AR屬不屬於人工智慧?看完本文你就懂了

[導讀]AR和人工智慧之間到底是什麼關係?AR屬不屬於當下我們認知中的人工智慧?

　　AR/VR常作為孿生兄弟被相提並論，被普遍認為為應用層新技術或者說是「智能可穿戴設備」，相比人工智慧相對的「算法」標籤，顯得不夠有深度有內涵高大上，那AR和人工智慧之間到底是什麼關係?AR屬不屬於當下我們認知中的人工智慧?

　　2018年3月，上海市經濟和信息化委員會公示了2018年第一批本市人工智慧創新發展專項擬支持項目。「一共有19家創新企業入圍，亮風臺作為AR公司也入圍此次支持項目」亮風臺工作人員告訴青亭網，這不是AR企業第一次被劃歸到人工智慧，但這種歸類方式也並不常見。據了解此專項由經信委與市財政局聯合開展，擬支持金額超過1億。

　　簡單梳理下AR的核心技術

　　AR(Augmented Reality)，是在現實世界中疊加虛擬信息，也即給現實做「增強」，這種增強可以是來自視覺、聽覺乃至觸覺，主要的目的均是在感官上讓現實的世界和虛擬的世界融合在一起。

　　其中，對現實世界的認知主要體現在視覺上，這需要通過攝像機來幫助獲取信息，以圖像和視頻的形式反饋。通過視頻分析，實現對三維世界環境的感知理解，比如場景的3D結構，裡面有什麼物體，在空間中的什麼地方。而3D交互理解的目的是告知系統要「增強」的內容。

　　圖.典型AR流程

　　這其中有幾個關鍵點：

　　首先是3D環境理解。要理解看到的東西，主要依靠物體/場景的識別和定位技術。識別主要是用來觸發AR響應，而定位則是知道在什麼地方疊加AR內容。定位根據精度的不同也可以分為粗定位和細定位，粗定位就是給出一個大致的方位，比如區域和趨勢。而細定位可能需要精確到點，比如3D坐標系下的XYZ坐標、物體的角度。根據應用環境的不同，兩種維度的定位在AR中都有應用需求。在AR領域，常見的檢測和識別任務有人臉檢測、行人檢測、車輛檢測、手勢識別、生物識別、情感識別、自然場景識別等。

　　在感知現實3D世界並和虛擬內容融合後，需要以一定方式將這種虛實融合信息呈現出來，這裡面需要的就是AR中的第二個關鍵技術：顯示技術， 目前大多數的AR系統採用透視式頭盔顯示器，這其中又分為視頻透視和光學透視，其他的代表有光場技術(主要因Magic Leap而顯名)、全息投影(在科幻影視劇作品中常出現)等。

　　AR中的第三個關鍵技術在於人機互動，用以讓人和疊加後的虛擬信息互動，AR追求在觸摸按鍵之外自然的人機互動方式，比如語音、手勢、姿態、人臉等，用的比較多的語音跟手勢。

　　人工智慧和AR的技術關聯

　　在人工智慧領域有幾個概念常被提及，如深度學習(DL)、機器學習(ML)，在學術領域包括人工智慧(AI)在內幾大領域均有自己的研究界限，而在普遍意義上，我們常說的是泛意的人工智慧，涵括所有「讓機器像人一樣」的技術的應用方向。

　　從這張圖也可以簡單一窺三者的關係，深度學習是實現機器學習的一種技術方式，而機器學習是為了讓機器變得智能，去達到人工智慧。可以說人工智慧是最終目標，而機器學習是為了實現這個目標延伸出的一個技術方向。在這其中，還有另一個重要概念為計算機視覺(CV)，主要來研究如何讓機器像人去「看」，是目前人工智慧概念中的一個重要分支，這也是因為人類獲取信息最主要的方式之一就是視覺，目前計算機視覺已經在商業市場發揮價值，比如人臉識別;自動駕駛中讀取交通信號和注意行人以導航;工業機器人用來檢測問題控制過程;三維環境的重建圖像的處理等等。這些概念既有區分也有一定範圍的重疊。

　　其中，2006年開始，Hinton引發的深度學習熱潮開始蔓延，在一定程度上帶動了AI的又一次崛起，十年中，在包括語音識別、計算機視覺、自然語言處理在內的多個領域取得重大突破，並向應用領域延伸，正發展的如火如荼。

　　在AR的核心技術中，3D環境理解、3D交互理解和計算機視覺、深度學習都有著緊密的聯繫。3D環境理解在學術界裡主要對應的是計算機視覺領域，而近年來深度學習在計算機視覺中得到廣泛應用。交互方面，更趨自然的交互方式如手勢和語音在硬體終端的使用，得益於近幾年深度學習在相關領域的突破。也可以說，深度學習在AR中應用主要在視覺關鍵技術。

　　目前，AR最常見的形式是2D圖片掃描識別，如騰訊QQ-AR火炬活動、支付寶五福等多數AR營銷中所見，用手機掃描識別圖出現疊加的內容，但主要的研發方向還在3D物體識別和3D場景建模。

　　現實的物體是以3D形態存在的，有不同的角度和空間方位。所以一個自然的擴展就是從2D圖片識別到3D物體識別，識別物體的類別和姿態，深度學習可以用在這裡。以水果識別為例，識別不同類別的水果，並且給出定位區域，即集成了物體識別與檢測的功能。

　　3D場景建模，從識別3D物體擴大到更大更複雜的3D區域。比如識別場景裡面有哪些東西、它們的空間位置和相互關係等等，這就是3D場景建模，是AR比較核心的技術。這其中涉及目前熱門的SLAM(實時定位與地圖構建)。通過掃描某個場景，然後在上面疊加虛擬戰場等三維虛擬內容。如果只是基於普通2D圖像識別就需要有特定的圖片，而在圖片不可見時會識別失敗。而在SLAM技術裡面，即使特定平面不存在，但是空間定位依然非常精確，就是因為有周圍3D環境的幫助。

　　這裡想探討下深度學習和SLAM技術的融合，計算機視覺大體上可以分兩個流派，一種基於學習的思路，例如特徵提取-特徵分析-分類，目前深度學習技術在這一路線上取得了主導性的地位。另外一種路線是基於幾何的視覺，從線條、邊緣、3D形狀推出物體的空間結構信息，代表性的技術就是SFM/SLAM。基於學習的方向上深度學習基本上一統天下，但是在基於幾何視覺的領域，目前相關的進展還很少。從學術界而言，深度學習技術的研究進展可以說日新月異，而SLAM技術最新十年的進展相對較少。在國際視覺頂級會議ICCV 2015年度組織的SLAM技術專題討論會上，基於近年深度學習在視覺其它領域的快速發展，有與會專家曾提出SLAM中採用深度學習的可能性，但是目前還沒有成熟的思路。總體而言，短期內將深度學習和SLAM融合是一個值得研究的方向，長遠來看聯合語義和幾何信息是一個非常有價值的趨勢。因此，SLAM+DL值得期待。

　　在交互方式方面，主要的包括語音識別和手勢識別，語音識別在目前已經取得了較大進展，國內如百度、科大訊飛、雲知聲等都是其中的佼佼者，AR公司更想突破的是手勢識別的成熟商業化。

　　「亮風臺展示過的一款基於深度學習的手勢識別系統，主要定義了上下左右、順時針、逆時針六種手勢」亮風臺工作人員告訴青亭網，先實現人手的檢測和定位，然後通過識別相應的手勢軌跡來實現對人手勢的識別。雖然人臉識別等其他人工智慧熱門領域在AR中也有使用，但不是AR公司重要的研發方向。

　　以上不難看出，AR的底層技術或者說基礎部分是計算機視覺以及關聯領域的融合，而當下熱門的深度學習和AR的結合，也是算法工程師們的努力方向。這也是AR為計算機視覺與人機互動的交叉學科，AR的基礎是人工智慧和計算機視覺等說法的依據。

　　圖：計算機視覺與AR流程關聯

　　在去年今日頭條發布的《人工智慧影響力報告》中也簡單統計了人工智慧科學家的分布情況，這其中包括人臉識別、語音識別、機器人、AR、晶片等領域的公司與大型研發機構，高端研發人員的分布也說明了AI領域的細分方向。

　　那AR究竟是不是人工智慧?

　　對AR從業者來說，理想的狀態是用更智能的AR終端去取代智慧型手機，所以對於用戶來說接觸使用AR首先受影響的是內容，其次是終端，AR產業鏈可以粗略劃分為技術提供商、智能終端研發公司，以及AR內容提供商。在這其中，AR設備提供商不可避免關注硬體技術，如底層的晶片、電池、光學鏡片等，以及硬體本身的性能優化，而內容提供商更傾向於在現有技術基礎上優化內容及表現。所以我們可以說AR技術提供商，或者說在底層算法研發上有一定成績的AR公司是人工智慧公司。

　　對公司來說，特別是創企會把底層技術轉化為成熟的產品或服務，這可能是如無人機、AR智能終端、機器人等，也可能是行業解決方案，以達到商業目的，並且這已經成為在沸騰聲音之後，媒體、企業以及大眾對AI企業的期待和要求。近期，人工智慧產業發展聯盟(AIIA)出版的圖書《人工智慧浪潮：科技改變生活的100個前沿AI應用》將對外發布，以及涵括了目前巨頭公司以及創企在商業化上的前沿成果，也直接反映了AI目前的主要商業化方向。

　　作為技術驅動的商業領域，無論是AR還是人工智慧的其他多數方向，技術距離完全成熟還有很長的路程要走，在整個產業鏈逐漸繁榮，關注商業化實現的同時，也需要有更多公司機構去不斷拓展技術邊界，建立核心競爭力，讓行業爆發更大的價值與潛力，如此，AI時代中國彎道超車當可期。