格灵深瞳赵勇：利用AI将海量数据转换成有意义的情报

本篇文章1071字，读完约3分钟

近年来，科技领域有一个趋势:移动互联网红利正在消退，而数据红利刚刚开始。据预测，数据+人工智能将成为未来5-10年科技投资的主线。在过去十年中，全球每年生成的数据量增长了50%以上，2015年，全球生成的数据量为8zb(1zb = 1012gb)。

根据idc的预测，2020年全球产生的数据量将超过40zb，相当于地球上每个人产生的5200gb数据。基于对海量数据深入学习的第三波人工智能可能会更进一步。

一些领域拥有巨大的数据存储能力，如视频、安全、智能等。据说世界上每生产两个硬盘，就有一个用来存储安全监控的视频数据。例如，在北京，用于安全监控的摄像机数量超过200万，并且每个摄像机每天24小时记录图像。这意味着这些相机每天将记录超过200万天的图像，总时间将超过5000年。

如此大量的数据需要巨大的存储成本。因此，通常，每30天(或更短的时间)，有必要覆盖先前存储的视频周期。结果，不仅存储资源被浪费，而且大量有效的线索也被丢失。

如何从海量数据中提取有价值的数据，并将其转化为有意义的情报？专门从事安全行业的人工智能企业Geling Deep Eye的创始人赵勇认为，单纯依靠大数据进行安全行业的智能挖掘是非常低效的，将人工智能结合起来将大大提高海量数据转化为有意义的智能的转化率。

赵勇，歌苓深处的创始人

赵勇认为，这种转化率的提高主要在于三个方面:第一是人脸识别，第二是汽车识别与跟踪，第三是机器识别结果与地理信息的融合。

首先，通过高清摄像头采集道路车辆和行人的数据，通过人脸识别技术识别字符，并将字符的属性信息保存在公安系统中。然后假设在一个人被绑架之后，标准的程序是首先查看受害者过去的车辆轨迹，然后找到活动特征，例如跟踪他的车辆、他们的活动范围等。，以便迅速关注嫌疑犯的生活或频繁的活动并判断受害者可能藏在哪里。

在过去，警察不得不做大量的人力工作，但是通过人工智能，所有的原始数据都变成了结构化的信息，这些信息被放在一个功能齐全的平台上。用户只需要浏览一个网页就可以完成这个过程。

在整个数据挖掘过程中，我们应该进行全面、深入、多模式的挖掘。所谓的全面性是要实现挖掘每个人看到的东西，而不仅仅是嫌疑人；所谓深度，就是挖掘每一个被观察对象的各种信息，而不仅仅是人与物之间的比较；所谓多模态就是综合消费记录、车辆信息、社会保障信息等各种信息来挖掘一个人的行为特征。

对于安防行业的现状，赵勇认为，在公安领域只需要人工智能，目前的瓶颈在于人工智能企业能否快速登陆该系统，以及如何快速建立一个稳定、可靠的小型数据中心。

来源：搜狐微门户