天下赢家李云峰：扎根多模态，是新基建中AI走向未来的必由之路？

　　[ 天下赢家李云峰导读 ]随着AI发展和信息化的迭代,不同信息从不同方位、天下赢家李云峰认为不同传感器一拥而入,单一识别技术已经很难满足这样的发展,在这种情况下,多模态技术应场景而生。但多模态并不是单... ...

　　近日,由蚂蚁金服牵头制定的“生物特征识别多模态融合国际标准”正式立项,这一标准的制定,对于多模态领域发展与技术规范产生了重大影响。

　　为此,笔者与眼神科技、云从、银河水滴等多个企业方,进行了关于多模态领域发展主题的对话。相较于多模态,我们应该先了解单模态。在对话中笔者了解到,对于指纹识别、人脸识别、虹膜识别、指静脉识别等每一种生物识别技术,通过每一种算法用一个传感器去解决一个问题的模式,即为单模态。

　　后来,随着AI发展和信息化的迭代,不同信息从不同方位、不同传感器一拥而入,单一识别技术已经很难满足这样的发展,在这种情况下,多模态技术应场景而生。但多模态并不是单模态的简单叠加或组合替代,而是基于数据融合的算法融合、并依托平台决策为支撑,是单模态生物识别技术的重大突破,也是识别技术的未来发展方向。

　　目前,多模态技术主要应用于线上娱乐、身份认证、医疗健康、智慧金融、安防、教育、军工、园区等领域。

　　应用驱动下,多模态成AI行业发展新风向

　　多模态从2018年开始成为技术行业的焦点。那时,很多国内大企业,如华为、腾讯、百度、阿里等公司,都开始逐渐把目光瞄向多模态;很多创业公司,如眼神科技、云从、依图、银河水滴等也在思考这个方向性的发展问题。

　　腾讯AI Lab的博士俞栋曾说“多模态是迈向通用人工智能的重要方向”,通用人工智能是弱人工智能时代需要走的一个方向,弱人工智能是“见多识广”,解决的是感知问题。

　　在眼神科技创始人兼CEO周军看来:“通用人工智能具有几个属性:自学习、增量学习、增强学习,这些内容结合在一块,是强人工智能。从弱人工智能到强人工智能的奇点,截止目前还没有突破。”“见少知多”、“不见而预知”的强人工智能时代,这是国际前沿人工智能公司一直努力多年的事情,但是技术遇到了天花板。

　　据了解,眼神科技从早期就已经完成了指纹识别、人脸识别、虹膜识别技术的研发,形成基础算法,其在面向市场推广中发现,单一技术决策存在局限,并在应用驱动下推出多模态融合生物识别技术。“多模态融合生物识别可以提升识别精准度,也能在一定程度提升生物识别技术的场景适应性和隐私安全性。”眼神科技表示。

　　简单来说,模态就是“感官”,多模态就是将多种感官融合的方式。云从科技解释道:“如果把‘模态’通俗地理解为感官,那么智能音箱就是一台只具备听觉模态的物联网设备,而加载AI分析能力的摄像头可以视为视觉模态的物联网设备,把听觉、视觉甚至更多模态组合到一起,可诞生多模态物联网”。

　　与眼神科技、云从科技领域略有不同的步态识别企业银河水滴表示,“多模态技术在我国早已得到广泛应用,如在公共安防领域。另外,指纹和人脸识别等技术的配合使用也比较成熟,目前正在向更深入更广泛的程度迈进,在这个过程中,步态识别技术越来越受到重视”。

　　据悉,步态识别是一种新兴的生物特征识别技术,相较于其他识别方式,步态识别的识别距离更远。例如,普通高清摄像机下识别距离最远可达50米,属于非受控识别,无需识别对象主动配合。步态识别是由体型、头型、肌肉力量、运动神经灵敏度、走路姿态等共同决定,局部变化并不会影响识别结果。

　　因此,步态识别技术可以有效弥补其他识别技术的不足,比如识别距离普遍较短、需要主动配合或接触等问题。结合了步态识别的多模态技术将有更广泛的应用前景。

　　同时,银河水滴也称:“每一种信息的来源都可以称为一种模态。就AI而言,步态、人脸、虹膜、指纹、语音等生物特征模态是机器识别的依据,多模态识别即是一种结合以上多种识别技术的解决方案。任何一种识别方式都有一定的不足,多种模式结合可以达到更好的效果”。

　　新基建下,多模态融合的AI行业进入快车道

　　国家新基建政策的颁布,让AI行业拥有了更大的发展空间,加之这次生物特征识别多模态融合标准的立项,更是让AI有了更多的想象空间。

　　新基建实际上是新时代下,可促进物质、能量、数据更高效产生和流动,使其朝着能够产生更大价值的地方汇聚,这次新冠疫情已经切身感受到基于AI技术下,新基建所带来的社会效应。

　　云从科技称,新基建下AI得到很好应用,而多模态融合是AI技术发展必然结果,因为单点技术存在瓶颈,无法很好发挥AI的作用,容易导致部分功能和体验感缺失。

　　而在多模态或AI技术闭环的支持下,AI可以在消费端与生产端更好服务社会。“AI是‘头雁’,解决的是问题本身,怎样让能力提高,怎么去解决问题。让AI引领技术发展是整个行业,也是云从当前思考的主要问题。”云从科技补充道。

　　在消费者端,最能体现更好、更自然交互的是一位24小时的个人助理,它能知道用户什么时候想要什么,用户永远能得到自己期望的服务。

　　在生产者端,人机协同将能扩展人类专家的能力,比如现在医生一天只能诊断10个人,未来也许在AI的帮助下,通过语音、AI诊断、视觉辅助、大数据等技术可以一天诊断1000个人。

　　云从科技总结了目前AI设备技术闭环的三种形式:1、感知,包括语音识别、语义理解、多轮对话、NLP、语音精准识别等领等;2、认知,包括自然物体识别、人脸识别、肢体动作识别等;3、决策,包括AI对热量、红外捕捉信号、空间信号的阅读与理解。

　　眼神科技则向笔者表示:“新基建的重要领域之一就是AI,乘着“新基建”的东风,AI行业发展将加速进入快车道。从这次新冠疫情中可以看到,AI在公共安防、疫情防控、远程办公及服务中发挥了重要作用”。

　　此外,中国基础设施的“智能化”建设迫在眉睫,智慧城市、智慧安防、智能医疗、智慧社区、智慧教育等基础设施智能化建设进入全面爆发期,将为AI拓展更多创新应用场景和市场空间。在眼神科技看来,“在AI应用场景不断深耕,以及5G、大数据、云计算等新兴技术的融合推动下,多模态融合生物识别是AI未来发展的必经之路”。

　　不过,目前AI还处于一个初级阶段,更为关注的是更简单层次的交互。比如语音、人脸识别,这些只是感知阶段。而且在信息化时代下,很多场景每天都会产生海量的视频和图像数据,但这些信息并没有得到很好利用,大量值得挖掘的潜在价值,被使用的也仅是冰山一角。

　　对此,眼神科技称,“在实战应用场景会有很多不可控的因素,比如遮挡、光照等,这些会影响生物特征识别技术的应用,行业需要针对现有实际问题,对各种识别技术进行不断的研发和优化算法”。

　　云从科技也表示,“现在AI仅处于初步发展阶段,解决的是简单层次的交互,更深层次的多模态融合交互,目前做得还远远不够,有待继续加强”。