眾所周知，視頻已然成為我們生活中不可或缺的一部分了。無論是在日常的休閑，抑或是工作之中，視頻都起到了一個信息傳遞的介質(zhì)作用。而且與同為介質(zhì)的圖文相比，視頻具有信息量大，更為直觀等諸多優(yōu)勢。也正因于此，視聯(lián)網(wǎng)應(yīng)運而生，作為以視頻作為主要信息傳遞介質(zhì)和功能載體的下一代互聯(lián)網(wǎng)形態(tài)，其必將顛覆當(dāng)前圖文生態(tài)的互聯(lián)網(wǎng)形態(tài)，引發(fā)新一輪互聯(lián)網(wǎng)生態(tài)的激烈競爭。

作為一個新興的概念，視聯(lián)網(wǎng)的定義勢必需要人來劃分。極鏈科技作為領(lǐng)頭羊，提出了視聯(lián)網(wǎng)的四階段，即嬰兒-成長-青年-成熟。其中嬰兒期便是我們目前所處的階段，也就是所謂的“猜你所想”。

在視聯(lián)網(wǎng)的這個起點，人們剛剛學(xué)會如何利用AI技術(shù)打破視頻的信息壁，并能夠利用視頻信息進行初步的商業(yè)應(yīng)用。在這一階段中，對于視頻信息的解讀和利用是比較有限的，表現(xiàn)為數(shù)據(jù)維度較少、可辨識的類別有限。這主要是受限于視頻數(shù)據(jù)的數(shù)據(jù)量和標(biāo)識量。當(dāng)前以深度學(xué)習(xí)多層神經(jīng)網(wǎng)絡(luò)算法為主流的AI技術(shù)需要大量經(jīng)過標(biāo)識的視頻數(shù)據(jù)作為訓(xùn)練AI算法的養(yǎng)料，但數(shù)據(jù)的標(biāo)識需要大量的人力投入，同時視頻內(nèi)容的版權(quán)和信息安全問題也制約了視頻數(shù)據(jù)的傳播。人力與數(shù)據(jù)共同限制著視頻識別能力的提升。

為了最大化的利用識別出的有限信息，嬰兒期的視聯(lián)網(wǎng)應(yīng)用表現(xiàn)出了典型的“預(yù)期-推送”模式。在這一模式中，本質(zhì)上是利用外部已有的用戶行為大數(shù)據(jù) (抑或是常識)對觀看用戶的心態(tài)和行為進行預(yù)判，進而在計算機解析出的場景信息中挑選出那些被認為是最能引起觀眾共鳴的場景，推送與之相關(guān)的應(yīng)用服務(wù)。

近日谷歌發(fā)布的手勢跟蹤AI也與之有著相通之處，其管道中的最后一步是手勢識別系統(tǒng)，通過從關(guān)節(jié)角度確定每個手指的狀態(tài)并將手指狀態(tài)集合映射到預(yù)定義的手勢，它能夠識別來自多種文化的技術(shù)手勢和各種手勢。也就是說，只有在擁有大量樣本的情況下，才能將現(xiàn)場采集的數(shù)據(jù)與后臺預(yù)設(shè)的數(shù)據(jù)一一對應(yīng)，也就是典型的嬰兒期視聯(lián)網(wǎng)特征。

而當(dāng)視聯(lián)網(wǎng)來到成熟期時，從技術(shù)便利性的角度出發(fā)，我們可以對視聯(lián)網(wǎng)的成熟形態(tài)作出大膽而又堅實的想象：在視聯(lián)網(wǎng)的成熟期，借助可穿戴智能設(shè)備、尤其是智能眼鏡的普及，人所見的一切信息都將被攝像頭捕捉并在極短的時間內(nèi)處理成計算機可以識別的視頻信息。此時，人們從視覺信息中激發(fā)的所有需求都能得到直接的響應(yīng)。通過語言、手勢、眼動捕捉等多種形式，計算機能夠接收到人們提出的需求，并結(jié)合捕捉到的視頻信息明確需求的內(nèi)容和對象，進而調(diào)用互聯(lián)網(wǎng)的相關(guān)應(yīng)用和服務(wù)來滿足人的需求。

也就是說，視聯(lián)網(wǎng)將在體驗方面做到“知你所想”。人眼觀察所能認知的一切信息都將被計算機捕獲，甚至超越人眼的可辨識范疇的信息都將被計算機掌握。屆時，視聯(lián)網(wǎng)將不再是通過預(yù)設(shè)的對比來進行統(tǒng)籌，而是以一種更加多樣化的方式來實現(xiàn)瞬時的技術(shù)支持。人們頭腦中浮現(xiàn)的需求便能隨時被實現(xiàn)，這也是視聯(lián)網(wǎng)建設(shè)的目標(biāo)。