Alpha Go的成功让人工智能的“深度学习”概念敏捷遍及，而首先打破“机器学习”、过渡到“深度学习”的节点便发生在图画辨认范畴。

　　依据安全证券的《通讯职业人工智能图画辨认专题陈述》，图画辨认分为生物辨认、物体与场景辨认和视频辨认。据预算，到2020年，生物辨认技能市场规模将到达250亿美元，5年内年均增速约14%。其间，人脸辨认增速最快，将从2015年的9亿美元增长到2020年的24亿美元。

　　在各式的场景使用中，当下以人脸辨认最为遍及，而且机器现已高于人类的辨认才能。在两周前的《最强大脑》中，百度首席科学家吴恩达带着小度机器人和人类选手比拼，在人脸辨认项目以3：2制胜。可是，在联想和常识了解的才能上，图画辨认远未能和人类比肩，相关公司正在活跃切入笔直职业使用中。

　　图画辨认背面的技能便是新的机器学习方法，即深度学习。详细来说，在数据的根底上，核算机主动生成特征量，而非人为设置特征量，然后核算机依据这些特征量来进行分类。

　　“比较2012年时的技能，这些年图画辨认再次日新月异，”数相科技CEO邓立邦告知21世纪经济报导记者，“从技能视点来说，入门简单，从0做到40、60分相对门槛较低，要进步到90分就需要深沉的模型。”

　　图画辨认技能的敏捷落地有多方面原因，一方面，许多大企业现已开源了根本东西，邓立邦谈道：“就人脸辨认来说，有许多学术组织现已做了适当长期的研讨，发了许多论文，论文也现已接入到实践的使用中。可是人脸之外，例如心情仍旧是比较难的论题。”

　　另一方面，产业链的更新迭代也为图画技能打下根底。安全证券的陈述中说到，高性能的AI 核算芯片、深度学习算法都是推进图画辨认开展的要素。其间，AI 底层架构从CPU+GPU 到FPGA，再到人工智能专用芯片，运转体现不断改写，现在英伟达的DGX-1芯片在程序运转速度上比旧版GPU 加快解决计划快12倍。

　　图普科技方面也告知记者，近年来，得益于核算机速度的进步、大规模集群技能的鼓起、GPU的使用以及很多优化算法的呈现，耗时数月的练习进程可缩短为数天乃至数小时，深度学习才逐步可用于工业化。

　　虽然还未到达真实的人工智能，但日渐老练的图画辨认技能已开端探究各类职业的使用。此前图普科技CEO李明强就告知记者，现在重要的是将人工智能切入到详细职业中，在笔直职业中获取和办理大数据。

　　据悉，在农林职业，图画辨认技能现已得到使用。我国林产业协会非洲分会秘书长丁磊向21世纪经济报导记者介绍道：“木材的出产包括多个环节，曩昔这些环节往往牵涉到很多的人力投入。现在，图画辨认已在多个环节中得到使用，例如森林查询，经过无人机对图画进行搜集，再经过图画剖析体系对森林树种的掩盖份额、林木的健康状况进行剖析，然后能够做出更科学的挖掘计划。而原木查验方面，图画辨认能够快速对木材的树种、好坏、标准进行判别，省去了很多人工参加的环节。”

　　安全证券在研讨陈述中举例道，在金融范畴，身份辨认和智能付出将进步身份安全性与付出的功率和质量；在安防范畴，未来在仍硬件铺设到后端软件办理渠道的建造转型中，图画辨认体系将成为打造才智城市的中心环节；在医疗范畴，医疗印象依据人工智能的快速匹配可协助医师更快更精确的读取患者的印象数据；在无人驾驶范畴，低成本的摄像头加视频处理软件计划将为无人驾驶商业化打下根底。

　　此外，智能家居、电商等职业中，图画辨认也有不同程度的使用。从现在的使用事例来看，以To B职业居多，当然不乏Face++等To C类产品。在深度学习之下，各公司面向不同职业，培养把握不同常识的图画辨认机器。未来，如安在图画的根底上搜集、处理大数据将成为职业界各玩家的另一个比拼点。

　　京ICP备11000850号京公网安备8号信息网络传达视听节目许可证0111611号国家科技根底条件渠道

　　国家科技根底条件渠道依据安全证券的《通讯职业人工智能图画辨认专题陈述》，图画辨认分为生物辨认、物体与场景辨认和视频辨认。在各式的场景使用中，当下以人脸辨认最为遍及，而且机器现已高于人类的辨认才能。>