AI尋人為什麼有的時候不行？

原創： Cactus PingWest品玩

技術只是公益的一部分。

幾家科技巨頭的“AI尋人”專案正在變成公益落地。5月，騰訊優圖與福建警方合作，利用人臉識別將走失10年的孩子送回家；近期，百度公司也宣佈實施了兩年的“AI尋人服務”已升級，其官方宣稱，“AI尋人啟動至今，用戶發起的照片比對已經超過20萬次,幫助超過6700個家庭重新團聚”；今日頭條甚至將尋人項目拓展到“尋找烈士後人”、“無名患者緊急尋親”等等……上面這些資訊乍一看的確令人欣喜，不過借助AI技術尋人的效果沒有那麼神奇。PingWest品玩通過流覽國內最大的非官方尋子網站“寶貝回家”，其論壇上的“尋子帖”足有710頁，有標記的帖子中顯示14185名男孩和6938女孩仍無下落。在CCTV官方尋親平臺中，則顯示有315588條尋人資訊待解決，其主要類型為家尋親人。面對龐大的走失人群數量，AI技術協助尋人還有很多現實困境：受限於登記時間跨度長、資訊缺失等，AI尋人即使擁有技術，也依然對很多走失案件表現出無能為力。

AI人臉尋人被困“人臉”

今年，某AI公司與相關部門共同打造了“城市大腦”，利用AI系統預警老人跌倒、失蹤等各類異常狀況。雖然通過該系統實現的AI尋人已有不少成功案例，但該AI公司相關負責人在與PingWest品玩的交流中提到：如果走失老人的行動範圍在城市攝像頭的捕捉範圍內，那麼目前的AI演算法幾乎可以百分百分析回饋結果。“但現實中城市場景視頻太多，若是遇到偏僻點位沒有攝像機，或是走入監控盲區，這些情況下，AI只能‘非常遺憾’地無法繼續幫助民警找到更多線索。”網路資料顯示，截止2016年，國內估算已有1.7億台攝像頭到位，其中2000萬台由公安系統掌握。這種攝像頭部署點一類主要覆蓋在道路、廣場、地鐵公交等人流密集區域，二類多為醫院、學校、公園等公共場所。不過事實上，由於視角範圍廣、距離遠，絕大多數普通的安防監控攝像頭無法獲取滿足人臉識別解析度的圖像。而影響AI識別的因素包括光照、姿態、遮擋度等等，而其中清晰度是人臉識別精度的關鍵要素。對此，一AI尋人專案的負責人向PingWest品玩表示，未來的AI尋人或許不再拘泥於人臉或人體識別：“目前，多數這樣的公司在做的是通過目標找目標，未來會同時通過面部、人體、衣著、狀態、環境特徵等多種屬性，一次性將所有目標線索都找出來，加快尋找效率。”百度AI尋人也表示，現有技術雖然成功幫助7619個家庭實現了團聚，但實際需求遠大於此。“資料庫內容要不斷豐富，人臉識別技術也需要更多新場景。例如，通過在救助系統內部署人臉識別功能，就可以對多次入站的人員進行快速甄別。”百度AI專案負責人補充道。

視頻資料≠有效情報

以視頻資料為核心的安防監控體系，確實能為警方提供海量的尋人線索，但也實屬成為一種負擔。如果沒有AI，面對這些監控視頻，尋人的時候需要耗費很大的精力，在不久前一位老人走丟的案例中，“若不是利用AI，我們需要查看接近300個攝像頭尋找老人行蹤，假設檢查每天10小時的視頻，3000小時的視頻資料，不吃不睡連續150天才能看完。但是通過視頻結構化系統，這項工作縮短到幾分鐘，為尋人爭取到了時間和人力成本。”以上提到的“結構化資料”，正是人工智慧中的資料採擷與分析。目前，安防攝像頭所拍攝下來的資料都是未經處理的原始資料，而結構化可將資料的特徵資訊提取出來，以系統能理解的演算語言進行通用性描述，進而迅速對海量資訊進行篩選和整理，並予以大規模地檢索、統計和分析。

這意味著，原始海量資料要經過深度、合理的分析和挖掘，才能夠成為有效線索，協助人工分析，利於搜尋工作。例如攝像頭在人工智慧下捕捉到走失目標群體後，除了有人體、面部、外貌特徵甚至環境條件等識別，對其行為做出分析和判斷甚至警報，甚至生成走失路線的資料預測等，之後人力要做的就是篩選、判斷以及優化。AI尋人要做的不只是淺層次的資料採擷，應用於不同場景、不同狀況下的針對性演算法和應用才能夠有效地把結構化資料變成有效線索，而這正是現階段人工智慧的短板。

資料庫難共用

隨著人工智慧技術的不斷完善，主動應用和事前預警成為可能，AI下的安防從傳統模式的事後追溯，走向即時監管預防的趨勢。據PingWest品玩瞭解，在一定更開放空間的動態領域裡，如今一些AI系統可針對在逃、違法等重點黑名單人員進行布控；同時也可把控白名單人物動向，比如走失老人、被拐兒童等。這使得不法之徒在縝密的布控下，難有可乘之機。但事實上，一些拐賣兒童的案例中，犯罪份子會從人口控制密集的一二線城市轉戰到偏遠地區。地區發展落後、地理環境複雜且偏僻，正是AI安防無法觸及到的盲區，而這裡的安全問題如何解決又將是難題。“其實AI尋人的知曉度也是我們面臨的一個難題。”百度AI尋人項目負責人向PingWest品玩表達了這樣的困擾。“截至目前，仍有部分走失人員家屬並不知道AI尋人這種新的尋人方式，特別是在偏遠地區。後續我們會通過流量精准推送以及區域下沉活動等方式，讓AI尋人實現進一步的精准傳播和觸達。”假設我們依舊在條件如此極端的情況下獲得了走失兒童和嫌疑人的資訊，從各方尋人平臺的操作流程來看，報案者需要上傳走失人的照片，系統會進行人臉比對生成對比結果。但這樣的比對結果和其依靠的資料人臉庫有著直接關係，其基本來源於尋人平臺合作的各地救助機構、公安、政府、以及路人隨手拍等管道。不過我們至今都沒有統一的平臺，這就意味著，走失資訊和背後資料庫、各地方監控視頻資源與社會化監控視頻資源分散在不同地方，而AI的資料分析依託於這些資料之上。資料共用問題也是影響當前AI尋人成功率的重要因素，而且似乎比技術更難以得到推進。百度AI尋人專案負責人告訴PingWest品玩，面對現實中相對獨立的平臺間造成的“資料壁壘”，百度正在積極拓展合作夥伴。“我們正陸續接入全國救助尋親網、寶貝回家等平臺的資料。未來期望能有機會和更多機構產生合作，通過Feed流分發+小程式服務，進一步發揮AI尋人平臺與技術價值。”對於AI尋人來說，技術只是這項互聯網公益的一部分。

附圖：
▲“寶貝回家”官網論壇
▲某男童走失前監控視頻捕捉畫面
▲某市公安採用包含視頻資料結構化的立體防控系統對重點區域的綜合治理
▲cctv《等著我》官網尋人信息

資料來源：https://mp.weixin.qq.com/s/wI4puoOC_KkuD3p8sawwWA…