以計(jì)算機(jī)視覺為例，告訴你如何將AI引入你的工作

作者：苑維然

下面介紹如何開始一個(gè)AI業(yè)務(wù)，這是一次比較科普的演講，希望通過計(jì)算機(jī)視覺的一些案例，能帶給在座的各位EGO會(huì)員及各行業(yè)的老板一個(gè)關(guān)于AI和自己的業(yè)務(wù)結(jié)合的直觀的認(rèn)識(shí)。

這里我先簡單介紹一下計(jì)算機(jī)視覺做的事情是什么，然后再給大家引申一下，在一些業(yè)務(wù)里應(yīng)用這些技術(shù)的可能性。

這個(gè)圖是我今天早上臨時(shí)加上的，我覺得這樣畫應(yīng)該更容易理解一些。計(jì)算機(jī)視覺的任務(wù)就是要對幾種和視覺相關(guān)的媒體做一些信息處理，包括圖片、視頻以及深度視頻。

通過這些媒體我們得到的對象包括人臉、人體、車以及其他，這里其他對象的范圍比較廣泛，比如說寵物、食品、普通物體分類等等，但是它的應(yīng)用范圍應(yīng)該遠(yuǎn)不如前三者。

得到了這些對象的圖像信息之后，我們要做什么任務(wù)呢？總結(jié)一下，比較廣泛應(yīng)用的有兩種任務(wù)，一是結(jié)構(gòu)化，二是圖搜。

結(jié)構(gòu)化是指這個(gè)對象確切可描述的信息。比如一張人臉圖片的結(jié)構(gòu)化信息包括人的性別、年齡、表情類別，以及戴不戴眼鏡、口罩、帽子等信息；人體的結(jié)構(gòu)化包括人的上身下身的衣著特點(diǎn)等；車輛的結(jié)構(gòu)化信息就比較多了，基本的有車牌、車型、年款、顏色等，另外有一些可以描述的特征信息，比如車窗內(nèi)掛件、擺件，甚至是否有劃痕等等，這些特征描述對于區(qū)分一些很像的車是非常有用的。

然后是圖搜，圖搜的信息基礎(chǔ)是沒有結(jié)構(gòu)化描述的，計(jì)算得到的是一個(gè)特征。我們常談到的人臉識(shí)別就是典型的圖搜應(yīng)用，最典型的1:N人臉?biāo)阉骶褪且砸粡埬標(biāo)褕D庫里的臉，得到和它距離很近的一些臉。人體和車也是一樣，只不過人體和車輛的特征維度相對于人臉來講少一些，這決定了人臉?biāo)阉骺梢栽谝粋€(gè)更大的庫中發(fā)生，人體和車輛只能在相對小的庫中搜索。

對于結(jié)構(gòu)化和圖搜這兩種任務(wù)來講，圖搜具有更廣泛的應(yīng)用場景，為什么呢？得到結(jié)構(gòu)化信息之后，通常是作為數(shù)據(jù)庫索引進(jìn)行搜索，但是具體應(yīng)用中很難單純依賴結(jié)構(gòu)化信息得到想找的對象。比如要找一個(gè)人，很難通過具體描述這個(gè)人是長頭發(fā)、有胡須、戴眼鏡或者其他可描述的細(xì)節(jié)直接找到這個(gè)人，但是如果提供一張這個(gè)人的照片，就可以在人臉庫里很好地搜索到。車也是一樣，我們通常通過車牌來搜索一個(gè)車，但是在真正的應(yīng)用場景里，這是不一定生效的。比如一些犯罪分子在辦案時(shí)往往會(huì)把車牌隱藏掉，或者干脆用一個(gè)假車牌，這時(shí)候就需要用車的特征來搜索，這樣的場景下技術(shù)帶來了真正可用的價(jià)值。

這張圖再往后，是計(jì)算的平臺(tái)或載體。

首先是云服務(wù)的應(yīng)用，這在公安這類機(jī)密客戶那里是遠(yuǎn)遠(yuǎn)落后于商業(yè)及個(gè)人用戶的。我們?nèi)ツ杲?jīng)常做這樣的事情，就是把一堆服務(wù)器搬到用戶的機(jī)房里，比如警方或者交管局，我們留下專人運(yùn)維這個(gè)機(jī)房里的服務(wù)器，我們連接客戶的視頻流，利用CPU和GPU去計(jì)算前面所所說的東西，然后把結(jié)果在它的客戶端體現(xiàn)出來，或者是推送到客戶的平臺(tái)中。

但從今年開始我們有一些新的東西受到了老客戶的青睞，對于類似于公安或交通這樣的傳統(tǒng)用戶，他們竟然也或多或少的接受云端的方案，這在以往是不可想象的，因?yàn)樗麄兊募夹g(shù)和數(shù)據(jù)是非常機(jī)密的。但是現(xiàn)在一些云服務(wù)提供商針對公安、銀行這些具體的業(yè)務(wù)做了大量專用網(wǎng)絡(luò)和安全上的優(yōu)化工作，使得這個(gè)事可以發(fā)生。

另一方面就是越來越多地使用了EDGE端的計(jì)算，端到端（EDGE端到CLOUD端）已經(jīng)不再是什么秘密，一個(gè)很直接的結(jié)果就是降低了成本、提高了密度、以及廣泛的智能化。舉個(gè)例子，原來的IPC（網(wǎng)絡(luò)攝像機(jī)）都是傳視頻到后端去處理，現(xiàn)在很多專門的車輛及人臉抓拍攝像機(jī)可以在終端設(shè)備上把我們關(guān)注的對象抓拍成圖片，再把圖片傳到后端去處理，一方面是節(jié)省帶寬，原來一個(gè)Gb的帶寬只能傳輸幾十路視頻，現(xiàn)在只傳輸抓拍圖片可以做到萬路，更令人激動(dòng)的是，假如抓拍設(shè)備部署在普通的超市、飯店這樣的街頭小店里，使用非常便宜和普通的家用帶寬就可以滿足要求。另外一個(gè)好處是后端服務(wù)器的計(jì)算成本極大降低，可能降低兩個(gè)數(shù)量級(jí)這樣的程度。兩個(gè)數(shù)量級(jí)大家可以想象是什么樣的情況，我們可以把一個(gè)應(yīng)用做到非常便宜，可以從原來2G的業(yè)務(wù)逐漸做到2B的業(yè)務(wù)，再逐漸做到2C的業(yè)務(wù)。目前零售行業(yè)以及一些智能辦公行業(yè)已經(jīng)在嘗試這樣的業(yè)務(wù)方式，總結(jié)一下，就是我經(jīng)常在公司和客戶那里說的三個(gè)詞：低成本、高密度、智能化。這是從業(yè)務(wù)上來分析計(jì)算機(jī)視覺的一些情況。

這里邊有幾個(gè)事情我需要說明一下。第一個(gè)是深度視頻，深度視頻相關(guān)的產(chǎn)品我們在四年前就開始做，我不否認(rèn)它的科技范兒，以及在一些場景里它不可替代的作用，但是到現(xiàn)在為止還是一個(gè)成本比較高的產(chǎn)品，所以它大都應(yīng)用在類似于銀行加鈔、金庫、監(jiān)獄等支付能力非常強(qiáng)的客戶。深度視頻的作用顯而易見，通過深度數(shù)據(jù)，它很容易能夠計(jì)算出人的肢體行為、行動(dòng)、人和環(huán)境關(guān)系等信息，而普通二維數(shù)據(jù)很難做到。這個(gè)產(chǎn)品目前還不具備廣泛場景的擴(kuò)展性，但是隨著傳感器技術(shù)的提高，事實(shí)上我們已經(jīng)看到一些這方面的成果，它也會(huì)滿足前邊提到的低成本、高密度、智能化的原則。

另一個(gè)要說明的是視頻，這就是剛才講的，逐漸會(huì)把后端視頻的處理轉(zhuǎn)移為前端抓拍之后在后端對圖片的處理，這樣降低了兩個(gè)數(shù)量級(jí)的成本之后，最大范圍地進(jìn)行業(yè)務(wù)的推廣。大家可能很奇怪，之前GPU的勢頭很猛，NVidia的股價(jià)在一年時(shí)間里飆升了三倍不止。但是我想說的是 NVidia工業(yè)級(jí)別的顯卡價(jià)格和CPU這樣的市場相比是小眾和暴利的。CPU是個(gè)2C的市場，GPU也有2C的市場，但是工業(yè)級(jí)別的GPU顯卡，它的市場價(jià)格是普通顯卡的幾倍。之所以能維持高價(jià)，是因?yàn)橹吧儆刑娲?，然而我們今天看來它的?yōu)勢越來越小。

一方面，現(xiàn)在有很多算法上的進(jìn)展告訴我們，同樣的算法在CPU上也可以高度的優(yōu)化，它的成本和在GPU上可以媲美。而結(jié)合CPU服務(wù)器的穩(wěn)定性和靈活性，比如分鐘級(jí)別的彈性調(diào)度，它的實(shí)際成本還有一個(gè)數(shù)量級(jí)的優(yōu)化空間。

另一方面，它的競爭對手還包括ARM、FPGA、 Google的TPU芯片等這些日益成熟的專有計(jì)算芯片。這樣的結(jié)果告訴我們，我們以前好像做錯(cuò)了，我們建立了大量的GPU集群，某個(gè)友商甚至利用它上一輪融資的千萬美金建立了一個(gè)幾千塊GPU的私有計(jì)算集群。但是大家往后看，這可能不是特別值得，我感覺一兩年內(nèi)就會(huì)發(fā)生的是，首先GPU的價(jià)格會(huì)降低到非常親民，專有計(jì)算芯片無論在服務(wù)器端還是在輕量級(jí)設(shè)備端都普及。

這個(gè)圖是一個(gè)人臉系統(tǒng)的業(yè)務(wù)模型，左邊是終端設(shè)備，是我們系統(tǒng)的數(shù)據(jù)源，基本都是抓拍設(shè)備，包括我們自己造的人臉抓拍機(jī)，以及我們自己造的人眼相機(jī)。人眼相機(jī)是可以應(yīng)用于大廣場、大范圍的人臉抓拍機(jī)。另外還有抓拍服務(wù)器，對接普通的IPC，通過這個(gè)抓拍服務(wù)器可以把普通的IPC變成抓拍機(jī)一樣的形態(tài)來對接系統(tǒng)。中間系統(tǒng)上下兩個(gè)藍(lán)色的數(shù)據(jù)流，下面的數(shù)據(jù)流是實(shí)時(shí)業(yè)務(wù)流，上面是像黑白名單入庫之類的離線業(yè)務(wù)流。視頻數(shù)據(jù)由抓拍設(shè)備轉(zhuǎn)換成圖片之后會(huì)經(jīng)過人臉引擎進(jìn)行處理，這個(gè)大規(guī)模的引擎包括人臉檢測、特征提取和結(jié)構(gòu)化，對于車的數(shù)據(jù)也類似地會(huì)有相應(yīng)的車輛檢測和結(jié)構(gòu)化，然后經(jīng)過存儲(chǔ)、比對引擎和消息隊(duì)列，形成我們的一套系統(tǒng)，后面對接應(yīng)用的API池。上面還有一個(gè)從數(shù)據(jù)庫對接出的離線數(shù)據(jù)分析和實(shí)時(shí)數(shù)據(jù)分析系統(tǒng)，它結(jié)合其他平臺(tái)的業(yè)務(wù)數(shù)據(jù)，對結(jié)構(gòu)化數(shù)據(jù)和比對結(jié)果進(jìn)行大數(shù)據(jù)分析，并匯集到一個(gè)多維查詢系統(tǒng)。

每個(gè)行業(yè)都有它自己不好做的地方，AI這個(gè)細(xì)分行業(yè)里最大的特點(diǎn)就是數(shù)據(jù)依賴。大家可能都知道AI算法基本上都是以基于學(xué)習(xí)的算法為主，簡單的講就是通過大量的數(shù)據(jù)標(biāo)注之后（Data），對一個(gè)網(wǎng)絡(luò)（Network）的參數(shù)進(jìn)行迭代優(yōu)化得到一個(gè)模型（Model），業(yè)務(wù)層通過這個(gè)Model進(jìn)行推理計(jì)算。我這個(gè)題目叫“如何開始一個(gè)AI業(yè)務(wù)”，當(dāng)你在自己的業(yè)務(wù)上考慮這個(gè)問題的時(shí)候，你要用AI解決什么問題，首先要問自己數(shù)據(jù)夠不夠，第一是量夠不夠，第二是質(zhì)量夠不夠，第三是數(shù)據(jù)的多樣性夠不夠，量和質(zhì)量比較好理解，下面講一下多樣性的問題，也就是跨域數(shù)據(jù)的難題。

多樣性

以人臉識(shí)別這個(gè)業(yè)務(wù)為例，有一些公共的人臉平臺(tái)，可以輸入一張照片和一個(gè)庫，它會(huì)給出識(shí)別結(jié)果。但是據(jù)我了解，這些通用的人臉平臺(tái)在具體業(yè)務(wù)上表現(xiàn)并令人滿意。我是非常理解他們的，為什么幾個(gè)友商都說自己是人臉識(shí)別第一的平臺(tái)，但是在具體應(yīng)用時(shí)表現(xiàn)不好呢，答案是它的數(shù)據(jù)并沒有符合你使用的域。

舉個(gè)例子，一個(gè)做婚戀網(wǎng)站，它數(shù)據(jù)庫里的照片都是經(jīng)過化裝打扮的；一個(gè)社交網(wǎng)站，它的人臉頭像數(shù)據(jù)都是個(gè)性搞怪的；而我們的身份證照片，則是普通素顏的。這幾個(gè)領(lǐng)域里的數(shù)據(jù)，領(lǐng)域內(nèi)是非常好用的，但是它們相互之間的交叉聯(lián)系，無論從數(shù)據(jù)獲取、標(biāo)注還是得到最終應(yīng)用結(jié)果，都是非常困難的。我們之前在某個(gè)邊疆省份做了一個(gè)業(yè)務(wù)，模式很簡單，就是用人臉識(shí)別跑一個(gè)黑名單，黑名單里包括公安關(guān)注的危險(xiǎn)分子，這個(gè)名單非常大，大概有幾十萬。在最開始實(shí)施現(xiàn)場測試的時(shí)候，我們發(fā)現(xiàn)結(jié)果非常不好，準(zhǔn)確度并沒有達(dá)到我們的期望。后來我們發(fā)現(xiàn)這個(gè)省的大多是少數(shù)民族，他們的臉跟漢族人特征差異很大，而跟西亞人或者是俄羅斯人種是更像的，而我們那時(shí)候的人臉模型，還是以漢族人為主要的樣本訓(xùn)練得到的，所以帶來了很大的困難，其根本原因還是樣本數(shù)據(jù)量不足造成的。所以在我們把現(xiàn)場數(shù)據(jù)標(biāo)注和重新訓(xùn)練作為項(xiàng)目本身的過程，很快就達(dá)到了我們期望的準(zhǔn)確度。

只有深入理解應(yīng)用數(shù)據(jù)的域，才能夠得到期望的效果。另外一種情況是希望有跨域數(shù)據(jù)的應(yīng)用，比如證件照和各種現(xiàn)場抓拍照的跨域，就必須專門針對跨域的問題進(jìn)行交叉的標(biāo)注和訓(xùn)練，才能得到好的結(jié)果?？缬虻某杀就Q于數(shù)據(jù)的來源，比如刷身份證并抓拍人臉的門禁，就可以很好的把證件照和抓拍照聯(lián)系起來。

另外一個(gè)與數(shù)據(jù)相關(guān)的就是如何在業(yè)務(wù)中結(jié)合標(biāo)注。所謂標(biāo)注，大家可以理解為人工智能里的“人工”。一個(gè)已經(jīng)使用舊數(shù)據(jù)訓(xùn)練好的模型在你的領(lǐng)域里可能不一定適用，必須把標(biāo)注的任務(wù)融入到業(yè)務(wù)里，讓它成為業(yè)務(wù)的常態(tài)。做電商一定會(huì)有個(gè)呼叫中心，做AI也一定會(huì)有個(gè)標(biāo)注中心支撐我們的業(yè)務(wù)，他們就會(huì)根據(jù)我們?nèi)蝿?wù)的指標(biāo)去完成標(biāo)注的任務(wù)。經(jīng)過標(biāo)注中心標(biāo)注之后，AI模型的效果會(huì)逐漸變好。所以當(dāng)你考慮這樣的業(yè)務(wù)一定要同時(shí)考慮相關(guān)的人工成本，如果領(lǐng)域不變的話，成本可能會(huì)逐漸降低，需要標(biāo)注的數(shù)據(jù)會(huì)逐漸變少，但是可能不會(huì)消失，因?yàn)闀r(shí)過境遷，總會(huì)有些變化的東西。

ID，ID，ID，重要的事情說三遍，在AI業(yè)務(wù)里，我們認(rèn)為能得到的最有價(jià)值的信息就是ID。我把它分成了幾種層次：

第一種就是類似于身份證這樣的ID，它不一定是身份證，但一定是長效、唯一的ID，這是最有價(jià)值的，就像你在網(wǎng)上做什么事都有記錄一樣，如果我有這個(gè)ID，而以后你在現(xiàn)實(shí)中做什么事也都有紀(jì)錄，這是很可怕的事情。

第二種就是長ID，長ID是跨域的，跨時(shí)間、跨地點(diǎn)、跨來源，長ID并不能知道你是張三還是李四，但是它知道這個(gè)ID之前所有的活動(dòng)。我們把能夠拼接形成長ID的計(jì)算過程叫ReID，就是你很多活動(dòng)我們通過算法把它們連接在一起了。

在商場里，當(dāng)你進(jìn)入的時(shí)候，如果獲得了你得長ID，系統(tǒng)雖然不知道你是誰，但是能瞬間調(diào)出你之前進(jìn)入商店的行為，包括你在哪個(gè)柜臺(tái)前逗留時(shí)間長，你的動(dòng)線軌跡，甚至可以綁定了你的結(jié)帳信息，知道你購買的記錄。對于商店的應(yīng)用來講，這些數(shù)據(jù)已經(jīng)足夠了，這樣的一個(gè)長ID獲取成本低而且規(guī)避了侵犯隱私風(fēng)險(xiǎn)，一個(gè)商場顯然不可能對你的身份信息進(jìn)行核實(shí)，但是它有這樣的長ID，就有足夠的想象空間做出一些營銷上的優(yōu)化。短ID，就是一個(gè)在時(shí)空上局部的ID。ID的價(jià)值從上到下是遞減的，當(dāng)然獲取成本也是越來越小。ID的密度和分布也是非常重要的，就像網(wǎng)站的瀏覽記錄，得到的ID密度越高，對用戶行為了解得更透徹，這里有很多細(xì)節(jié)。包括我是只得到你在這的活動(dòng)，還是說得到你非常大范圍的活動(dòng)。這些就是我對ID的一個(gè)分類定義。

這里總結(jié)了一下以人臉識(shí)別或者車輛識(shí)別技術(shù)為基礎(chǔ)的應(yīng)用，本質(zhì)上是ID的關(guān)系。所有我們需要得到的結(jié)果都是這幾個(gè)ID的關(guān)系，車輛、模糊的車輛、清晰的車輛、人臉、人體、手機(jī)，或者沒有寫進(jìn)來的其他的東西。

在應(yīng)用里，我們希望它們之間都有ID對應(yīng)，同一類對象，比如人臉和人臉之間，進(jìn)行比對之后，就知道兩個(gè)人臉是不是同一個(gè)人的概率，如果是同一個(gè)人，再把兩個(gè)ID合并，其他的也是一樣。但是當(dāng)我關(guān)注下面這樣的事的時(shí)候，就不一樣了。一個(gè)人開了車，然后從這個(gè)車上下來，這個(gè)時(shí)候，我作為一個(gè)人很容易知道這個(gè)車是他的車，他是司機(jī)也好，他是副駕駛也好，這個(gè)關(guān)系我知道，但是人工智能很難處理這樣的事情，它需要通過一些邏輯上的分析以及一些模糊的匹配去得到這樣的關(guān)系。

比如圖中橫向的，車輛和人臉之間的關(guān)系，模糊車輛和清晰車輛之間的關(guān)系，模糊車輛就是看不清楚車牌，但是大概能看清這個(gè)車，清晰車輛就是車牌能看得更清楚一些。我們會(huì)通過一些模糊匹配的方式以及時(shí)空關(guān)系等方式把它們匹配起來。包括人臉和人體也是一樣，能看清這張臉，但是當(dāng)其他任何拍這個(gè)人拍得比較小的時(shí)候，這張臉看不清楚了，我怎么知道這個(gè)人還是你，這也是一個(gè)要打通的關(guān)系。人體和手機(jī)更是這樣。當(dāng)我們把橫向和縱向的關(guān)系都打通， ID全部的關(guān)系就通了?，F(xiàn)在我的圖中打問號(hào)的這幾個(gè)地方，實(shí)際上是目前做得并不好的地方，這也是人工智能相關(guān)的應(yīng)用在近幾年要特別加強(qiáng)，也是最有機(jī)會(huì)的地方。

你的業(yè)務(wù)需要AI/CV嗎？

我接受過很多的公司來向我們咨詢方案，想要他們的業(yè)務(wù)里獲得AI的能力，用來幫助他們的業(yè)務(wù)進(jìn)行優(yōu)化和轉(zhuǎn)型。在實(shí)際項(xiàng)目中我也接觸了幾個(gè)行業(yè)，我們也做了一些產(chǎn)品去應(yīng)用于不同行業(yè)。

圖中列的幾個(gè)行業(yè)有這樣的一些關(guān)系，首先從公安業(yè)務(wù)說起，它的特點(diǎn)就是2G，主要的業(yè)務(wù)目標(biāo)是公安稽查、布控，就是剛才講的動(dòng)態(tài)黑名單布控、靜態(tài)圖幀這樣的一些業(yè)務(wù)，這個(gè)業(yè)務(wù)做了幾年。說實(shí)話，這是我們的衣食父母，到現(xiàn)在公安業(yè)務(wù)也是整個(gè)人工智能行業(yè)最現(xiàn)實(shí)的一個(gè)業(yè)務(wù)方向。以公安業(yè)務(wù)的技術(shù)、產(chǎn)品為基礎(chǔ)，我們發(fā)現(xiàn)可以做很多新的東西，比如說智能辦公，樓宇和室內(nèi)顯然比公共場所的業(yè)務(wù)量級(jí)要大，但這是一個(gè)2B的業(yè)務(wù)，之前是不好做的，因?yàn)槌杀咎摺?/p>

大家也看到很多樓宇物業(yè)已經(jīng)應(yīng)用了包括人臉門禁，它不是一個(gè)新鮮的事物，刷臉然后進(jìn)門或者拍一個(gè)證件對臉進(jìn)行驗(yàn)證之后就可以進(jìn)去了，證明你的人和證件是同一個(gè)。但是智能辦公的要求是不一樣的，它的要求是不只在門口要有這樣的設(shè)備，在公司的各個(gè)角落里都要有，包括休閑區(qū)、工作區(qū)，甚至車口、門口等等，這作用是什么呢？作用就是把辦公區(qū)里人的行為數(shù)據(jù)化，當(dāng)然能做到這點(diǎn)的前提就是成本降低了。包括收費(fèi)業(yè)務(wù)，有些朋友應(yīng)該發(fā)現(xiàn)廣東這邊已經(jīng)有了，就是當(dāng)你進(jìn)入高速路口時(shí)，可以刷支付寶進(jìn)行收費(fèi)，不用去ETC，也不用去交現(xiàn)金。很快它可能做到連手機(jī)的支付寶也不用刷了，它看到你的車牌，并且看到你的臉，把車牌和你的臉進(jìn)行驗(yàn)證之后，你就直接可以開車通過了。當(dāng)然之前你要通過支付寶去存一些錢，或者綁定支付寶在相應(yīng)的帳戶里，這樣就會(huì)得到一個(gè)更快捷的通過方法。后面還有幾個(gè)這樣的業(yè)務(wù)目標(biāo)，不擴(kuò)展講了。我覺得蠻有意思的，通過一種技術(shù)從高大上而專業(yè)（圖左邊）到走向非常便宜而廣泛（圖右邊）的這一路上，有非常多的機(jī)會(huì)。實(shí)際上正是這樣的轉(zhuǎn)變，才能讓一個(gè)技術(shù)真正落地，實(shí)現(xiàn)它的價(jià)值。

你的業(yè)務(wù)需要一個(gè)算法團(tuán)隊(duì)嗎？

這個(gè)問題好多人問的，就是當(dāng)你的公司想做一些AI相關(guān)的業(yè)務(wù)，你需不需要自己養(yǎng)一個(gè)算法團(tuán)隊(duì)。這沒有直接的答案，得具體問題具體分析，需要看是哪些方面的業(yè)務(wù)。

首先你的業(yè)務(wù)從AI的層面上來講，是不是一個(gè)通用的類型。比如說你希望像美圖秀秀拍一個(gè)人臉之后進(jìn)行美化，這個(gè)就有有可能不需要自己的AI團(tuán)隊(duì)，百度騰訊谷歌微軟這樣一些提供基礎(chǔ)AI服務(wù)的公共資源以及像“一桶筐湯”這樣的公司提供的方案，都可以是你的選擇。但是當(dāng)你遇到一些業(yè)務(wù)別人并沒有涉及過的或者你的領(lǐng)域數(shù)據(jù)很獨(dú)特時(shí)，可能就得養(yǎng)一個(gè)算法團(tuán)隊(duì)了。但是需要更正一下，確切的說是算法“工程”團(tuán)隊(duì)。算法團(tuán)隊(duì)是更基礎(chǔ)的層面，但算法工程團(tuán)隊(duì)實(shí)際上是把現(xiàn)成的算法進(jìn)行實(shí)踐和工程化的團(tuán)隊(duì)，這是非常必要的。

做一個(gè)AI的業(yè)務(wù)在研發(fā)團(tuán)隊(duì)里需要有這樣一些角色，算法團(tuán)隊(duì)、軟件團(tuán)隊(duì)、設(shè)備團(tuán)隊(duì)，更包括運(yùn)營和售前。這些團(tuán)隊(duì)角色之間的關(guān)系，我簡單講一下。比如說算法團(tuán)隊(duì)和軟件團(tuán)隊(duì)之間的關(guān)系，看起來很自然，算法團(tuán)隊(duì)提供算法，給軟件團(tuán)隊(duì)來包裝成產(chǎn)品。但實(shí)際上并不是這么直接，算法的結(jié)果一定是循序漸進(jìn)的，開始得到的結(jié)果肯定不好。軟件團(tuán)隊(duì)提供給用戶的價(jià)值，是通過算法體現(xiàn)出來，但是算法還不夠好的過程中，軟件要當(dāng)好一個(gè)背鍋俠的角色，它需要通過各種手段來進(jìn)行補(bǔ)助。算法不是萬能的，軟件在合適的時(shí)候巧妙的使用算法，才能實(shí)現(xiàn)算法最大的價(jià)值，不能美玉當(dāng)磚。這些團(tuán)隊(duì)里，有不少故事可以講，有機(jī)會(huì)我專門整理。

今天的分享就到這里，謝謝大家。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。