AlphaGo的胜利让人工智能“深度学习”的概念迅速普及，第一个突破“机器学习”向“深度学习”过渡的节点出现在图像识别领域。据平安证券《通信行业人工智能图像识别专题报告》介绍，图像识别分为生物识别、物体与场景识别、视频识别。预计到2020年，生物识别技术市场规模将达到250亿美元，5年内年均增长率约为14%。其中，人脸识别增速最快，将从2015年的9亿美元增长到2020年的24亿美元。在各类场景应用中，目前人脸识别最为普遍，机器的识别能力也有所提升。超越了人类。就在两周前的《***大脑》中，百度顶级科学家吴恩达带领小度机器人与人类选手进行了较量，在人脸识别项目中以3:2获胜。但在联想和常识理解方面，图像识别远不能与人类相提并论，相关企业正在积极切入垂直行业应用。图像识别背后的技术是一种新的机器学习方法，即深度学习。具体来说，就是计算机在数据的基础上自动生成特征量，而不是人为设定特征量，然后计算机根据这些特征量进行分类。“相比2012年的技术，这些年图像识别又一次突飞猛进，”数相科技CEO邓立邦告诉21世纪经济报道记者，“从技术角度来说，很容易上手，从0分到40分或者60分的门槛比较低，要提高到90分还需要深度模型。图像识别技术快速落地的原因是多方面的，一方面，很多大公司都开源了基础工具，很多学术机构做了相当长的研究，发表了很多论文，这些论文已经连接到实际应用。但除了人脸，情绪等仍然是比较难的话题。”另一方面，产业链上AI的更新迭代也为图像技术奠定了基础，据平安证券报告，高性能AI计算芯片和深度学习算法都是推动图像识别发展的因素其中，AI底层架构从CPU+GPU到FPGA，再到AI专用芯片，其运行性能不断刷新，目前英伟达的DGX-1芯片比旧的GPU加速方案快12倍在程序运行速度方面，图谱科技也告诉记者，近年来，得益于计算机速度的提升、大规模集群技术的兴起、GPU的应用以及众多优化算法的出现，原本花费的训练过程几个月可以缩短到几天甚至几小时，深度学习逐渐实现产业化。多样化的应用场景虽然还没有达到真正意义上的人工智能，但日趋成熟的图像识别技术已经开始在各个行业探索应用。此前，图谱科技CEO李明强对记者表示，现在重要的是将人工智能应用到具体行业，获取和管理垂直行业的大数据。据悉，在农林行业，图像识别技术已经得到应用。中国林业工业协会非洲分会秘书长丁磊向21世纪经济报道记者介绍：“木材的生产包括很多环节，过去这些环节往往需要大量的人力投入。现在，图像识别已经应用在很多环节，比如森林调查，通过无人机采集图像，然后通过图像分析系统分析森林树种覆盖率和树木的健康状况，从而更加“可以制定科学的采矿计划。在原木检验方面，图像识别可以快速判断木材的种类、质量和规格，节省大量人工参与。”平安证券在研报中援引，在金融领域，身份识别和智能支付将提升身份安全、支付效率和质量；在安全领域，未来建设将从硬件铺设向后台软件管理转变平台，图像识别系统将成为建设智慧城市的核心环节；在医疗领域，基于人工智能的医学图像快速匹配可以帮助医生更快、更准确地读取患者的影像数据；在医疗领域无人驾驶，低成本的摄像头加视频处理软件解决方案，将为无人驾驶的商业化奠定基础。此外，在智能家居、电商等行业，图像识别也有不同程度的应用。从目前的应用案例，ToB行业居多，当然也不乏Face++等ToC产品。深度学习，每个公司针对不同的行业，培养不同知识的图像识别机器。未来，如何基于图像采集和处理大数据，将成为业内玩家的又一较量点。
