在黑白棋子的搏杀场，一场人脑与机脑的全球脑王大战，最终以李世石投子认输落下帷幕，为何赛前被寄予厚望的李世石会败给古力口中“业余六七段”的谷歌Alphago？

　　深度学习技术是制胜关键

　　对此，谷歌DeepMind实验室主管德米斯-哈撒比斯(DemisHassabis)表示，“国际象棋每步大约会出现35种左右的走位可能，而围棋的走位可能则高达250种，每一步250种相乘就意味着整局比赛会出现多到几乎无穷尽的走位方案。Alphago在击败欧洲围棋冠军樊麾时学习了3000万盘棋，而经过将近半年的学习，这个数量已经增长到1亿以上。

　　难道Alphago是靠死记硬背吗?显然不是，其实是Alphago深度学习发挥了作用。AlphaGo的核心是两种不同的深度神经网络。“策略网络”(policynetwork)和“值网络”(valuenetwork)。它们的任务在于合作“挑选”出那些比较有前途的棋步，抛弃明显的差棋，从而将计算量控制在计算机可以完成的范围里，本质上和人类棋手所做的一样。其中，“值网络”负责减少搜索的深度——AI会一边推算一边判断局面，局面明显劣势的时候，就直接抛弃某些路线，不用一条道算到黑;而“策略网络”负责减少搜索的宽度——面对眼前的一盘棋，有些棋步是明显不该走的，比如不该随便送子给别人吃。利用蒙特卡洛拟合，将这些信息放入一个概率函数，AI就不用给每一步以同样的重视程度，而可以重点分析那些有戏的棋着。

　　深度学习技术正在快速发展

　　在科技领域，近年来深度学习的技术，非常大的数据量和计算量可以扩张地使用，超过了我们的想象。同时我们也对人所谓的智力，当时有一些错误的幻想，实际上深度学习的成长非常的快速，它可以非常好地利用更多地机器。

　　能够拥有如此快速的提升，毫无疑问得益于世界科技巨擘们的投入。谷歌已经把人工智能作为未来科技竞争的制高点，对人工智能领域的创新投入正在加大，包括收购大量的人工智能领域的创新公司，成立量子人工智能实验室，以及全球最大规模的人工智能神经网络。

　　苹果公司则没有谷歌如此大的野心，苹果更侧重于现有商业模式的整合应用。因此在去年10月收购一家人工智能企业——英国语音技术初创公司VocalIQ，最主要开发人工智能软件，能够帮助计算机与用户进行更为自然的对话，这将有助于苹果改进Siri，更注重商业化的应用。

　　深度学习技术在安防的应用

　　目前为止，人工智能商业化的主要方向主要包含以下几个方面的内容：自然语言处理(包括语音和语义识别、自动翻译)、计算机视觉(图像识别)、知识表示、机器与机器人学。这些AI的深度学习技术主要的应用场景有搜索、移动支付、机器人、智能硬件、智能医疗、智能汽车等。

　　在安防领域，深度学习技术主要应用于监控摄像机，因为行业领域对车牌识别、人脸识别、轨迹行为等智能分析的需求逐渐加大，使得很多从事智能分析的初创公司进入安防领域，通过合作或者纯技术支持的方式，让安防智能分析业务在大数据、云计算等技术框架下，不仅解决了用户对监控的基本需求，还能给用户提供数据报表、数据分析等附加值高的需求，并且在解决复杂场景人脸识别、不同监控画面准确识别同一人物等领域表现出诱人的应用前景，给公安、交通等执法部门在业务上带来极高的效率。

　　对于安防人工智能的理解，宇视科技有限公司的理解是——智能是一个完整的智能体系，安防行业摄像机是非常重要的智能硬件载体，视频监控从看到—看清—看懂，其实就是要让摄像机变得更加智能化。看懂就是要让摄像机变得智能，从今天的技术领域的交叉去分析，如果要去定义智能的话，一定是从“物联网—云计算—大数据”三位一体的能力。这三种技术架构叠加起来就是AI——人工智能。也就是说物联网、云计算、大数据就是对人一个形态的模拟。具体到安防产业，有两个名词的频率是非常高的，一个叫安防IT化，从早期的1.0到今年的2.0阶段;另外一个就是“互联网+”，在互联网的框架下，实现安防业务模式及技术的多样化。所以整个安防IT化的过程，实际上要解决三个问题：数据的结构化，业务的智能化，应用大数据化。总结起来，就是三大智能：结构化的智能、业务的智能、大数据的智能。

　　人机博弈并不会因为一场围棋的输赢而能早下定论，但人工智能从诞生之日开始，一直作为反映人脸智慧的一面镜子存在。深度学习技术在安防的应用，当前也主要是以某个“技术奇点”进入到摄像机中，这个过程更像是监控摄像机的“智能大脑”在进行模块化的组合，有点当年火车逐渐超越马车的感觉。但是当有一天，摄像机的监控大脑因为能够更好地组合众多的“技术奇点”而产生“智能爆炸”效应之后，那将是从“木桶理论”向“新木桶理论”飞跃的过程。