[导读]　随着人工智能应用已经逐渐落地，各大安防大佬们也纷纷布局人工智能，且都取得了良好的成绩。那么，在安防领域当前人工智能的发展水平究竟如何?未来的发展趋势究竟如何?

　　随着应用已经逐渐落地，各大安防大佬们也纷纷布局人工智能，且都取得了良好的成绩。那么，在安防领域当前人工智能的发展水平究竟如何?未来的发展趋势究竟如何？

　　安防是人工智能最具市场空间的应用领域

　　安防视频监控领域的特点，是摄像头众多而且24小时不间断工作，因此能获得海量的视频、图片数据，这些数据99%为非结构化数据，依靠人工分析和处理这类数据不仅耗时耗力，而且容易出现错误。

　　人工智能是安防领域发展应用最急切的需求。基于深度学习的人工智能算法，实时分析视频内容，探测异常信息，进行风险防控，以高效、简单的方法提升视频应用价值，将原先被动监控转变为主动预防，全面提升安全防范能力。

　　同时，安防领域海量的视频、图片数据为基于深度学习架构的人工智能算法提供了多维训练样本，促进算法性能的提高，并成熟应用于其他行业。因此，安防也成为了人工智能最具市场空间的应用领域。

　　以公共安全为核心的智慧城市和智慧交通将是人工智能成长的土壤

　　在过去几年，公安、政府、交通等多个领域已经积极应用基于人工智能算法的新一代安防解决方案。

　　以公安为例，人、车、物为核心的综合实战应用是视频监控的一大挑战。人脸识别、车辆分析、视频结构化算法提取视频内容，检测运动目标，分类为人员属性、车辆属性、人体属性等多种目标信息，结合公安多种技战法，分析犯罪嫌疑人线索，为公安办案提供了有效的帮助。

　　在交通行业，通过车辆分析算法，直观显示城市路况，调整交通警力分布，缓解城市拥堵。在公共安全方面，基于人工智能的新型解决方案已成功应用于各类大型会议的安保工作，以公共安全为核心的智慧城市和智慧交通将是人工智能成长的土壤。

　　人工智能在安防领域的应用关键

　　人工智能技术仍在不断完善，在应用案例层出不穷。从去年开始，全国各省公安厅已经陆续开始建设全省静态人像数据库与非标人像数据库，解决视频侦查“最后一公里”的难题。

　　贵州省公安厅在建设静态人像数据库一个月内，破获大小案件数十起，战果显著。国内大部分城市，基于车辆大数据系统已经形成了一套完善的车辆技战法，成功遏制城市交通犯罪，提高城市交通流畅度。未来，人工智能在安防行业的应用模式会越来越多，关键是将技术与行业需求相结合，切实解决行业难题。

　　单一的人工智能技术所能带来的效益极其有限，而且脱离现有安防系统，在用户使用上有一定的局限性。只有深入行业业务，深度挖掘用户需求，与现有系统进行融合，才能使人工智能技术在安防行业有长足的应用空间。

　　人工智能在安防行业的发展还存在哪些挑战？

　　在安防领域，视频监控作为城市公共安全的重要组成部分，面临着巨大的挑战，其中最大的瓶颈是视频数据非结构化、人工智能算法单一和大数据应用三个现象。因此，人工智能在安防领域的发展，首先要解决的是视频结构化的问题。

　　视频结构化技术是融合了机器视觉、图像处理、模式识别、深度学习等最前沿的人工智能技术，是提取视频内容的基石。在产品应用过程中，也暴露出算法精度不足，使用场景受限等问题，所以技术的应用还需要一定的时间进行优化。

　　第二，现在各类人工智能算法无法进行融合，同一场景下需要多套系统进行视频精数据提取，难免会出现重复建设，造成资源浪费。最后，人工智能长期应用下积累的庞大数据量，需要依赖大数据系统进行管理与分析，通过大数据系统开展特征匹配和模型仿真，为众多用户提供定制服务。

　　总之，数据挖掘是人工智能在安防领域发挥的核心价值，利用机器学习算法自动开展多种分析计算，探究数据资源中的规律和异常点，辅助用户更快、更准地找到有效的资源，进行风险预测和评估。随着算法的不断完善，与行业需求相结合，人工智能将在安防行业发出璀璨的光芒。

　　整合来源：大华股份、安防展览网

　　李虹含系中南财经政法大学产业升级与区域金融湖北省协同创新中心研究员，焦琳系中南财经政法大学金融学院博士研究生

　　“我是房东我在外地...我是法院你有传票...我是路人你爸被车撞了...我是你的QQ好友我电话欠费了...我是老板快帮我垫钱...我是你朋友连我的声音都听不出来吗?...我是《爸爸去哪儿》节目组恭喜你中奖了...我是香港富婆愿付巨款求子...”

　　曾几何时，说到诈骗，你我的耳边就浮现以上“经典案例”。对付这种“小儿科”，你我当然都不在话下，只要记住以下信条：

　　一、天上不会掉馅饼，掉下来的都是陷阱；

　　三、晒晒晒，死得快；

　　再加上四字真经――绝！不！转！账！，管它神马非法集资、庞氏骗局，任它千变万化，咱们荷包里的银两岿然不动。

　　然而，时代不同了，在进步，骗子的手段也越来越高明，只要你一个掉以轻心，你荷包里的银两，可能就此易了主。就拿近年飞速增长的消费金融来说，从2013年到2017年，消费金融交易规模在短短的4年内，就已经从60亿猛增到4367.1亿，实现了70倍爆发式增长。在如此庞大的市场中，消费金融公司、电商平台、企业等纷纷参与角逐，细分领域的创新也不断涌现，3c、医美、教育、、租房、农业等多种场景分期产品层出不穷。

　　但随着领域的扩展与增多，欺诈现象开始频频出现，以医美领域为例，消费金融自2015年开始进入，在2016年便呈现出高速增长态势，然而到了2016年年底，医美分期骗贷风险集中爆发，曾有业内人士表示在近60亿规模的医美市场中，有15亿多被诈骗者攫取。然而，魔高一尺，道高一丈，随着人工智能的逐步运用及发展，从1.0进化到3.0，人工智能防诈骗的手段，也越来越多样化，不想被搂草打兔子的你，赶紧长点心来学学吧。

　　一、人工智能在防诈骗领域的基础性应用

　　毫无疑问，人工智能的浪潮已经袭来。这个已经存在了数十年的技术领域因AlphaGo人机大战而再度声名鹊起，从20年前“深蓝”战胜卡斯帕罗夫到如今AlphaGo横扫人类围棋界，人类智力“最后的堡垒”轰然倒塌，人工智能正一步步接近并超越人类；Apple的Siri，Google的无人车，亚马逊的Echo，阿里巴巴的ET，伴随着恐慌和惊喜，人工智能开始逐渐渗入我们的生活和生产。互联网产业的发展和演进，也使AI找到了更多发展空间，人工智能首次被写入政府工作报告。

　　一切都预示着：人工智能正成为产业革命的新风口，人类历史上最好的“人工智能”时代正在到来。技术浪潮翻滚，AI在和更强大的计算资源以及不断扩增的数据结合下，正与越来越多的行业发生着联系。

　　人工智能通过设定模型，并进行历史数据训练模型，将误差率做到最低，提炼模型之间共同点，建立更好的数据模型。现阶段人工智能在金融领域，最重要的应用就是智能投顾。我国投资理财市场规模达百万亿元，但理财顾问覆盖率却非常低，智能投顾领域更是处于非常早期的探索阶段,潜力巨大。

　　基于以上两点得出的海量、多维、真实的客户数据，可以了解客户的理财目标、风险态度、财务状况和行为偏误等个性化指标，描绘客户的专属画像，做到千人千面，并能根据客户数据的变化进行及时调整；其二，在资产配置方面，智能投顾会根据客户画像给出最适配的资产配置方案，该方案是在比较了若干资产配置模型、经过严格历史回测之后的结果。智能投顾不仅能够降低成本，进一步的实现普惠金融，在很大程度上也降低了金融顾问服务中的道德风险，对金融防诈骗，也有着深远的意义。

　　二、人工智能防诈骗中的机构和客户应用

　　人工智能防诈骗可以从机构和客户两个维度去探讨其应用。

　　（一）从传统金融机构的角度来看

　　对金融机构来说，其主要应用场景是为金融机构挑选更适合的贷款者。传统银行机构对现有贷款者的风险评价体系较为传统单一，对于一些不符合其贷款标准的人员采取一刀切的模式，这让很多需要金融服务的群众未能感受到金融机构的普惠。比如，虽然(,)拥有约3亿个人客户，但其在客户甄选上仍持传统风控路线，使其普惠金融践行之路举步维艰。

　　金融机构通过与人工智能、人工智能领域的合作贷，使风控做到“无招胜有招”，其中推出的针对互联网网民与三农小微的“新信用分”。让互联网数据与金融业本身的数据发生互补，在对三农群众、网民发放贷款时可更具风险控制的针对性，金融服务更具普惠性。

　　当前，许多金融机构也联合诸多已经开发开展了学生贷款领域的金融机构加大了传统金融机构不愿意贷款的职业培训学生的贷款力度，如校园贷等。人工智能企业拥有更多的外部数据，比如使用类似谷歌、百度这样的大型搜索引擎公司的内部和外部数据：如百度贴吧等网络社区的社区信用数据进行客户信用风险评定与画像。更方便金融机构对客户进行风险识别和评估，防止客户出现欺诈风险。

　　（二）从金融消费者的角度来看

　　对于普通客户来可以通过人工智能即时搜集更多与投资品相关的新闻，防止自已落入诈骗陷阱。

　　信息爆炸时代，如何搜集并应用更多有效信息成为摆在每一个金融人面前的重要议题。特别对于投资经理而言，面对着浩如烟海的数据，怎样的文本挖掘才能让投资工作更具效力？

　　毫无疑问，最有效的方法就是通过搜索引擎导入“负面、正面”两部分的内容。基金公司的基金管理人，每天第一件事情就是刷“财经新闻”，而且必定要看完自己投资股票池中的股票行业、公司、上游、下游……等报道，但是“百密一疏”。“人眼”斗不过“网眼”，任何舆情风暴都来源于某一细小的蝴蝶展翅。如百度金融等公司开始为基金公司输出新闻智能因子，通过搜索引擎的特色数据，加上搜索技术，为其在金融量化投资方面省时省力。

　　（三）从金融产品的挑选维度上看

　　帮助机构投资者和金融消费者挑选海量金融产品中的优质资产也是防止金融期诈的有效手断。

　　在经济新常态大背景下，多如牛毛的各类金融资产中，用肉眼去识别哪一类资产更具价值，不会掉入投资陷阱，做起来显然有些困难。人工智能系统在这方面便颇具优势：若将大类资产分为：股票、债券、

五大类，将判定条件设为连续若干日超过某一年化收益率的产品持续预警，则可以筛选出年化收益率超过市场平均收益的资产投资品。全球的搜索引擎与人工智能公司已深入开展上述几类金融网站的产品数据提取、挖掘，对金融类网站单独设立算法计算高收益率产品组合，继而根据遴选的资产池再构建投资组合，发售高于市场平均收益的投资产品。

　　三、人工智能防控情感诈骗

　　2017年程序员苏享茂被翟某某骗婚一事闹得满城风雨，沸沸扬扬。对程序员的困惑――人性之难：情感计算中的难题是否真的无解？

　　苏享茂如果想要使用程序去判断一个人是否可信，至少要经过以下几个步骤：识别――标准化――输入――程序判定――输出。五个步骤缺一不可，他要可以首先准确地识别，翟某某的细微的动作、面部表情，然后将这些内容提取出来标准化为可以录入到计算机中的数据或者图片，再录入进去，使用其情感判别程序判定爱恨，然后输出爱或者不爱，喜欢或者不喜欢 。

　　近年来，大量的情感人工智能研究者致力于探讨情感机器识别、人机交互领域中的“不匹配”问题：即如何使计算机系统更加理解人类的情感问题。

　　例如：计算机面对人类挫折感时总是显得无能为力（计算机总是试图去解决，而不是安慰）。但人类本身具有将沮丧和挫折调节到最低水平的策略和技能（比如自我寻找心安理得的借口）。情感的自我调节和规划是人类情感智能的重要方面之一。人类能够应用各种方法和手段来控制和管理自己的情感。

　　如果将苏享茂的思维模式视为计算机的话，他在翟某某的撒娇、期骗逻辑下总是试图去相信，试图去解决，而不是去调节和适应，苏享茂的行动逻辑就易于被理解了。媒体上有人垢病于程序员的幼稚或者单纯。

　　在过去的十年中，科学家们试图通过诸多实验来建立基于基本情感的通用的心理模型，这些实验主要集中在自治神经系统和特征语音信号改变上，但是直到现在，上面所提到的六种基本情感仍然没有一个统一的识别模式。仅仅在识别“害怕”和“愤怒”两种情感上,科学家已经做了大量的研究。

　　例如：计算机可以理解的生理指标，对于人类来说却有不同的情感意义。比如，对于“害怕情绪”，人类的心率增大、心脏收缩、血压升高；而对于“愤怒情绪”，心率同样增大、心脏收缩、血压升高。因为它们有着如此相似的生理表现，要识别它们一直是个难题。

　　对于人类来说，情感是离散化的，害怕的下一秒就会是愤怒； 欢喜的下秒可能是伤别离的忧伤。尽管随着计算速度的提高，情感转换有可能被计算机所认知，但是可否匹配人类的阴晴不定，捕捉不可捉摸的人类情感，仍是未解难题。特别是当苏享茂想拿程序去测试翟某某的一颦一笑时，是否会发现背后的冰冷始终如一，从而断定这个人：心素如简，人淡如菊？我们不得而知，但是计算机目前对人类情感的计算仍然前景光明且充满然望。

　　总之，人工智能公司拥有 “大而全”的数据，而金融机构和普通消费者在新的时代如何避免陷入到各类诈骗，人工智能是帮助金融机构、零售客户在新时代陷入被骗的杀手锏。当然，在人工智能面前，你我永远都是孩子，而掌握的人工智能越前沿，也许我们就离成熟、成功就更近一步，离被骗就更远一些。

　　微信订阅号：李虹含

    本文首发于微信公众号：李虹含。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。

（责任编辑：李兴旺 HF015）