劉斌：人類接觸到的信息，大部分是通過眼睛。眼睛接觸到的無外乎兩種，一個是動態的視頻，一個是靜態的圖像。這也是大部分人工智能企業首先會先往視頻和圖像這兩個領域去發展的一個最重要的原因。

另外，人類對純文字的記憶用的是左腦，對視頻和圖像記憶用的是右腦，而右腦的記憶能力是左腦的100萬倍以上，我們看過的圖片和視頻，能保持很長時間不會忘記。所以，人工智能首先選擇介入視頻和圖像這兩個領域其實是很自然的。

劉斌：場景是很多，在我們日常生活中，只要是人的眼睛看到的東西，其實都能夠把人工智能技術應用上去。

劉斌：佳都目前關注的人工智能深度場景有兩個，第一個就是人臉識別，第二個是視頻的結構化。人臉識別目前在公安和安防領域的應用是最專業的。以前人臉識別更多是做一些輔助性的手段，如門禁、考勤、簽到等，而公安領域要利用這個技術來打擊罪犯，這對技術識別的準確率、誤報率有很高的要求。

以誤報率為例，如果把一個非犯罪分子識別成了犯罪分子而出現誤報的情況，會導致公安警力的浪費。在誤報率高的情況下，警力不可能無限擴充，所以公安部門對人臉識別沒有信心，從而拒絕這項技術。

劉斌：一方面是算法，要通過各種各樣的數據對算法進行訓練。公安的應用場景并不固定，而是遍布大街小巷，包括室內室外，從不同的方向有不同的光線照射，還會有不同的天氣。因此需要各個場景大量的數據來提供給算法進行學習。

另一方面，可以通過工程技術來降低誤報率。比如，安裝人臉識別采集設備的位置和角度是有講究的，因為不同位置拍出來的效果可能相差很大。一般攝像機要掛在不太高的地方，大概三米左右；攝像機盡量能平視去照射人的臉部，通常向下壓15度左右，以保證拍出來的人臉盡量是正面、清晰的，后期送到后臺算法進行比對時其結果會更好。當光線不夠時，可以考慮加一些補光的設備；當光線太強時，可以考慮加一些抑制光線的裝置。

劉斌：以廣東省為例，安防、交通數據都是視頻數據，目前在廣東省內部已經完全打通了。但這些僅僅是非結構化的視頻數據，即在我在這段視頻里面查找一個人是找不到的，必須通過人眼去找。我們現在做的就是如何把視頻的錄像數據變成計算機可識別、可查找的結構化數據。我們正在部署一些計算機資源，通過一些視頻結構化的算法和服務器對數據進行處理，把里面涉及到的人、車分出來，然后將視頻數據變成一條條記錄。

劉斌：目前已經能實現了，人臉識別在計算方面有三大要素：算法、算力和數據，再加上應用場景，即三加一。算力就是計算資源，目前我們的計算資源非常充裕。舉個例子，我們正在配合廣東省公安廳搭建一個人臉大庫，里面有1.3億人的照片，拿一張照片放在庫里進行比對，一秒之內能把結果拿回，且返回相似度最高的前20張照片，這樣公安干警的排查范圍會大大縮小。

劉斌：城市交通大腦系統由佳都2017年開始全面研發。其核心理念是名為IDPS的四層，I代表“完善的基礎設施”，D代表“完備的數據采集”，P代表“智慧的計算平臺”，S代表“個性的服務管理”。我們把城市道路各種標志、標線、電子警察布點等信息記錄下來，形成一個可計算的路網地圖，以此作為核心基礎然后對其進行數據仿真及大數據的分析和比對，最終給出優化結果。

春節時會出現一個問題，當有過多的車輛時，導航軟件只會對個人提供當前時段的最優選擇，比如走哪條路線，但會忽略整個系統的最優。10分鐘后如果所有人都往這條路線走，就可能形成擁堵，這就是“導航堵”的由來。交通大腦系統第一時間檢測到這個問題，然后通過后臺對算法進行優化，將算法提供回給高德和百度，讓他們去修改導航軟件的業務策略。

劉斌：市場推廣和技術突破都很重要。如果只講技術忽略市場，技術是沒有生命力的。只有通過技術來解決市場上的實際問題，才能獲取經濟效益，實現市場跟技術的良性循環。

劉斌：算法是有較高的門檻的，但是通過深度學習技術，算法的準確率會不斷上升，當提升到一個程度時，再想往上提升會越來越難。目前頂尖的算法廠家可能跟一般的算法廠家準確率差距在10%以內，而且隨著時間的推移，這個差距會慢慢縮小。未來國內算法公司聚集度會越來越高，可能就那么幾家，而他們的水平會處于同一個層次上。

劉斌：這個趨勢是很自然的。每個企業在發展到一個程度時會想要突破目前所在的層面，這種突破分為兩種：縱向突破和橫向突破。縱向突破是相對比較難的，而橫向突破進到一個新的領域是可以嘗試的。所以企業如果覺得需要推出一些軟硬一體化的產品，這時它就會順勢推出一些硬件。