2017.10.25 04:42PM
這次就以五項相當重要的應用，包括公眾場所的安全、交通管理、自駕車與醫療為例，為大家介紹如何將人工智慧應用在未來的都市當中吧。
建構更安全的公眾場所
在大都會當中，車站、公園等公眾場所往往是最容易發生意外的地方，所以智慧城市的相關應用有很多是針對公共場所的安全監控而設計的，都市中的基礎建設也因此具備更多的功能，例如將智慧攝影機結合路燈、站牌或是販賣機等，部署基礎建設也擴展安全監控的範圍，使公眾場所的安全監控網路更完整。
藉由分析群眾行為或結合警方的系統找出通緝犯等功能，將可以預防意外事故的發生。
其中，深度學習系統可讓影像系統學習過往在公眾場合發生的各類事件，並將這些影像行為進行分析，監控系統可從中學習包括搭乘電扶梯跌倒的意外、偷竊、暴力鬥毆以及各種可能危害公眾安全的行為，同時亦可判斷在那些與公眾意外發生相近的影像其實是不需要啟動警報的。
在這些應用當中， Jetson 平台將扮演城市中各種智慧監控的最後一哩的守護神，結合 Jetson 平台的深度學習與影像分析能力，不再需要將資料全部上傳回中控中心，就可直接在監控的最前線發現可能的問題，藉由部署具備人工智慧的智慧監控系統終端，能夠降低遠端系統運算龐大影像與資料分析的負擔，並快速的通報潛在危機。
智能監控：幫助巡警發現城市中的可疑份子
過往這種都市監控系統需要透過人力觀看影像判斷事故，無法在同一時間內分析大量影像資料。在結合深度學習後，系統能夠主動於事故發生時發出警報，甚至在發現嫌疑犯時，能先進行人物識別，再透過多個攝影機連續紀錄與追蹤其行為與移動路徑，後續讓執法人員能更快速的抓到嫌犯。
警察是第一線的人民保母，他們需要在城市中穿梭，並且揪出潛在城市當中的可疑份子，認出所有的通緝犯須仰賴驚人的記憶力，除了人數外，也不一定能熟記每位通緝犯的容貌，也可能當下覺得有印象但卻無法及時想起，等到事後才發現放過了危害這個城市的有害份子。
不過隨著統一化架構的深度學習系統以及效能越來越強大的終端人工智慧平台，現在警察身上所配戴的監視用相機、車上的行車紀錄器以及無人機等，可跳脫被動的紀錄化轉為主動的影像辨識，亦可能成警察們打擊犯罪的助力。
NVIDIA Tesla GPU 與 DGX 超級電腦的組合也同樣能用於將嫌疑犯的特徵和潛在暴力行為以深度學習的方式進行培訓，這些培訓出來的資料能藉由導入 NVIDIA Jetson 平台的終端裝置例如：員警身上的隨身攝影機、行車監視器或無人巡邏機進行即時分析比對，當發現可疑人物時就可通知警察，讓城市中的罪犯無所遁形。
智慧交通管理：終結城市的道路壅塞
每到上下班時間都會城市往往就會陷入膠著，然而透過物聯網結合感測器，交通壅塞的情況能得到紓緩，成為發展智慧城市的基礎。
同時，當各項交通建設與城市攝影機都相互連結，就可作為智能交通管理的依據。
城市交通仰賴影像分析以及資料分析，透過部署在城市各處、基於 Jetson 嵌入式平台的智慧攝影機迅速分析路況，並將資料統整、傳送回遠端電腦，便可計算出當前的車輛密度與適合車速，並將這些資訊進一步用於紅綠燈調節上，減少踩煞車停等紅綠燈的時間，同時，道路的狀況也能被推播給駕駛並通知其他可行的替代路線，藉此解決城市交通壅塞的問題並同時提升交通工具的能源效率。
自駕車：顛覆傳統交通的模式
環保議題持續受到重視，電動車隨之成為未來的明日之星，而自動駕駛也成為未來大眾運輸共享新概念背後的重要推手，兩者結合勢在必行。
其中自動駕駛牽涉的技術更為繁雜，需透過大量的感測器取得影像資料、距離和定位等資訊，並將這些訊號整合作為車輛的感官，透過人工智慧系統計算出正確的路線，即時且快速地反映當前路況並做出正確的抉擇，何時該前進、轉彎與煞車都是事關人命。
人為駕駛容易受到注意力、技術的影響, 尤其在智慧手機出現後更容易導致駕駛分心，造成多起駕駛事故。
自動駕駛技術的出現也能夠間接降低車禍事故的發生率，將交通工具的主控權安心的交給理性的系統並平安到達目的地。
同時透過與車聯網和物聯網技術的結合，車輛可與先前所提及的交通管理系統和附近的車輛相互交換資訊，提前得知附近車輛即將進行的行為並做出應對超車、減速等對應行為，不再因突發情況造成意外。
另外，自駕車也能透過共享經濟的方式使人類的交通方式產生變化，產生理性的新世代計程車。
這類型的自駕共享車輛可直接開到家門並接送乘客到目的地，避免乘客受到騷擾或是刻意繞路賺取不合理的費用的情況，長期而言，此類客製化的方便服務可間接將低車輛的購買量，減少排碳量並將停車用地釋出給其他更具環保或經濟價值的用途做使用。
智慧物流的革新：提供更貼心及更便利的服務
隨著網路服務的多元化，無論是商品或美食都可藉由網路訂購，物流產業的興盛也帶起龐大的人力需求，而人工智慧與機器人技術的結合將為現今物流產業帶來更符經濟效益的創新產業模式，如亞馬遜等大型網路通路服務，已導入機器人與機器視覺有效地將消費者所訂購的商品分類並裝載，而下一步就利用無人機、機器人與機器視覺技術將商品送至消費者手中。
智能服務的形態不受限機器人運送，其也可能是無人機、多足機器人或是履帶機器人，這些機器人能夠透過導航技術找到收貨人的位置，並可配合顧客需求彈性安排送貨時程，同時能利用機器視覺技術辨識出來領貨的人是否為指定的收件人。
在這些配合物流的機器人應用，當然少不了 NVIDIA Jetson 嵌入式技術的加持，但別忘了 NVIDIA 今年所公布的 ISSAC 虛擬機器人訓練與 Holodeck VR 協作技術，能夠在開發特殊形態的機器人以及訓練時，透過 VR 虛擬實境的環境，作為驗證機器人的結構、人工智慧訓練以及人機互動培訓使用，可省卻前期大量開發不確定性的原型機器人，也不必承擔原型機器人在測試過程受損而導致心血付之一炬的情況。
深度學習與醫療：醫生的最佳小幫手
醫療領域高度重視準確性與診療經驗，過去前人積累的經驗可作為當今遇到相近狀況的前車之鑑，不過人類在進行醫療行為與診斷時，會需要第二意見的提供者輔助，作為提供精準且量身訂製的醫療評估。
此時具有絕對理性、高效率且透過大量醫療資料分析作為基礎的人工智慧，就可成為醫生在面對患者診斷病況的小幫手，除了以過往的病例推斷患者症狀，還能協助分析患者的生理狀況，建議合適的療法與藥物投放。
藉由 NVIDIA 的 Tesla GPU 與 DGX 超級電腦所訓練的醫療輔助系統，能在醫師進行診斷、判讀 X 光片、斷層掃描與開處方籤時提供具有根據的建議，尤其像是檢查大量的 X 光片、斷層掃描時，在減少醫師人力與時間的負擔下清楚地檢查每個細節，並以深度學習系統中由病患所累積的大量病例做為學習基礎，幫助醫生選擇合適的藥品、協助判斷出各種潛在疾病以及預測轉移狀況。
另外在醫師與患者溝通時，亦可透過資料分析結果，為醫師提供客觀的寶貴資訊，並以醫師之口將這些冰冷但確實的資料轉化為感性的語言，納入過去診斷經驗的考量，讓患者與家屬能夠從理性資料與經驗分析全面掌握疾病的狀況，實現精準醫療的願景。
NVIDIA 能提供從雲到端的人工智慧解決方案
上述提到的五大應用都與基於影像分析的混合資料息息相關，可說是作為各種智慧城市相關應用的基礎， 目前在探討智慧城市與人工智慧多半都還是著重基於雲的解決方案，不過這已經不足以滿足日趨複雜的智慧城市需求，不過 NVIDIA老早就已經規劃出一套從雲端到終端的完整解決方案。
NVIDIA 的人工智慧應用是一趟漫長的旅程，從開始導入 GPU 加速並採用 CUDA 架構以及語言，就已經是為後續的人工智慧發展開始鋪路，而當 CUDA 結合深度學習開始在影像辨識領域證實大幅超越傳統人工智慧架構的效能後， NVIDIA 又開始將 CUDA 架構導入為嵌入式架構所設計的 Tegra 當中，達到從雲到端的布局。
如今針對雲的 Tesla 以及針對端的 Tegra ，儼然成為 NVIDIA 在人工智慧應用的兩大王牌；在伺服器搭載 Tesla 加速器進行深度學習的培訓後，可將培訓結果轉移到端末的 Tegra 上，使具備高效能、可達到一定程度的人工智慧性能，同時端末裝置記錄下的影像與感測訊號，又可回饋給遠端的伺服器作為接下來的學習基礎。
Tesla 已經邁入整合深度學習架構的 Volta 架構，新一代 Tegra Xavier 也將導入 Pascal 架構以及深度學習加速架構 NVIDIA ，大幅提升效能，使得端末人工智慧性能媲美小型工作站，在雲與端兩方因為新架構獲得更高的效能後，可使人工智慧發展更豐富的應用。
NVIDIA 即將於 10 月 26 日進行 GTC 台灣場次，屆時將由執行長黃仁勳親自來台進行主題演說，將以人工智慧的產業發展現況、最新的趨勢與軟硬體架構進行分享，並有豐富的人工智慧相關領域的講者進行演說，從應用、工業生產以及產業發展三方面進行分組議程，內容精彩可期。
沒有留言:
張貼留言