或许，我们正在经历和见证一场安防技术的变革

　　1956年，在达特茅斯会议上首次提出“人工智能”的概念，计算机专家们梦想着用当时刚刚出现的计算机来构造复杂的、拥有与人类智慧同样本质特性的机器。同时，在20世纪，科学家将空间技术、能源技术、人工智能并成为三大前沿学科。然而在此后的十几年的时间里，由于网络能力不够，无法解决复杂的问题，人工智能进入第一次低谷。1980年，BP算法的出现，神经网络得到优化，但在1990年，由于计算能力受限，无法进行大规模的数据训练，人工智能再次进入低谷。直到2006年，深度学习的神经网络被提出，经过多年的发展，2013年，深度学习在视觉识别和语音识别上取得部分能力超越人类。而进入21世纪，科学家将基因工程、纳米科学、人工智能并成为三大前沿学科。

　　我们可以看到，无论是20世纪还是21世纪，人工智能都是科学家们重点研究的对象。可以预见的是，在今后的很长一段时间内，所有行业仍然将大部分时间用于研究人工智能上，而任何关于人工智能取得的进展仍然将成为科技媒体的头版头条。

　　纵观人工智能60年的发展历史，经历了多次“寒冬”，其中一个很重要的原因就是算法或神经网络无法继续深入下去。直到深度学习取得突破，则直接推动了人工智能的蓬勃发展。

　　大华股份先进技术研究院研发总监郑韬认为，大数据技术的产生、算法的演进、庞大的市场需求则使深度学习得到发展。

　　大数据技术。有数据统计，一年会产生超过5万亿小时左右的视频数据。这是一个没有人能全部看完并且会逐年增长的数字。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。

　　算法。基于深度学习的产品不需要复杂的计算逻辑，算法的优化使得深度学习训练可以短时间实现并得到验证。以人脸识别为例，天地伟业总工程师杨清永认为，基于深度学习的人脸识别算法已经超越人类，在2015年，其识别率就已经能达到96.4%。

　　市场需求。仅2016年，就有超过3亿台新的前端安防设备被安装。 以公安行业为例，摄像头装的越多，带给警方的压力就越大，这意味着他们需要更多的人力来对这些视频图像或资料进行管理、查询。而最高效、最直接的方法就是提升摄像头的性能，让它变得更智能。

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有，如需转载请务必注明出处为"CPS中安网"，违反者本网将追究相关法律责任。非本网作品均来自互联网，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。