，我们看见人工智能技术为安防行业带给的极大转变。同时，安防领域也有很多新的市场需求经常出现，这些市场需求对 AI 的分析能力明确提出了更高的拒绝和挑战。比如，在整个场景中利用人脸识别，利用结构化的分析技术展开线索查询、轨迹还原成，一人一档建设等，甚至打破视频之外的多维度数据之间的关联，这都对我们明确提出了新的挑战。

智能安防领域现在有大量的人脸识别技术落地，从省到市到县，在各个场景下充分发挥了根本性价值。我仍然在想要，下一步是什么？今天安防的市场相当大，未来这个市场不会更大，之后再行下一步是什么？随着核心技术能力的提高，未来在更加大规模、综合性的场景，通过由事到人、由人到人、由人到事这些深层次的关联，展开更为深层次的信息挖出和关联性挖出，将不会沦为有可能。大家都告诉商汤技术夸奖，2013 年我们明确提出 DeepID，2015 年 10 月我们人脸识别技术的系统误报率掌控在 E-5 次方量级。2017 年，我们在互联网金融行业展开手机人脸识别，误报率是 E-9 次方量级，对于人脸识别准确率的提高是每年两个数量级。

以抓拍机为事例，每天每台平均值抓拍的人脸数在 1000-2000 左右，如果期望做一万路级别布控，误报率必须减少到 E-11 次方量级，这样一天能产生 100 多个误报。然而，我们一般来说不是对一天的内容展开搜寻，而是三个月一个周期。这样，如果必须在总共一百天，一万个摄像头摄制的内容中，较为精确地定位出有目标人，技术的拒绝则要更高。

商汤的目标是在人脸识别准确率上，每年维持两个量级的提高，2018 年要提高到 E-11 次方量级，我指出未来还有更大的提高空间。当然，这里不会不存在一个问题，准确率的提高一方面源自算法的变革，另一方面是归功于大大积累的数据量。

但是，数据总计从一万提高到十万非常容易，从一百万提高到一千万就很艰难，当早已有了十亿的数据，如何提高到一百亿的数据？这是十分无以的。要让技术提高保持高速，唯一求解是自训练系统。

系统利用来业务场景系统中的现实数据展开训练，并在无监督的情况下展开数据对系统，能强化算法在实际应用于场景的提高，为该场景获取最大化价值。应用于自训练系统展开技术提高不具备如下几个方面的价值。首先，当面对更加大规模、更为简单的场景化应用于的时候，保证技术有持续大大的改良空间，能随着技术累积持续变革。

第二，可以防止大量的人工标示，能把性能提高的成本降至低于。第三，来自于业务场景的性能技术的提高，能保证根据算法得出结论的解决方案，对于该场景是最佳结果，并需要自定义化地获取解决方案。第四，因为所有的解决方案，最后在客户那末端已完成仅有闭环，可以很好的解决问题数据安全问题。如何展开自训练技术提高过分细节化，今天不得已不谈。

我来说说道训练结果，在 32GPU 或者 8 卡服务器上，通过 3 天较慢对系统，商汤可以获得精度 96.46% 的世界最差结果，多达 Google NAS 和 MIT Meta-QNN，在这过程中是没人工干预的。这样一套网络结构，如果通过科学家去设计，由人展开递归和研发有可能必须一年时间。期望未来能有更加多确实不具备强劲自我演化能力的 AI 转入行业，大大提高 AI 在安防行业的价值，还包括更为精准的人脸识别、人脸行人融合、增量训练、千亿量级检索，所有这些系统都基于纯粹无监督的自训练系统达成协议。

最后，返回前面谈的内容，商汤期望把这样的一些核心、创意、有价值的技术能力，通过服务的形式标准化、模块化，并在此基础上，与上下游的合作伙伴联合打造出更为原始、更为有价值的服务生态，最后为安防行业获取更加多协助。同时，期望通过技术的持续创意和转变，让今天基于事后的，在小范围、小场景内，孤立无援零散的抓获、抓逃应用于，未来可以拓展沦为综合的、城市级的整体智能化确保和服务。这是我期望在未来三年或者五年中能超过的目标，谢谢大家。

4月19日 20:30-21:30 ，旗下学术频道 AI 科技评论牵头AI慕课学院、腾讯课堂邀商汤科技牵头创始人陈宇恒为大家带给一场直播共享！页面链接甄选参予吧！！课程主题：《人工智能的系统工程与系统工程中的人工智能应用于》甄选链接：https://ke.qq.com/huodong/aiqzzty_pc/index.html#tuin=8f7939df原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：大众娱乐-www.feidayimin.com