,解决基础认知到行业Know-How的快速落地:

　　基础算法层:首先要有对空间的基础元素的检测和识别能力,比如路,人,车等等。

　　视频算法层:包括基础算法之上的视频跟踪/集成算法。包括有一些视频行为分类的模型和算法,比如打架斗殴等等。

　　逻辑模型层:基础模型和视频模型之上,逻辑层往往要结合行业Know-How或者“五大空间”的行为特性进行开发。

　　“通用事件”与“行业Know-How的专项事件”

　　三层引擎的开发结构在很多时候需要根据实际行为和事件的特性进行算法架构设计。

　　前面提到,在“五大空间”下,因为行为特性不同,都拥有各自“通用的异常事件”和行业Know-How专项异常事件。

　　当然不同行业规则下就可以设计违反规则的专项异常事件模型,这个的开发基于我们对现有规则的理解,结合深度学习视频模型就能开发行业Know-How的模型,这个比较常规,主要是考验复杂的工程化能力。

　　但是,很多场景下并不是天然就有定好的规则,换句话说,人只有认知了规律,才能制定和更新规则。那么认知规律如何来做呢?这里我们要涉及到一个概念-“正常态”,所谓“正常态”就是有一定秩序规律的模型态,而“正常态”的反面就是“通用异常事件“的发生。

　　前面刚说了”五大空间“下的不同运行规律,因此,在不同的空间下,拥有不同的“通用异常事件”发现引擎,也只有发现了”通用异常“,才能更好的分类出已有的”行业异常事件“,或者总结出新的行业规则。

　　AI工业化平台

　　赋能行业应用:工业化赋能平台,开放的生态合作

　　前面讲了如何认知视频内的异常事件,但是认知了事件还不行,我们必须要考虑如何快速的应用到各个行业,通过异常的发现赋能行业。毕竟认知的目标还是要通过行业分工去赋能社会。

　　“VisionMind视界心”系统就是我们闪马全力打造的视频异常行为分析的工业化平台。他有一下的一些特性:

　　1.统一的算法工程一体化交付系统

　　我们把视频的工程能力,包括任务,接入,消息,统计,运维等功能开发出了一个计算操作系统,把我们训练出来的认知模型装载进来,赋能到“五线产品”上。

　　2.完整的数据运营系统,通过和ATOM平台的对接以及数据链路的打通,完成反馈闭环和模型的不断优化升级。

　　3.面向行业应用的开发套件

　　面向行业我们开发了可以快速应用二次开发的接口和一些应用的库,像“流实时渲染”“预警墙”“地图撒点”等等。同时有丰富的事件API推送。

　　依托于云平台合作,和我们的大数据平台积累,我们整合了ATOM和VisionMind两大系统平台,构建了一整套的AI工业化体系,把算法研究和工程落地一体化,真正实现快速高效的AI工业化落地。

　　利用VisionMind平台,我们在交通,工业,建筑,政府,环保,互联网安全等领域和广大应用开发者,系统集成伙伴合作高效的赋能行业。

　　未来的技术生态

　　IT行业从第一代PC时代,到互联网,移动互联网之后,开始向物联空间进发,这是一个巨大的行业,他会和最初的信息化系统一样,赋能各行业的企业,政府,事业单位等机构。

　　然而这里硬件厂商,软件厂商,运营商,集成商林立,分别来自传统信息化集成和产品,IoT硬件厂商,互联网/移动互联网企业,新兴的AI技术公司,甚至还有原来工业自动化/电气公司,传感领域的设备/软件/集成商,可以说,所有数字化相关的企业全部加入到这个行业。目前看来是一个混沌状态,还没出现明显的分工,大家都是在各显神通的尝试各个行业领域的创新。

　　那未来行业会怎么样呢?

　　我个人认为,大致目前有三层类型公司:

　　各个行业应用层:传统的行业软件及集成开发商在人员规模和成本上占有优势,依然会占据上风。

　　感知能力层:AI软件/硬件/系统平台层面厂家,以及AIoT感知设备/摄像头/无人机/机器人厂家等。这一层当前不太明朗,会持续进入行业分工,两种趋势,一种朝上层应用走,另外一种往更底层的智能计算平台走。

　　智能计算平台:这里AI技术公司,云计算公司,传统IT硬件转型,芯片公司都在争取做这个市场,这个事情体量很大,但是积聚效应比较明显,大厂胜出可能性比较大。

　　但是随着AI应用的越来越多,计算的方式模型越来越多,会产生类似我们做的“异常事件平台”这样的系统厂家。我们通过“五大空间”的认知基础,分层构建的模型开发能力,到VisionMind平台的“五线产品”,致力于打造新一代视频行为事件领域的“操作系统”。我们以开放的心态和上下游展开全方面的合作。

　　不管您是智能计算平台/芯片/云计算厂家,摄像头/无人机/机器人/传感器等硬件厂商,还是各个行业的应用开发/系统集成商,我们都希望和你们共同协作,赋能城市与行业。

　　当我们回顾去看一些技术行业的发展史的时候,我们会惊奇的发现,所有创新爆发的节点,都有着惊人的相似背景。