如何通过改造IT来应对新冠病毒疫情的

在这次演习中，志愿者们允许负责机构使用他们的面部信息。这是早期进行面部识别方式——研究人员煞费苦心地争取人们的同意，将收集的人脸纳入他们的数据库当中。

如今，公司已经成为人脸识别领域的佼佼者，他们如果认为向海量被识别者征求同意是一件麻烦事，他们可能就不会再多此一举了。

包括Kairos在内的行业领军企业正在人脸识别软件市场展开竞争。他们的客户群体涉及执法人员、零售商、甚至高中学生。

MRFR的数据显示，这个市场的规模每年增长20%，预计到2022年将达到每年90亿美元的规模。

在制作最佳软件的这场角逐中，获胜者将是那些算法能够高精度地识别面部，不会产生误报的公司。与人工智能的其他领域一样，创建最佳面部识别算法意味着要收集大量面部数据来完成训练。

虽然公司可以使用政府和大学编制的数据集合，如耶鲁大学的人脸数据库，但这些数据集相对较小，包含的人脸不超过几千张。

这些官方数据集还有其他限制，其中许多缺乏种族多样性，或者无法辨认出改变现实人脸的条件，比如阴影、帽子或妆容。

为了建立能够在实战中辨认出个体面部的识别技术，公司需要更多的图像来做实验。

面部识别软件公司FaceFirst位于加利福尼亚，他们公司帮助零售商辨别犯罪分子，防止他们进入商店。

公司的首席执行官Peter Trepp说道，“数百张不够，数千张还不够。你需要数百万张图片。如果你没有将戴眼镜的人或有色人种收录进数据库，你将得不到准确的结果。”

故事要从一个APP说起

软件公司从那些途径可以获得数百万张图像来训练软件呢？

其中之一便是警局的图片数据库。软件公司可以在州政府机构公开获得这些数据库，也可以从私人公司进行购买。Vigilant Solutions公司就提供1500万张面孔，可以用来“解决”人脸识别软件训练的难题。

然而，一些初创公司已经找到了更好的面孔来源：个人相册应用。

这些应用程序可以编辑存储在个人手机上的照片，而且通常都包含同一个人的摆出多种姿势和身处不同情境图像，这可是丰富的训练数据源。

Ever AI的首席执行官Doug Aley说道：“我们有同一个人身处数千种不同的场景的图象。即便是戴着帽子站在阴影中，你也能准确地辨认出来。”

Ever AI是旧金山一家面部识别初创公司，于2012年以EverRoll为名成立，公司的应用程序帮助用户管理日益膨胀的照片收藏。

目前，Ever AI已经从Khosla Ventures以及其他硅谷风险投资公司筹集了2900万美元，参加了NIST最近举行的面部识别竞赛，并在比赛的“Mugshots”类别中排名第二。在“Faces in the Wild”类别中排名第三。

Aley认为，自己公司庞大的照片数据库取得了成功，Ever AI数据库的图片数量估计达到130亿张。

早期，Ever AI仅仅是一个照片应用程序，当时，这家公司激进的营销举措引发了争议，导致Apple在2016年暂时从App Store暂时下架了EverRoll。

最让人记忆深刻的大概是，该应用程序诱使用户向所有手机联系人发送促销链接。用户还指责该应用程序窃取了他们的信息。



 

Kubernetes的出现帮助许多人利用了轻松扩展无状态工作负载的优势，但是他们仍然面临着管理数据库来提供记录关键任务系统的工作负载的挑战。迄今为止，平台和业务目标之间存在不匹配的问题，这些目标使许多关键工作负载无法进行迁移。内部部署数据库通常难以迁移到云平台。为了获得成功，IT决策者需要选择如何大规模管理和记录工作负载的关键任务系统，以解决云计算的分布式问题。

趋势2：Kubernetes的兴起

在发生疫情之前，云原生计算基金会(CNCF)指出，随着越来越多的组织转向灵活高效的DevOps环境，Kubernetes的采用率有所提高。发生的疫情可能会进一步推动Kubernetes在需要适应新常态的IT决策者中的普及程度。他们看到了基础设施面临的压力，并被迫更改其业务模式，这意味着他们需要快速迭代并引入新的应用程序，才能满足这种超级动态并且有些混乱的业务环境。

Kubernetes为这种快速变化提供了一个平台。但是这些变化对数据意味着什么?传统数据库无法跟上全球分散交易量的大幅增长。发生的疫情迫使IT架构师以更快的速度过渡到现代动态系统，否则将面临灭顶之灾。

（编辑：鹤壁站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!