本文摘要：自上世纪50年图灵的一篇论文《机器人不会思维吗？

自上世纪50年图灵的一篇论文《机器人不会思维吗？》打开人工智能的大门，人工智能的研究之后一时间沦为科学、资本的热点，但先后经历几次大起大落。然而去年一场人机大战，再度引发了一场全球人工智能热潮，自此AI更有了无数企业参予，需要批评，人工智能是当前科技界热门的事件，也被视作新的科技革命，人工智能(AI)席卷了整个世界。

　　由于AI被视作下一个科技革命，过去一年引发来了一股的热潮，不仅来自科技巨头，也兴起了众多在该领域的创意创业企业，以及国家政策反对下，将有助研发出有全新的嵌入式模式，可以说道让人工智能以的方式侵略着我们的世界。在未来人工智能不会在所有的领域彻底改变人类，甚至可以说道：谁能在人工智能领域获得突破，意味著谁就夺得未来，也伴随着人工智能步入好时代，渐渐从科幻、科研转入人们生活当中。　　你迅速就不会注意到，完全所有来自技术领域的东西都某种程度牵涉到人工智能或机器学习。

而他们辩论人工智能的方式，听得一起完全看起来在宣传：人工智能可以解决问题所有市场需求!虽然我们显然可以利用人工智能技术作出很多事情，但我们没解读智能这个词的全部含义。智力意味著一个系统，在这个系统中，人类可以展开创造性的对话一个享有点子并能发展新的点子的系统。也就是说目前对该技术的抹黑有可能早已多达了其确实的潜力，但安全性方面的有可能应用于毫无疑问是十分可信、令人兴奋的。　　当许多人在提醒您谈论安全性中的AI时会自动想起面部辨识，但事实是它的确实价值在于其他地方。

机器学习是AI的一个子集，可以协助监控技术超过很高的准确性，并为中间商建构了更佳的商机。且如今人工智能在算法与芯片领域的成熟期及成本的上升，使得智能监控的商业化落地更为较慢地普及，同时智能监控市场在谋求差异化竞争构成了百花齐放的形势。

　　检测精度　　从历史上看，用于视频分析分解警报的监控应用程序的主要关注点是，它们有可能无法将人类与例如某种野生生物区分出去，这样之后不会产生欺诈警报，浪费了时间和资源。但是机器学习可以协助并应付这个挑战，因为它可以预先校准系统以检测实际威胁并忽视欺诈威胁。在大多数基于安全性的应用程序中，用户仅有想要辨识一个人或车辆，这两者都有可能代表安全性威胁。

当它为视频分析获取反对时，机器学习工具使开发人员可以命令算法自由选择特定的特征和对象。更高的精度意味著监控人员的时间会浪费在由物体或环境波动引发的不必要的警报，这意味著他们的生产率和注意力范围获得了提升，并且绩效获得了提高。　　某种程度确认的是启动时有意义的警报的能力是如何在保证周边安全性方面带给现实利益。

落成了机器学习的分析可以动态检测怀疑事件，通过许可员工主动解决问题当前事件，而不是审查过去的事件，从而很大地提高了设施维护。　　人与机器　　尽管AI和自动化之类的技术对公司的运作方式产生了革命化的影响(使他们以较少的钱做到更加多的事)，但企业领导者却自欺欺人，他们指出他们迅速就能几乎避免对工人的市场需求并缩减涉及成本。当然，我们更加依赖机器来继续执行手动任务，甚至为我们作出例如确认监控摄像机前面的形状是人还是树枝的这种小要求。但是，在安全性这样的部门中，企业的生计或有时甚至是人们的生命受到威胁，人力投放的价值依然是不可动摇的。

　　毫无疑问，机器学习对监控团队(工作过度和人员不足)将有相当大的协助，因为它可以过滤器掉潜在的警报，制止那些不符合标准的警报(因为他们不是人或车辆)。当然，这使工作人员只有极少数的异常情况必须辨识。但是，当警报经常出现时，评估警报的责任依然在于他们。

比方说人脸可以通过化妆、整容等方式展开伪装成，有可能无法辨识；也有可能通过照片等图像，而非本人实际面部辨识通过，有较小安全隐患；以及到访人员是租车员还是骗子？下一步该怎么做？这些都是人工智能无法辨别的，是人类智慧总有一天比人工智能更加有价值的地方。

本文来源：Kaiyun·yunkai(中国)官方网站-www.93ly.com