如果人工智能只是停留在算法的層次，那還是遠(yuǎn)遠(yuǎn)不夠的。人工智能時(shí)代的安防有三個(gè)支柱：智能硬件、算法、大數(shù)據(jù)。

近日，大家都沉迷于iPhoneX和FaceID中走不出來，好像人臉識別解鎖是件了不起的大事，難道你們忘了我們的支付寶是怎么刷臉支付的?你們忘了北京首都機(jī)場不用帶身份證刷臉就可以過安檢了么?我們自己的國家有很多很優(yōu)秀的技術(shù)和企業(yè)，不僅將虹膜識別，3D掃描等技術(shù)應(yīng)用在個(gè)體層面，還對國家的安防有著重大的貢獻(xiàn)。

未來十年，人工智能在不同行業(yè)的機(jī)遇，比較有前景的有四個(gè)，分別是：安防、汽車、醫(yī)療和機(jī)器人。這些領(lǐng)域都是萬億級的市場，尤其是汽車和醫(yī)療。這些領(lǐng)域非常重要，但不是每個(gè)領(lǐng)域發(fā)展成熟的時(shí)間都一樣，而安防會(huì)是最先成熟的領(lǐng)域。

汽車從現(xiàn)在來看很有可能是下一個(gè)成熟的領(lǐng)域，再過兩三年量會(huì)上來。至于醫(yī)療，只能排在第三。醫(yī)療的難點(diǎn)在于，這不僅是大數(shù)據(jù)的問題，還涉及到小數(shù)據(jù)問題。對于小數(shù)據(jù)問題，它在數(shù)據(jù)的規(guī)模上限制是比較大的。機(jī)器學(xué)習(xí)最重要的是要跟最優(yōu)秀、最有經(jīng)驗(yàn)的醫(yī)生來學(xué)習(xí)，不像自動(dòng)駕駛或者安防，只要找一個(gè)會(huì)用電腦的人，都可以標(biāo)注數(shù)據(jù)。它是一個(gè)需要優(yōu)秀的專業(yè)人士參與數(shù)據(jù)標(biāo)注、數(shù)據(jù)采集的過程，是小數(shù)據(jù)問題。

機(jī)器人也會(huì)是一個(gè)很大的領(lǐng)域，但它卻充滿了很大的不確定性。首先它目前還不是一個(gè)已經(jīng)存在的行業(yè)，現(xiàn)在市面上還基本沒有成熟商用的機(jī)器人，還在摸索階段。我們都向往以后的生活和工作能夠被機(jī)器人幫助，但要實(shí)現(xiàn)它，到達(dá)消費(fèi)者期待的那一階段，還是很困難的，也需要很長時(shí)間。

對于安防，不同的國家投入是不同的，但中國顯然對之投入很大，美國同樣。這也是最有可能率先實(shí)現(xiàn)落地的人工智能領(lǐng)域。

在當(dāng)前階段，行業(yè)對人工智能技術(shù)切入安防領(lǐng)域最大的期待就是：可以把這個(gè)行業(yè)從以視頻為核心，轉(zhuǎn)變?yōu)橐郧閳?bào)為核心?，F(xiàn)在安防監(jiān)控領(lǐng)域之所以還有機(jī)會(huì)，是因?yàn)槿斯ぶ悄苁沟靡粋€(gè)新的潮流、新的轉(zhuǎn)型在這個(gè)領(lǐng)域發(fā)生了。當(dāng)人工智能進(jìn)入安防，10年之后，所有的攝像頭都會(huì)變成智能攝像頭。

其次，在安防領(lǐng)域里有一個(gè)常見的誤區(qū)：那就是迷信算法，認(rèn)為算法可以解決一切。這顯然是不正確的。最近很多人在說人臉識別，那種看到一張臉、算出來一個(gè)特征，跟黑名單比對一下看誰比較像，這是很淺很淺的挖掘。你知道壞人是誰，把他給找出來，只能解決這種問題。但是現(xiàn)在的需求是：我不知道壞人是誰，你給我找出來，這絕對要靠很深度的挖掘。

如果人工智能只是停留在算法的層次，那還是遠(yuǎn)遠(yuǎn)不夠的。而安防是全世界最大的物聯(lián)網(wǎng)。你出門走出小區(qū)被門口的攝像頭拍了下來，它識別出你的穿著，你的表情和面部特征，這個(gè)數(shù)據(jù)量已經(jīng)遠(yuǎn)超過了網(wǎng)上的發(fā)帖。而每隔20米，可能就會(huì)被新的攝像頭拍下，識別一遍。安防物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)量，已經(jīng)遠(yuǎn)遠(yuǎn)大于過去的互聯(lián)網(wǎng)。在這種情況下，人工智能時(shí)代的安防有三個(gè)支柱：智能硬件、算法、大數(shù)據(jù)。