AI落地应用瓶颈怎样来破解

为了更全面和深入的了解产业内AI创新技术的落地应用的实况，过去一个月里，a&s对安防人工智能领域产、学、研机构进行了集中走访，并和相关资深专家和部分头部企业高层展开了深度访谈对话。

在这一系列访谈中，针对当前阶段人工智能在安防领域的落地应用现状，包括落地应用的成熟度、现存的技术或应用瓶颈以及待突破的方向等话题，各路专家及企业高层纷纷给出了针对性的意见和反馈。

a&s对这些观点进行了综合性的梳理和整合，以期能够给产业界人士带来些许参考！

●如何突破人工智能在实际应用中的瓶颈问题？

公安三所物联网技术研发中心研究员梅林博士：

1）实现AI系统价值的最大化。现阶段由于条块分割措施，使得很多政府投入的设施局限到谁建谁用，谁建谁管的规则之中，极大地限制了这些设施价值的充分发挥，自然也导致了应用成本的加大。公安信息化过程中，创新科技产品和技术作为一种基础的设施投入本身并没有问题，但投入之后如何实现价值最大化这是一个需要认真思考的问题。

2）加快政策标准制定，重视专用数据集建设。人工智能技术的发展是通过海量的数据进行驱动，卓越的算法主要是建立在大量数据的投喂和训练基础之上，这个过程中，由于缺乏适用的数据集，很多时候数据标注的成本便需要由企业自己来承担，企业为了降低成本或追求速度，很多时候会以牺牲隐私的方式来进行数据的采集和标注。目前在整个建设和建设效益之中最困扰的其实说到底就是数据共享的问题，而这个问题需要从国家层面，从政府层面用政策去引导去解决。

3）充分理解应用场景需求。具体到技术的应用落地上，主要还有对于场景和业务需求的理解。由于人工智能的应用特别讲求场景化，而每一个行业领域的应用需求其实是非常细化的，这需要企业花时间和精力专注到用户端的实际业务场景当中，充分了解用户的细微需求，这对于一些初创企业而言，可能比较具有挑战性。

4）从商业模式的设计着手。在商业模式的设计上，也值得诸多企业认真思考，如何设计一套真正能够进行商业化落地的技术应用模式，让政府、厂商及用户均能从这套模式中实现需求的满足，从而让产业实现良性循环，这是技术是否能够落地的一大关键。

复旦大学计算机学院视频技术与系统工程研究中心薛向阳博士：

1）强化AI算法模型的泛化能力。AI依赖于应用场景，只要场景确定（即各种边界条件确定），这个时候研发人员比较容易将应用性能等调整得很好。但如果更换了一个场景，原来那套方法就需要进行再调整，这也反映出AI算法模型泛化能力不够，主要以定制化为主，限制了大范围推广，因此，强化AI算法模型的泛化能力是推进AI普适应用的一大关键。

2）加强产学研合作。当前许多AI算法都是以数据驱动的，需要持续收集大量特定应用场景的数据，然后在应用中进行持续迭代优化，这个过程所需人力与物力对于许多企业而言，显然是一个非常大的技术、成本和运维等综合压力。因此，对于企业而言，产学研合作模式可以一定程度上缓解企业的各方面压力，大家形成合力共同推进AI在行业领域更好的落地应用。

来源：a&s安防知识网