我們在上一篇文章《計算機視覺是什么》中提到，計算機視覺是人工智能的一項關鍵能力。

但計算機視覺目前也有不足：即使經過大量數據訓練，分類器仍然會犯錯。那么如何才能提高計算機視覺的精確度？并讓它發揮更大的作用呢？

提高計算機視覺的精確度

研究人員曾利用一個訓練過的 AlexNet 神經網絡來打造另一個可以識別吉他的 AlexNet 網絡，通過可信度評級（ confidence rating ），后者繪制出了可信度高達 99% 的吉他圖像。

這表明神經網絡有著巨大的潛力，通過持續改進，我們可以用更少的數據得到滿意的結果。

有了合理訓練過的模型，和高相關性的數據提升精確度，計算機視覺的未來應用不可限量。

讓生活更安全

計算機視覺可以讓我們的生活更安全。比如，利用計算機視覺掃描虹膜和指紋，我們可以更方便地管理進入辦公室建筑的人群，還能檢索人們的病歷或犯罪記錄。

這確實會帶來潛在的數據隱私問題 ——這也是Qualcomm將重點放在終端側人工智能上的原因：將用戶數據保留在設備上，大大降低了隱私風險。

在網絡安全方面，計算機視覺也已經發揮著重要作用，例如，在一些視頻網站上，當用戶試圖上傳恐怖主義內容時，人工智能系統會分析是否與已知的恐怖主義視頻相匹配，一旦確認匹配，用戶將無法上傳。

優化基礎設施

計算機視覺也可以提高道路的質量，通過讓機器更快、更準確地檢測表面的微小缺陷，我們可以提高道路驗收效率。

此外，計算機視覺還可以優化城市交通管理。以前，只有在發生事故后我們才能確定哪些路段比較危險。但計算機視覺能識別出那些潛在的交通事故，并加以分類。借助這些數據，我們可以采取更主動的措施來避免交通事故。決策者在規劃時也可充分使用這些數據，避免構建高危的交叉路口。

隨著能力的日漸提升，計算機視覺可以消除我們生活中的許多麻煩，讓我們專注于最重要的事情。

Qualcomm一直致力打造“隨叫隨到”的終端側人工智能，同時也在研究更高效的人工智能硬件。