周同科技:如何论证「下一个独角兽将诞生于大数据处理领域」?
来源:    时间:2019-04-01



3月22日,我们在声智科技总部组织了一场【洪泰学院·智享汇】之“5G应用畅想”行业沙龙。洪泰多家被投企业、行业专家、投资人、媒体等齐聚一堂,围绕5G话题展开热烈讨论。会上产生了诸多的思想碰撞和新鲜思考。比如5G的高带宽、低延迟特点对哪些行业最有需求;农业为什么一直搭不上发展的快车?5G将给农业带来哪些革新?等等……


我们正陆续整理出各位大咖的演讲实录,分享他们关于5G的干货观点。第四期是周同科技联合创始人&技术VP 程成,他围绕5G时代的新应用场景,对将出现的机遇与挑战进行了预测,尤其在数据处理层面为大家做了详细阐述。


 1  当我们讨论未来5G会有哪些应用场景时,可从5G的四大特点出发:速度更快、延时更低、移动性高、容量大。


 2  海量数据带来的系统压力,肯定会催生新的大数据处理工具和系统,在这个领域可能会诞生下一个独角兽。


 3  未来的数据,尤其音频、视频等都会以非结构化数据为主,人工智能的发展将会成为处理这类数据的关键。


 4  成熟人工智能时代,很有可能不再需要数据,机器可直接进行目标的强化学习。


演讲正文:



周同科技是一家利用深度学习理解视频的人工智能公司,我们让机器理解视频的内容,进而挖掘视频中潜在的一些信息,为视频创造更大的商业价值。


今天的主题是5G,首先分享下5G的特点——速度更快,我们经常说5G情况下,下载一部电影可能只需要几秒钟,这其实也说明5G另一个特点——延时更低。低延时非常重要,很多人喜欢玩游戏,低延时和高延时所带来的游戏体验完全不同。另外,5G的移动性很高,支持500公里以上的移动。最后一个特点是容量大,在同样的范围内,5G连接的设备数量会大幅度增加,实现真正的万物互联。以上是5G的主要优势,所以当我们讨论未来5G会有哪些应用场景时,可以从这几点优势出发。


可以想一下5G在未来主要适用的场景,第一个是自动驾驶,它是利用了5G的延时技术,自动驾驶一辆汽车,如果延时在1毫秒以上,发出一个指令,很久才得到响应,肯定就很危险。


还有人说5G时代,都自动驾驶了,司机是否会失业?其实,这不仅是无人驾驶带来的冲击,还在于5G时代因为带宽、传输的极速提升,人类的工作和生活都将发生根本变化。比如借助5G+VR/AR技术,可以实现在家办公的需求,人类出行的需求是否会降低?当然了,自动驾驶落地可能会比想象中更慢一点,这中间还有政策法规的落地。

5G前提下,VR/AR的应用前景会更清晰,无论是VR还是AR,都需要从云端上传和下载大量数据,对带宽的要求极高。再比如远程医疗,5G的低延时、移动性会让未来的远程医疗实现实时反馈,有助于医生做实时的决策。实时监控功能也会在5G的加持下,实现更高清、更及时的传播,由于带宽更高,可以实现高清信号的实时传播,现在直播非常火,但还是平面直播,未来可能是3D的直播。


这是我对未来5G可能出现的应用场景的分析,想要实现这些,5G面临的挑战其实还很多,比如芯片,当收到海量数据时,如何分析、处理这些数据就显得尤为紧迫。打个比方,这些数据像是散落的乐高积木,如果只是放在那里是没有什么价值的,一定要对数据进行处理,进行一些可视化的操作,才能够挖掘出其中的价值。

原始数据杂乱无章,价值有限,但是经过梳理、清洗、提取之后,就会有巨大的价值。比如,电商平台有海量的用户购买数据,数据经过清洗、挖掘之后,形成信息,知道每一个人的购买记录和喜好,再进行归纳和总结,决定某一个商品的定价和促销,最终实现利润的提高。这才是一整套数据使用的流程。


在5G的发展下,海量的数据对我们现有的系统带来巨大的压力,未来在数据处理方面,可能会出现瓶颈,我比较乐观,我认为这肯定会催生新的大数据处理的工具和系统,有可能在这个领域会诞生下一个独角兽。


以往我们处理的数据多是一些结构化、很容易处理的数据,未来的数据,尤其音频、视频等都会以非结构化数据为主,人工智能的发展将会成为处理这类数据的关键


在人工智能出现之前,人类处理数据主要是人为采集数据,凭借经验学习知识,后来发明了系统来处理数据,到了人工智能阶段,我们把答案交给机器来学习,现在我们可以直接把原始数据交给机器,这个阶段,机器学习的不再是答案,而是原始数据。未来,我们很有可能不再需要数据,机器直接进行目标的强化学习,完全不用数据来进行业务学习,现在科学家也在做这方面的尝试


基于此,周同科技研发了一套自己的系统,利用深度学习的技术来识别视频,我们拥有海量的数据,十亿级别做好标注的图片,之后交给机器学习,可以实现怎样的效果呢?完成深度学习之后的机器,可以识别出视频中在某一秒出现的人、物体、场景以及人的情绪、动作等等。


基于这项核心技术,我们有两个方面的业务布局:


下一代5G技术将是从“互联网+”到“智能+”的转变,会带来很多新的应用场景。传统的视频都是人工审核、人工分类,未来面对海量视频的上传,仅靠人是不现实的,肯定要通过技术来提高效率,将视频上传到后台之后,经过系统分析,输出视频的一些标签,这个过程叫视频结构化。这中间,我们采用了很多深度学习的技术,最终,我们希望可以做到更大范围的覆盖,颗粒度更细腻的标识、更高的准确度以及更快速的反馈。