每周三期，詳解人工智慧產業解決方案，讓AI離你更近一步。解決方案均選自機器之心Pro行業資料庫。
方案1：安全騎行解決方案
解決方案簡介：
研究者希望用人工智慧系統預防自行車與機動車相撞。 該系統最關注的將是最常見的事故形式——汽車從側面或後面撞上自行車。研究者希望建立能同時提醒騎行者和汽車司機的系統，當自行車在危險區域時發出警報。
目前遭遇的技術瓶頸是計算機和射頻（RF）技術的難以判斷騎行者是在路旁的林蔭道還是在公路上，從而導致誤報。
此外，密西根東南部許多社區都有自行車道，該道路也對車輛和自行車都很安全。人工智慧與機器學習的技術能幫助減少錯誤警報。
解決方案詳解：
項目由三個部分組成。研究者將首先確認道路上最危險的路段，然後提出解決方案，最後與騎行者和車主分享這種數據。
人工智慧技術將在項目的第一階段投入使用。系統會關聯幾個最常見的自行車危險區數據集，通過識別一些環境因素，判斷危險區的範圍。這些因素包括時間（如清晨還是傍晚）、道路特徵(如是否限速限高)和特定路段之前發生過的事故。
方案2：心理數據採集與分析系統
解決方案簡介：
該數據分析系統可以處理速度、注意力、記憶力和執行功能等認知行為的生物標誌物，通過智慧型手機技術持續或被動地收集用戶信息進行心理狀況評估，可以提早發現（甚至預測）心理疾病。
該公司多年的縱向研究證實，其生物標誌物預測了連續的神經心理測試分數，並能檢測到情緒和睡眠障礙對認知功能的實時影響。
解決方案詳解：
通過日常行為以及對手機使用情況的追蹤來反映個人心理健康。例如，隨著用戶開始陷入抑鬱，手機麥克風、加速度計、GPS 單元和鍵盤可以輕易感知其可能會做的事情：
1. 或許交流更少；語速較慢、話少，語句笨拙且詞彙單一；
2. 可能很少回電話、簡訊、電子郵件、Twitter 和 Facebook；
3. 接電話的速度可能很慢或乾脆不接；
4. 可能更多呆在家裡而很少外出；
5. 睡眠情況可能不同。
滑向精神疾病狀態的人可能會出現類似的跡象，以及語法、說話節奏和運動方面的特殊變化。
該公司將首先專注於評估工作，將花費一年左右的時間來測試基於手機的數據採集與分析系統；然後通過 「基於學習的心理保健」，探討如何與他人合作來提供幹預。持續的評估和反饋將會推動幹預的進展。同樣，所有治療都會採用基於測量的實踐，這給臨床醫生和患者提供了穩定的療效反饋，會大幅改善治療效果。
為了保護用戶的隱私，Mindstrong 只會在徵得用戶同意的基礎上收集信息，並將所有數據進行強加密。對於大多數服務，Mindstrong 不會保存不實際的數據流，比如口語或網絡用語，只保存未透露實際對話並反映了心理狀態的元數據。這可能包括語義結構或一些關鍵詞的重複使用，這些詞可能揭示了情緒或認知狀態，比如抑鬱、躁狂、精神病和認知混亂等短語。所有數據都遵守嚴格的病人隱私條例被加上了防火牆。
方案3：Deepomatic Studio——Vesta
解決方案簡介：
該圖像搜尋引擎為用戶提供了圖像識別服務，能夠通過視覺識別功能實現將圖片元素、圖案、文字等多樣化的信息與資料庫信息的精準匹配，目的是給在線時尚雜誌中的圖片尋找相應的產品連結。以便在用戶瀏覽雜誌時看到心儀的單品就可以點擊查看相應的產品名稱和購買信息。
Deepomatic 正在開展與各類時尚電商平臺的的合作，合作方包括 Shopstyle 等。
引擎的圖像識別方案能用於商家導購，使得顧客通過實物搜索到購物連接。此外，還能用於危險檢測，比如發現穿著不符合安全規範的工人。
解決方案詳解：
用戶可通過以下四步完成對目標圖像庫中的對象完成索引與標識：
1. 先對少數圖像進行注釋，該過程由用戶自己或公司操作員完成；
2. 在平臺上訓練算法，使用深度學習和神經網絡獲取結果；
3. 對得到的搜尋引擎進行測試，為其提供反饋，進行優化；
4. 當優化完成，可將其該引擎在雲端或其它架構上部署，通過相應的應用程式接口（Application Programming Interface，API）進行調用。
方案4：客服機器人解決方案
解決方案簡介：
快商通客服機器人採用深度學習技術，問答準確率業內領先，能夠自動從聊天記錄中學習生成知識庫，擁有多輪會話技術，滿足售前、售後多種應用場景的需求。
客服機器人可以應用在多個場景中：
1. 企業：傳統客服人力成本高、人員培訓周期長、流動性大、服務標準不一、質量難以監管，通過應用客服機器人，可以幫助企業有效節省 50% 以上客服人力；多渠道接入能力，可以快速構建全媒體客服。降低企業成本的同時完善企業服務體系；
2. 在線服務：精準覆蓋用戶高頻率諮詢，同時支持與內部業務系統打通，為用戶提供自助交互操作類服務，例如：退票、改籤、查詢等等；服務流程大大簡化，用戶操作快捷方便，服務標準統一，有效提升企業效率；
3. 政務：隨時關注廣大人民群眾關心的熱點問題，機器人自動回復已知問題，智能地檢索出未解決的問題，供政企工作人員進行調研討論，並通過系統做出標準回復，快速精準觸達人民群眾，提升政企單位的服務體驗。
並實現以下優勢：
1. 精確識別問題：依託快商通強大的智能引擎平臺，準確識別語義，可解答 90% 以上簡單重複問題；
2. 自主學習：根據以往對話，經過精密算法完全自動學習未知問題，還可以人工幫助機器人快速成長；
3. 無限制接待：機器人可同時接待萬人以上用戶，從容應付業務高峰期，大幅解放企業生產力；
4. 數據分析：根據聊天內容對訪客數據統計及客戶問題分析、新需求收集，深度挖掘數據信息，生成分析報表。
解決方案詳解：
其客服機器人主要技術包括：
1. 各粒度相似度計算（詞、句、篇章）；
2. 閒聊文本生成；
3. 關鍵詞抽取；
4. 情感計算及傾向性分析；
5. 命名實體識別；
6. 基礎應用（分詞、糾錯、改寫）。
方案5：動態實時檢測人臉方案——瞬視
解決方案簡介：
該系統能動態實時檢測人臉。系統本身具備了多種傳感器和數據處理平臺，可以在本地設備完成數據的處理好運算，屬於使用邊緣計算的設備，能更好地滿足「實時處理」這一需求。 視覺成像涉及顏色、光照、形狀。物體移動、距離等多方面，傳統人臉抓拍機還存在檢測準確率不高、漏報和誤報多、人臉抓拍不清、圖像質量低等問題，該系統通過前端進行底層 ISP 調節進行只能處理，可區分光線變化，提升成像質量，並結合自主研發的算法，系統的人臉檢測視頻解析度達到 1080P，檢測幀率為 30 幀/秒，每幀最大人臉檢測數超過 100 （人臉像素 ：40），正臉檢出率大於 99%， 誤檢率小於 1%。系統在軟硬體處理上為全嵌入式，將智能處理伺服器，即 VPU 模塊嵌入攝像機，從而能在前端完成分析。
解決方案詳解：
嵌入式人工智慧感知晶片面臨如下問題：
1. 不同傳感器獲取數據後的深度融合仍待提升，一個設備通常需要配備較多傳感器以滿足不同場景下的不同需求，如何過濾和融合傳感器數據是前端和後端處理需要考慮的問題；
2. 與後端伺服器相比，計算能力低，而實時性要求高，如何將前端嵌入式系統中的神經網絡模型進行踩點和壓縮是巨大挑戰；
3. 資源有限，前端系統的資源不足以運行較大較深的神經網絡模型。