為了加速達成這一願景，360人工智能研究院院長顔水成正在帶領團隊研發新技術，並且做了以下布局。
01 建立軟硬件訓練平台：360net
DeepMind公司曾經推出過DQN項目（deep－q－network），它是基於深度強化學習的遊戲平台。我們從中受到了很多啟發，並成功建立了一個基於軟硬件的訓練平台——360net。之所以構建訓練平台，是由深度學習的本質決定的：要訓練一個系統，大量的訓練數據固然重要，同時快速的響應時間也必不可少。
360net支持多機多卡，可以用100張卡或者幾百張卡連在一起對深度學習進行訓練，同時它還具有高度的兼容性和可擴展性，這意味著將來我們還可以吸納其他的深度學習模塊，來減少開發所需要的時間。對我們的人工智能業務而言，360net是至關重要的根基。
02 穩定、低功耗的人臉分析系統
360的人臉分析系統已經被應用到360手機、兒童手表、行車記錄儀上。此外，線上搜索也在一步步配置人臉分析技術。人臉分析系統可以對性別、年齡、表情等進行分析，當下直播行業的火熱，讓這套系統的前景非常可觀。
眾所周知，在人臉分析過程中，準確定位人臉上的關鍵點是驗證技術的一個標準，我們已經把這套技術應用到了360的產品當中。未來，360還將進一步提升人臉分析的準確度，這一切的基礎就是大量圖像數據的積累。
03 車輛環境感知
我們曾經招募了一個計算機視覺團隊，他們來到360之後，主要負責車輛環境感知方面的研究，主要是物體的分類、檢測和分割。這是360對無人駕駛汽車的布局，通過技術實現車輛和行人之間的精確定位，可以更好地輔助駕駛。
試想一下，在城市環境中，汽車可以自動進行車道線的檢測，同時預計出距離紅綠燈以及交通攝像頭的距離，保證汽車的安全。而在檢測出可行駛區域之後，就可以準確地預測道路車輛可移動的軌跡和範圍，這對於車的路線預判和選擇有巨大的價值。
當然，我對人工智能的設想建立在泛安全的基礎之上。這裡所說的泛安全指兩個方面：傳統的線上安全和線下安全。線上安全處理的主要是大數據方面，線下安全則是人與智能硬件的交互。我們把信息傳遞給智能硬件之後，智能硬件要能理解我們的意圖，同時要把它的信息反饋回來。
安全是基礎，只有在安全的基礎上，我們才有可能考慮舒適、便捷的人工智能式生活。所以，360首先還是要利用IOT技術解決人們的家居安全和出行安全。對於做安全起家的360來說，人工智能是一個更適合我們的方向。
當手機行業熱潮來臨的時候，我們視而不見；當O2O模式大行其道的時候，我們依然不為所動。但是，當人工智能的概念進入我視線的那一刻，我的第一個想法就是要抓住人工智能這波浪潮，並為之肝腦塗地，在所不惜。
（來源：新華網） |
