本周，閱面科技創始人趙京雷應邀出席 ACT Talk 的第二期活動，以他從事深度學習和計算機視覺十多年的經驗，講述了人工智能發展的歷程，以及他對人工智能本質的理解。

以人類歷史上的幾次產業變革為時間維度，人和機器的關系發生了這樣的變化：在工業革命時代，我們賦予機器勞動能力，幫助人類減輕工作負擔，也就有了后來的工業產線，這個影響一直延續到今天。在信息革命時代，互聯網、社交網絡進入到了人類生活當中，人們將計算能力逐步向機器轉移，繼而出現了各種移動設備。

人工智能革命的本質：人性復制的過程

如今，普羅大眾都在談人工智能，那人工智能時代的本質是什么？已從事多年算法開發的趙京雷深深體會到，深度學習算法能夠將算法做得更準確，但同時他也認為，深度學習算法無法幫助以往的信息時代產品進入人工智能時代，因為其中缺少了「人性化」這個基礎，他進一步指出，人工智能革命的本質是人性復制的過程。

兒童視覺習得的過程分為三層，第一層是本能層（1-2 歲孩子與生俱來的本能），第二層是習得層（通過后天習得），第三層是專業層（專業人士所具備）

趙京雷認為，本能層的視覺能力包含兩點：一是通過視覺層面對人進行理解的能力，二是對所生活的空間進行理解的能力。作為一家視覺技術公司，閱面科技將其所做的事情聚焦在了本能層上：賦予機器相當于兒童 1-2 歲的視覺能力，讓機器能夠理解人以及與人共生的環境，且具備人性化。

目標：機器視覺模塊標準化

趙京雷進一步表示，他們還要將這項本能層的視覺能力標準化，希望在未來，機器人的視覺模塊能夠標準化，可被接入各種機器人中，就如藍牙模塊、WiFi 模塊，手機上的攝像模塊一樣，一個模塊解決一個問題。

為了讓視覺技術能夠理解人，并能夠做出智能判斷，閱面在算法底層做了大量的工作，基本上打通了對人的理解、對空間的感知這塊算法的閉環，并盡量做得全面，達到多算法之間的配合，其中包括面部識別、手勢識別、人體識別等一系列的基礎算法。

另外，在空間感知層上，閱面科技也沒少下功夫，包括測距技術、視覺追蹤、視覺避障等，讓機器通過普通攝像頭識別可行走的路段以及障礙物，繼而構建出整個空間的感知系統。

目前，激光雷達、紅外傳感器能夠讓機器具備部分的空間感知能力，趙京雷表示，在未來，視覺技術可具備更強的空間建模能力后，將會替代激光雷達、紅外傳感器。

提供不依賴 GPU、功耗低、成本低的硬件視覺模組，與各行業進行緊密合作

對于許多做消費級產品的創業者來說，具備 GPU 的芯片功耗、成本都很高，閱面科技希望打破這一局面，讓深度學習算法通用化，將大量優化過的底層算法集成在低端的芯片上，滿足智能硬件制造者功對芯片成本低、功耗低、能夠實現動態計算的需求。

目前，閱面科技做出了不依賴 GPU、 4cm*4cm 大小的硬件視覺模組，集成了大量機器感知算法，即插即用。趙京雷進一步表示，他們最終希望的是將這些模組標準化，那樣也就意味著人工智能時代的真正來臨。

閱面科技已推出幾款模組產品，如具備人臉識別、人臉特征識別、手勢識別、人體跟蹤功能的人感視覺模組，另外還有供特定行業使用的專業級視覺模組，包括掃地機視覺模組，IPC 視覺模組等。目前已與服務機器人、人工智能系統、智能家居等行業、平臺、行業解決方案合作商進行緊密合作。