隨后的半年時間里，阿里云的人工智能隨著 ET 的快速發(fā)展而廣泛布局，尤其是隨著阿里巴巴發(fā)布「NASA 計劃」之后，阿里云的人工智能步伐明顯加快在完成了城市大腦、工業(yè)大腦、醫(yī)療大腦、環(huán)境大腦等一系列落地項目之后，阿里云在上海云棲峰會上推出一款新產品：視覺智能辦事。

嚴格意義上說，比擬于之前任何一個領域的「大腦」產品，這款視覺智能產品看起來只不過是一種基礎能力，或者更準確地說，這只是 ET 的「視力」——它讓機器可以看清楚圖片、視頻，也能讀懂其中的含義。

但事實并非如此簡單，尤其是在 2017 年這個特殊的時間節(jié)點。十年前，喬布斯帶著 iPhone 重塑了智能手機行業(yè)，也拉開了移動互聯(lián)網的大幕。十年后，阿誰曾經被 iPhone 改變的世界又重新走到了另一個十字路口，這一次「拯救世界」的主角之一就是影像。

影像正在「吃掉」世界

影像曾是構成消費主義的核心要素。在過去，無論是時裝雜志的封面人物還是電視屏幕上的明星紅人，這些或靜態(tài)或動態(tài)的圖像不停向世界各地傳遞著買買買的「福音」。而現(xiàn)在，無處不在的攝像頭正在時刻記錄著人類的方方面面。

好比衛(wèi)星和無人機，過去幾年，小衛(wèi)星公司的出現(xiàn)大大降低了通過衛(wèi)星進行拍攝的成本，Google 就收購了一家叫 Skybox Imaging 的小衛(wèi)星公司，隨后將其改名為 Terra Bella，其商業(yè)模式就是向商業(yè)機構售賣衛(wèi)星圖像；而民用無人機的出現(xiàn)和逐步普及，也開啟無人機的一系列企業(yè)級、消費級的應用浪潮。

而監(jiān)控攝像頭、攝像機的平民化則更近一步。過去動輒上千甚至幾萬塊的監(jiān)控攝像頭越來越多地進入家庭，與價格下降成反比的則是家庭監(jiān)控攝像頭的拍攝精度大幅提升，1080p 的視頻早已普及。

另一方面，Gopro 這樣的運動相機越來越流行，與之相對的一組數(shù)字：目前 Youtube 上每分鐘上傳的影片總長度為 400 小時。而不管是國內的直播還是國外的 Snapchat 、Facebook，都在鼓勵大家拍攝更多的影像。

但這并非故事的全部。

當攝像頭成為新的輸入工具......

如果你仔細去看本年以來包孕 Facebook、Google、蘋果在內的開發(fā)者大會，你會發(fā)現(xiàn)一個共同點：手機攝像頭正在成為新的輸入工具。

支撐手機攝像頭成為新輸入工具的關鍵要素有兩個：其一，手機拍照攝像已成為一種生活方式；其二，機器具備了處理與輸出影像（圖片或視頻）的能力。

在機器學習尤其是深度學習的幫手下，計算機視覺在過去幾年已經有了天翻地覆的變革，下面這幅圖是英國知名投資人 David Kelnar 繪制的計算機視覺發(fā)展路徑，在圖像識別領域，機器已經超過人類：

而就在上月，阿里巴巴 iDST 視覺計算研究員華先勝的團隊打破了機器視覺算法測評平臺 KITTI上車輛檢測的世界紀錄，將其準確率提升到 90.46%，這項算法被認為是實現(xiàn)無人駕駛的關鍵技術，重點解決多視角，多姿態(tài)以及車輛遮擋等等。

此前，ET 在該平臺的成績也十分突出，在通用圖片的識別方面，準確度達到 96% 以上，，涵蓋從水果、蔬菜、交通工具、到植物、動物等上千種物品。

上述的視覺智能領域的紅利正在被釋放。從 FB、Google、蘋果以及此次阿里云的新產品，所有這些都是巨頭們引領行業(yè)發(fā)展潮流的關鍵布局，也是賦能開發(fā)者、構建生態(tài)體系的重要一環(huán)。

以此次阿里云的視覺智能的兩款產品為例，不管是圖像識別還是人臉識別，都是歷經阿里巴巴內部多個應用場景考驗后的技術輸出，這也意味著這些技術具備了應對絕大多數(shù)應用場景的能力。

好比，基于機器學習以及卷積神經網絡，ET 的人臉識別技術已經實現(xiàn)了人臉檢測、器官輪廓定位、1對1人臉認證和1對多人臉識別等多個功能，其在LFW上識別率超過99.5%。目前該人臉識別系統(tǒng)已經應用于機場通關等場所，可以極大提高安檢人員工作效率。

而在阿里巴巴 iDST 視覺計算研究員華先勝看來，來自城市里的攝像頭所「輸入」的數(shù)據(jù)更具挑戰(zhàn)性。