人工智能 (AI) 技术正在飞速发展。随着企业向自动化过渡，对AI技术的需求正在上升。AI在各个行业的垂直领域提供了前所未有的进步，包括广告、医疗、物流、运输等。
由于人工智能技术的迅速采用，对训练数据集的需求呈指数级增长。为了使AI的预测更加通用和准确，许多公司正在通过发布跨各种模型运行的各种数据集来训练机器学习 (ML) 算法来进入市场。这些因素极大地促进了AI市场的增长。
有哪些不同类型的人工智能？
在非常高的层次上，人工智能可以分为两大类：
狭义人工智能
狭义的人工智能是我们今天在计算机中看到的一切——智能系统已经被教导或已经学会了如何执行特定任务，而无需明确编程如何去做。
这种类型的机器智能存在于智能手机上虚拟助手的语音和语言识别系统、自动驾驶汽车的视觉识别系统，或根据用户的喜好推荐可能喜欢的产品的推荐引擎。与人类不同，这些系统只能学习或被教导如何完成定义的任务，这就是为什么它们被称为狭义人工智能。
通用人工智能
通用人工智能非常不同，它是人类中发现的适应性智力类型，是一种灵活的智力形式，能够学习如何执行截然不同的任务，从理发到构建表格或基于其积累的各种主题进行推理经验。
这是在电影中更常见的那种人工智能，比如《终结者》中的天网，但今天并不存在——人工智能专家们对于它多久会成为现实存在激烈的分歧。
通用人工智能能做什么？
人工智能研究人员文森特·C·穆勒 (Vincent C Müller) 和哲学家尼克·博斯特罗姆 (Nick Bostrom) 在 2012/13 年对四组专家进行的一项调查报告称，在 2040 年至 2050 年之间开发通用人工智能 (AGI) 的可能性为 50%，到 2075 年上升到 90%。该小组更进一步，预测所谓的“超级智能”——博斯特罗姆将其定义为“在几乎所有感兴趣的领域都大大超过人类认知能力的任何智力”——预计在 AGI 实现大约 30 年后出现。
然而，人工智能专家最近的评估更加谨慎。现代人工智能研究领域的先驱，如 Geoffrey Hinton、Demis Hassabis 和 Yann LeCun 表示，社会离发展 AGI 还很远。鉴于现代人工智能领域领先者的怀疑以及现代狭义人工智能系统与 AGI 的截然不同的性质，担心通用人工智能将在不久的将来扰乱社会可能没有什么根据。
也就是说，一些人工智能专家认为，鉴于我们对人类大脑的了解有限，这种预测过于乐观，并且认为 AGI 仍有几个世纪的路程。
当前的AI技术依然属于狭义的人工智能，比如人脸识别、目标识别、物体运动轨迹等等。TSINGSEE青犀视频基于多年视频领域的技术经验积累，在人工智能技术+视频领域，也不断研发，将AI检测、智能识别技术融合到各个视频应用场景中，如：安防监控、视频中的人脸检测、人流量统计、危险行为（攀高、摔倒、推搡等）检测识别等。
典型的示例如EasyCVR视频融合云服务，具有AI人脸识别、车牌识别、语音对讲、云台控制、声光告警、监控视频分析与数据汇总的能力。
什么是视频识别？
它是计算机获取、处理和分析来自视觉来源（即视频）的数据的能力。 换句话说，它允许计算机“看到”数千个视频流并“理解”它逐帧接收的信息。
视频跟踪是图像识别和视频识别之间的主要区别之一。 具体来说，它可以在连续视频帧中关联目标对象随时间推移定位移动对象。 视频识别与计算机视觉一样，都依赖于深度学习。
视频识别可以运用在哪里？
比如，你可以为监控摄像头配备经过AI训练的视频识别系统，以检测异常情况。视频流即作为输入。当智能摄像头检测到异常情况时，系统会输出识别结果（比如自动告警）。
使用人工智能的好处
**1、更高质量：**与人不同，算法不会感到疲倦，也不会失去注意力。 AI 模型始终提供可预测的输出。该输出的质量取决于算法的训练程度。
**2、更高的效率：**工作人员无需查看所有的摄像头视频，而只需查看可能出现异常情况的摄像头视频。
**3、连续性：**AI模型不生病，不休假，可以24×7工作。
**4、可扩展性：**一个AI模型可以很容易地复制到其他虚拟机上，以提高处理速度。
**5、 更快的决策：**因为人们能够在更短的时间内完成更多的工作，他们可以加快需要干预的摄像机镜头的决策过程。这在紧急情况下是一个很大的优势。例如，用于安防视频监控等场景的EasyCVR，支持 RTSP / RTMP / HTTP-FLV / WS-FLV / HLS 等视频流格式，支持云端录像、检索、回放、存储等安防视频监控能力，对监控区域的异常情况（陌生人员在周边徘徊、攀爬闯入、打架斗殴、烟火等）进行实时、自动检测与识别，一旦发现异常，及时抓拍、保存，并将报警信息上传至平台，便于进行人工干预。