AR/VR常作為孿生兄弟被相提并論,，被普遍認(rèn)為為應(yīng)用層新技術(shù)或者說是“智能可穿戴設(shè)備”,，相比人工智能相對(duì)的“算法”標(biāo)簽，顯得不夠有深度有內(nèi)涵高大上,，那AR和人工智能之間到底是什么關(guān)系?AR屬不屬于當(dāng)下我們認(rèn)知中的人工智能?

　　2018年3月,，上海市經(jīng)濟(jì)和信息化委員會(huì)公示了2018年第一批本市人工智能創(chuàng)新發(fā)展專項(xiàng)擬支持項(xiàng)目?！耙还灿?9家創(chuàng)新企業(yè)入圍,，亮風(fēng)臺(tái)作為AR公司也入圍此次支持項(xiàng)目”亮風(fēng)臺(tái)工作人員告訴青亭網(wǎng)，這不是AR企業(yè)第一次被劃歸到人工智能,，但這種歸類方式也并不常見,。據(jù)了解此專項(xiàng)由經(jīng)信委與市財(cái)政局聯(lián)合開展，擬支持金額超過1億,。

　　簡單梳理下AR的核心技術(shù)

　　AR(Augmented Reality),，是在現(xiàn)實(shí)世界中疊加虛擬信息,，也即給現(xiàn)實(shí)做“增強(qiáng)”，這種增強(qiáng)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(xiàn)實(shí)的世界和虛擬的世界融合在一起。

　　其中,，對(duì)現(xiàn)實(shí)世界的認(rèn)知主要體現(xiàn)在視覺上,，這需要通過攝像機(jī)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(shí)現(xiàn)對(duì)三維世界環(huán)境的感知理解，比如場景的3D結(jié)構(gòu),，里面有什么物體,，在空間中的什么地方。而3D交互理解的目的是告知系統(tǒng)要“增強(qiáng)”的內(nèi)容,。

　　圖.典型AR流程

　　這其中有幾個(gè)關(guān)鍵點(diǎn)：

　　首先是3D環(huán)境理解,。要理解看到的東西，主要依靠物體/場景的識(shí)別和定位技術(shù),。識(shí)別主要是用來觸發(fā)AR響應(yīng),，而定位則是知道在什么地方疊加AR內(nèi)容。定位根據(jù)精度的不同也可以分為粗定位和細(xì)定位,，粗定位就是給出一個(gè)大致的方位,，比如區(qū)域和趨勢(shì)。而細(xì)定位可能需要精確到點(diǎn),，比如3D坐標(biāo)系下的XYZ坐標(biāo),、物體的角度。根據(jù)應(yīng)用環(huán)境的不同,，兩種維度的定位在AR中都有應(yīng)用需求,。在AR領(lǐng)域，常見的檢測(cè)和識(shí)別任務(wù)有人臉檢測(cè),、行人檢測(cè),、車輛檢測(cè)、手勢(shì)識(shí)別,、生物識(shí)別,、情感識(shí)別、自然場景識(shí)別等,。

　　在感知現(xiàn)實(shí)3D世界并和虛擬內(nèi)容融合后,，需要以一定方式將這種虛實(shí)融合信息呈現(xiàn)出來，這里面需要的就是AR中的第二個(gè)關(guān)鍵技術(shù)：顯示技術(shù),， 目前大多數(shù)的AR系統(tǒng)采用透視式頭盔顯示器,，這其中又分為視頻透視和光學(xué)透視,，其他的代表有光場技術(shù)(主要因Magic Leap而顯名)、全息投影(在科幻影視劇作品中常出現(xiàn))等,。

　　AR中的第三個(gè)關(guān)鍵技術(shù)在于人機(jī)交互,，用以讓人和疊加后的虛擬信息互動(dòng)，AR追求在觸摸按鍵之外自然的人機(jī)交互方式,，比如語音,、手勢(shì)、姿態(tài),、人臉等,，用的比較多的語音跟手勢(shì)。

　　人工智能和AR的技術(shù)關(guān)聯(lián)

　　在人工智能領(lǐng)域有幾個(gè)概念常被提及,，如深度學(xué)習(xí)(DL),、機(jī)器學(xué)習(xí)(ML)，在學(xué)術(shù)領(lǐng)域包括人工智能(AI)在內(nèi)幾大領(lǐng)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能，涵括所有“讓機(jī)器像人一樣”的技術(shù)的應(yīng)用方向,。

　　從這張圖也可以簡單一窺三者的關(guān)系,，深度學(xué)習(xí)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)的一種技術(shù)方式，而機(jī)器學(xué)習(xí)是為了讓機(jī)器變得智能,，去達(dá)到人工智能,。可以說人工智能是最終目標(biāo),，而機(jī)器學(xué)習(xí)是為了實(shí)現(xiàn)這個(gè)目標(biāo)延伸出的一個(gè)技術(shù)方向,。在這其中，還有另一個(gè)重要概念為計(jì)算機(jī)視覺(CV),，主要來研究如何讓機(jī)器像人去“看”,，是目前人工智能概念中的一個(gè)重要分支，這也是因?yàn)槿祟惈@取信息最主要的方式之一就是視覺,，目前計(jì)算機(jī)視覺已經(jīng)在商業(yè)市場發(fā)揮價(jià)值，比如人臉識(shí)別;自動(dòng)駕駛中讀取交通信號(hào)和注意行人以導(dǎo)航;工業(yè)機(jī)器人用來檢測(cè)問題控制過程;三維環(huán)境的重建圖像的處理等等,。這些概念既有區(qū)分也有一定范圍的重疊,。

　　其中，2006年開始,，Hinton引發(fā)的深度學(xué)習(xí)熱潮開始蔓延,，在一定程度上帶動(dòng)了AI的又一次崛起，十年中,，在包括語音識(shí)別,、計(jì)算機(jī)視覺,、自然語言處理在內(nèi)的多個(gè)領(lǐng)域取得重大突破，并向應(yīng)用領(lǐng)域延伸,，正發(fā)展的如火如荼,。

　　在AR的核心技術(shù)中，3D環(huán)境理解,、3D交互理解和計(jì)算機(jī)視覺,、深度學(xué)習(xí)都有著緊密的聯(lián)系。3D環(huán)境理解在學(xué)術(shù)界里主要對(duì)應(yīng)的是計(jì)算機(jī)視覺領(lǐng)域,，而近年來深度學(xué)習(xí)在計(jì)算機(jī)視覺中得到廣泛應(yīng)用,。交互方面，更趨自然的交互方式如手勢(shì)和語音在硬件終端的使用,，得益于近幾年深度學(xué)習(xí)在相關(guān)領(lǐng)域的突破,。也可以說，深度學(xué)習(xí)在AR中應(yīng)用主要在視覺關(guān)鍵技術(shù),。

　　目前,，AR最常見的形式是2D圖片掃描識(shí)別，如騰訊QQ-AR火炬活動(dòng),、支付寶五福等多數(shù)AR營銷中所見,，用手機(jī)掃描識(shí)別圖出現(xiàn)疊加的內(nèi)容，但主要的研發(fā)方向還在3D物體識(shí)別和3D場景建模,。

　　現(xiàn)實(shí)的物體是以3D形態(tài)存在的,，有不同的角度和空間方位。所以一個(gè)自然的擴(kuò)展就是從2D圖片識(shí)別到3D物體識(shí)別,，識(shí)別物體的類別和姿態(tài),，深度學(xué)習(xí)可以用在這里。以水果識(shí)別為例,，識(shí)別不同類別的水果,，并且給出定位區(qū)域，即集成了物體識(shí)別與檢測(cè)的功能,。

　　3D場景建模,，從識(shí)別3D物體擴(kuò)大到更大更復(fù)雜的3D區(qū)域。比如識(shí)別場景里面有哪些東西,、它們的空間位置和相互關(guān)系等等,，這就是3D場景建模，是AR比較核心的技術(shù),。這其中涉及目前熱門的SLAM(實(shí)時(shí)定位與地圖構(gòu)建),。通過掃描某個(gè)場景，然后在上面疊加虛擬戰(zhàn)場等三維虛擬內(nèi)容。如果只是基于普通2D圖像識(shí)別就需要有特定的圖片,，而在圖片不可見時(shí)會(huì)識(shí)別失敗,。而在SLAM技術(shù)里面，即使特定平面不存在,，但是空間定位依然非常精確,，就是因?yàn)橛兄車?D環(huán)境的幫助。

　　這里想探討下深度學(xué)習(xí)和SLAM技術(shù)的融合,，計(jì)算機(jī)視覺大體上可以分兩個(gè)流派,，一種基于學(xué)習(xí)的思路，例如特征提取-特征分析-分類,，目前深度學(xué)習(xí)技術(shù)在這一路線上取得了主導(dǎo)性的地位,。另外一種路線是基于幾何的視覺，從線條,、邊緣,、3D形狀推出物體的空間結(jié)構(gòu)信息，代表性的技術(shù)就是SFM/SLAM,?；趯W(xué)習(xí)的方向上深度學(xué)習(xí)基本上一統(tǒng)天下，但是在基于幾何視覺的領(lǐng)域,，目前相關(guān)的進(jìn)展還很少,。從學(xué)術(shù)界而言，深度學(xué)習(xí)技術(shù)的研究進(jìn)展可以說日新月異,，而SLAM技術(shù)最新十年的進(jìn)展相對(duì)較少,。在國際視覺頂級(jí)會(huì)議ICCV 2015年度組織的SLAM技術(shù)專題討論會(huì)上，基于近年深度學(xué)習(xí)在視覺其它領(lǐng)域的快速發(fā)展,，有與會(huì)專家曾提出SLAM中采用深度學(xué)習(xí)的可能性,，但是目前還沒有成熟的思路?？傮w而言,，短期內(nèi)將深度學(xué)習(xí)和SLAM融合是一個(gè)值得研究的方向，長遠(yuǎn)來看聯(lián)合語義和幾何信息是一個(gè)非常有價(jià)值的趨勢(shì),。因此,，SLAM+DL值得期待。

　　在交互方式方面,，主要的包括語音識(shí)別和手勢(shì)識(shí)別,，語音識(shí)別在目前已經(jīng)取得了較大進(jìn)展，國內(nèi)如百度,、科大訊飛、云知聲等都是其中的佼佼者，AR公司更想突破的是手勢(shì)識(shí)別的成熟商業(yè)化,。

　　“亮風(fēng)臺(tái)展示過的一款基于深度學(xué)習(xí)的手勢(shì)識(shí)別系統(tǒng),，主要定義了上下左右、順時(shí)針,、逆時(shí)針六種手勢(shì)”亮風(fēng)臺(tái)工作人員告訴青亭網(wǎng),，先實(shí)現(xiàn)人手的檢測(cè)和定位，然后通過識(shí)別相應(yīng)的手勢(shì)軌跡來實(shí)現(xiàn)對(duì)人手勢(shì)的識(shí)別,。雖然人臉識(shí)別等其他人工智能熱門領(lǐng)域在AR中也有使用,，但不是AR公司重要的研發(fā)方向。

　　以上不難看出,，AR的底層技術(shù)或者說基礎(chǔ)部分是計(jì)算機(jī)視覺以及關(guān)聯(lián)領(lǐng)域的融合,，而當(dāng)下熱門的深度學(xué)習(xí)和AR的結(jié)合，也是算法工程師們的努力方向,。這也是AR為計(jì)算機(jī)視覺與人機(jī)交互的交叉學(xué)科,，AR的基礎(chǔ)是人工智能和計(jì)算機(jī)視覺等說法的依據(jù)。

　　圖：計(jì)算機(jī)視覺與AR流程關(guān)聯(lián)

　　在去年今日頭條發(fā)布的《人工智能影響力報(bào)告》中也簡單統(tǒng)計(jì)了人工智能科學(xué)家的分布情況,，這其中包括人臉識(shí)別,、語音識(shí)別、機(jī)器人,、AR,、芯片等領(lǐng)域的公司與大型研發(fā)機(jī)構(gòu)，高端研發(fā)人員的分布也說明了AI領(lǐng)域的細(xì)分方向,。

　　那AR究竟是不是人工智能?

　　對(duì)AR從業(yè)者來說,，理想的狀態(tài)是用更智能的AR終端去取代智能手機(jī)，所以對(duì)于用戶來說接觸使用AR首先受影響的是內(nèi)容,，其次是終端,，AR產(chǎn)業(yè)鏈可以粗略劃分為技術(shù)提供商、智能終端研發(fā)公司,，以及AR內(nèi)容提供商,。在這其中，AR設(shè)備提供商不可避免關(guān)注硬件技術(shù),，如底層的芯片,、電池、光學(xué)鏡片等,，以及硬件本身的性能優(yōu)化,，而內(nèi)容提供商更傾向于在現(xiàn)有技術(shù)基礎(chǔ)上優(yōu)化內(nèi)容及表現(xiàn)。所以我們可以說AR技術(shù)提供商,，或者說在底層算法研發(fā)上有一定成績的AR公司是人工智能公司,。

　　對(duì)公司來說,，特別是創(chuàng)企會(huì)把底層技術(shù)轉(zhuǎn)化為成熟的產(chǎn)品或服務(wù)，這可能是如無人機(jī),、AR智能終端,、機(jī)器人等，也可能是行業(yè)解決方案,，以達(dá)到商業(yè)目的,，并且這已經(jīng)成為在沸騰聲音之后，媒體,、企業(yè)以及大眾對(duì)AI企業(yè)的期待和要求,。近期，人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟(AIIA)出版的圖書《人工智能浪潮：科技改變生活的100個(gè)前沿AI應(yīng)用》將對(duì)外發(fā)布,，以及涵括了目前巨頭公司以及創(chuàng)企在商業(yè)化上的前沿成果,，也直接反映了AI目前的主要商業(yè)化方向。

　　作為技術(shù)驅(qū)動(dòng)的商業(yè)領(lǐng)域,，無論是AR還是人工智能的其他多數(shù)方向,，技術(shù)距離完全成熟還有很長的路程要走，在整個(gè)產(chǎn)業(yè)鏈逐漸繁榮,，關(guān)注商業(yè)化實(shí)現(xiàn)的同時(shí),，也需要有更多公司機(jī)構(gòu)去不斷拓展技術(shù)邊界，建立核心競爭力,，讓行業(yè)爆發(fā)更大的價(jià)值與潛力,，如此，AI時(shí)代中國彎道超車當(dāng)可期,。