在AlphaGo的升級(jí)版化身“神秘棋手”Master以60勝0負(fù)1平的戰(zhàn)績橫掃人類圍棋高手之后，人工智能又一次成功挑戰(zhàn)人類大腦。這一次是在“人臉識(shí)別”領(lǐng)域。
在《最強(qiáng)大腦》的首場“人機(jī)大戰(zhàn)”中，百度人工智能在跨年齡識(shí)別的任務(wù)上以3：2的比分險(xiǎn)勝最強(qiáng)大腦代表王峰。
在此前，從深藍(lán)到AlphaGo的多次人機(jī)大戰(zhàn)中，交鋒的重點(diǎn)包括記憶能力、邏輯推理、計(jì)算能力等，這一次人工智能要挑戰(zhàn)的，除了這些之外，還包括人類經(jīng)過幾百萬年進(jìn)化的聽覺、視覺等感官天賦。
在北京大學(xué)心理學(xué)系教授魏坤琳看來，在這個(gè)專業(yè)方向上，人工智能的準(zhǔn)確率已經(jīng)達(dá)到很高的水準(zhǔn)，下一步應(yīng)該是提高運(yùn)算的效率和能耗。“如果這個(gè)時(shí)代，人工智能這么快地來到的話，我們應(yīng)該怎么做才能夠更好地發(fā)揮我們的能力，更好地發(fā)展，和更好地生存?！?/p>
人臉識(shí)別背后：微整形、雙胞胎、跨年齡
與百度人工智能進(jìn)行首場“人機(jī)大戰(zhàn)”的90后選手王峰堪稱“腦王”。2011年時(shí)，他曾以5分鐘記憶500個(gè)數(shù)字、1小時(shí)記2660個(gè)數(shù)字、聽記300個(gè)英文數(shù)字的成績打破3項(xiàng)世界紀(jì)錄，獲得世界腦力錦標(biāo)賽上“世界記憶總冠軍”，并打破快速記憶撲克牌的世界紀(jì)錄。
“世界記憶之父”托尼博曾高度評(píng)價(jià)他：“王峰的紀(jì)錄在今后幾年恐怕都沒有外國選手可以打破，王峰是比賽有史以來最優(yōu)秀的一名選手。而他所在的‘中國記憶精英戰(zhàn)隊(duì)’是全球最頂尖的記憶團(tuán)隊(duì)?！?/p>
這一次，王峰和百度人工智能比拼的是人臉識(shí)別中的跨年齡識(shí)別。按照比賽規(guī)則，第一輪由章子怡從20張蜜蜂少女隊(duì)成員童年照中挑出2張高難度照片，選手通過平均只有三秒的動(dòng)態(tài)錄像表演將所選童年照和在場的成年少女相匹配；第二輪人機(jī)共同觀察一位30歲以上的觀眾，隨后將他從30張小學(xué)集體照中找出。
節(jié)目組測試跨年齡人臉識(shí)別評(píng)測結(jié)果
百度首席科學(xué)家吳恩達(dá)坦言，在這次比賽中，百度選擇的競賽項(xiàng)目對(duì)于機(jī)器來說非常困難，對(duì)于人類來說相對(duì)容易。因?yàn)闄C(jī)器沒有直覺，也并沒有久遠(yuǎn)的進(jìn)化歷史，只能靠分析數(shù)據(jù)來學(xué)習(xí)?！疤貏e對(duì)于識(shí)別整容、化濃妝或者十幾年跨度的照片，我們并沒有大量的數(shù)據(jù)可以分析?！?/p>
可以看到的是，這兩輪比賽的技術(shù)難點(diǎn)一方面在于蜜蜂少女隊(duì)人員眾多且每個(gè)人在賽場上化妝表演， 不排除有微整形、戴美瞳等因素干擾。此外，挑選的童年照都在0—4歲范圍內(nèi)，與現(xiàn)在的年齡跨度較大。而第二回合樣本容量大，30張集體照大約需要在1000-2000個(gè)人臉中找到對(duì)應(yīng)的人，年齡跨度也覆蓋在80、90后等年齡層中。同時(shí)，比賽現(xiàn)場有實(shí)時(shí)照片傳輸、現(xiàn)場攝影機(jī)捕捉人臉圖像晃動(dòng)、燈光干擾等因素都會(huì)影響人工智能的識(shí)別準(zhǔn)確率。
經(jīng)過幾分鐘的屏氣凝神，第一位童年照的主人輕松被雙方找到。然而在確認(rèn)第二張童年照的主人時(shí)，百度大腦卻打出了兩份有著萬分之一概率不同的答案。百度首席科學(xué)家吳恩達(dá)教授解釋說，這是因?yàn)閮煞荽鸢傅母怕屎芙咏?，極有可能是現(xiàn)場有一對(duì)雙胞胎。
人工智能識(shí)別相似度極高的雙胞胎
最終，小度機(jī)器人用概率地找到了答案，這一輪，王峰惜??；接下來雙方在超過千人的合影中都準(zhǔn)確找到了對(duì)應(yīng)的人。
有意思的是，在比賽結(jié)束之后，有媒體提問百度深度學(xué)習(xí)實(shí)驗(yàn)室主任（IDL）林元慶：“如果讓打敗幾乎所有圍棋高手的AlphaGo和百度大腦比試一場，到底誰會(huì)贏？”
林元慶給出的答案是：谷歌和百度二者選擇的方向，特別是“人機(jī)大戰(zhàn)”的方向非常不一樣。“去年AlphaGo出來的時(shí)候，我們正在投入非常大的力量在無人車，百度內(nèi)部沒有做圍棋的項(xiàng)目。”
人臉識(shí)別技術(shù)解密
在人類大腦中，有特定的腦區(qū)（Fusiform face area（FFA）去負(fù)責(zé)圖像識(shí)別。王峰提到，自己在識(shí)別人臉的過程中，會(huì)先觀察照片上的人臉特征，例如鼻子兩側(cè)、嘴角、耳朵等等，然后記住這些特征，再進(jìn)行匹配。相比之下，人工智能的識(shí)別有怎樣的不同？
林元慶告訴第一財(cái)經(jīng)記者，通常情況下，人臉識(shí)別主要包括人臉檢測、人臉圖像預(yù)處理、人臉圖像特征提取、人臉圖像匹配與識(shí)別四個(gè)步驟。目前百度人臉測試集有2百萬人的2億張圖片作為訓(xùn)練樣本數(shù)據(jù)。
人臉識(shí)別流程圖
其中，人臉檢測主要包括根據(jù)眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之間的幾何位置關(guān)系來檢測人臉，即在在一副圖像或一序列圖像（比如視頻）中判斷是否有人臉,若有則返回人臉的大小、位置等信息。
人臉識(shí)別
而由于系統(tǒng)獲取的原始圖像由于受到各種條件的限制和隨機(jī)干擾，往往不能直接使用，必須在圖像處理的早期階段對(duì)它進(jìn)行灰度校正、噪聲過濾等圖像預(yù)處理。
人臉圖像預(yù)處理
人臉圖像的預(yù)處理主要包括人臉對(duì)準(zhǔn)，人臉圖像的增強(qiáng)，以及歸一化等工作。其中，人臉對(duì)準(zhǔn)是為了得到人臉位置端正的人臉圖像；圖像增強(qiáng)是為了改善人臉圖像的質(zhì)量，不僅在視覺上更加清晰圖像，而且使圖像更利于計(jì)算機(jī)的處理與識(shí)別；歸一化工作的目標(biāo)是取得尺寸一致，灰度取值范圍相同的標(biāo)準(zhǔn)化人臉圖像。
人臉特征提取就是針對(duì)人臉的某些特征進(jìn)行的。人臉特征提取，也稱人臉表征，它是對(duì)人臉進(jìn)行特征建模的過程。
人臉識(shí)別就是將待識(shí)別的人臉特征與已得到的人臉特征模板進(jìn)行比較，根據(jù)相似程度對(duì)人臉的身份信息進(jìn)行判斷。這一過程又分為兩類：
一類是人臉確認(rèn)，是一對(duì)一進(jìn)行圖像比較的過程，將某人面像與指定人員面像進(jìn)行一對(duì)一的比對(duì)，根據(jù)其相似程度(一般以是否達(dá)到或超過某一量化的可信度指標(biāo)/閥值為依據(jù))來判斷二者是否是同一人。
另一類是人臉辨認(rèn)，是一對(duì)多進(jìn)行圖像匹配對(duì)比的過程。將某人面像與數(shù)據(jù)庫中的多人的人臉進(jìn)行比對(duì)(有時(shí)也稱“一對(duì)多”比對(duì))，并根據(jù)比對(duì)結(jié)果來鑒定此人身份，或找到其中最相似的人臉，并按相似程度的大小輸出檢索結(jié)果。
影響人臉識(shí)別的因素有：光照、人臉姿態(tài)、遮擋程度；影響特征提取的因素有：光照、表情、遮擋、年齡、模糊是影響人臉識(shí)別精度的關(guān)鍵因素。
例如，在雙胞胎識(shí)別上，人臉識(shí)別是在臉部骨骼上取盡可能多的點(diǎn)，通過計(jì)算機(jī)把這些點(diǎn)分別與自己已經(jīng)存儲(chǔ)的臉比較，有差別就判斷出來。而雙胞胎之所以會(huì)不容易識(shí)別，就是因?yàn)楣趋捞嗨?，?dǎo)致差別特別細(xì)微，如果選取的面部骨骼點(diǎn)不夠多，就無法進(jìn)行識(shí)別。
而跨年齡階段人臉識(shí)別中影響的因素更多：一方面，類內(nèi)變化通常會(huì)大于類間變化，這造成了人臉識(shí)別的巨大困難。同時(shí)，跨年齡的訓(xùn)練數(shù)據(jù)難以收集。沒有足夠多的數(shù)據(jù)，基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)很難學(xué)習(xí)到跨年齡的類內(nèi)和類間變化。
基于第一點(diǎn)，百度IDL的人臉團(tuán)隊(duì)選擇用度量學(xué)習(xí)的方法。即通過學(xué)習(xí)一個(gè)非線性投影函數(shù)，把圖像空間投影到特征空間中。在這個(gè)特征空間里，跨年齡的同一個(gè)人的兩張人臉的距離會(huì)比不同人的相似年齡的兩張人臉的距離要小。
針對(duì)第二點(diǎn)，考慮到跨年齡人臉的稀缺性，百度IDL用一個(gè)用大規(guī)模人臉數(shù)據(jù)訓(xùn)練好的模型作為底座，然后用跨年齡數(shù)據(jù)對(duì)他做更新。這樣不容易過擬合。而將這兩點(diǎn)結(jié)合起來做端到端的訓(xùn)練，可以大幅度提升跨年齡識(shí)別的識(shí)別率。
打敗人類不是終極目的
從打敗幾乎所有圍棋高手的AlphaGo，到首場人機(jī)大戰(zhàn)中戰(zhàn)勝人類大腦的百度大腦，未來人工智能是否將顛覆人類世界？
在羅輯思維羅振宇眼里，人工智能不僅僅是人類的延伸，更是人類的替代。他援引尤瓦爾·赫拉利在新書《未來簡史》中的觀點(diǎn)，“未來可能出現(xiàn)一種沒用的人。如果人工智能足夠強(qiáng)大，愿意毫無怨言地被剝削、被奴役，那有的人類可能連被剝削的價(jià)值都沒有了。近在眼前的是一系列職業(yè)的消失?！?/p>
而在北京大學(xué)心理學(xué)系教授魏坤琳看來，機(jī)器贏了就機(jī)器贏了，這是科技發(fā)展的必然結(jié)果。這天遲早會(huì)到來，只是來的早和晚的事情。
“任何新技術(shù)出現(xiàn)的時(shí)候老百姓都恐慌，汽車出現(xiàn)恐慌，火車出現(xiàn)恐慌，計(jì)算機(jī)出現(xiàn)恐慌。這個(gè)是終極恐慌人工智能的出現(xiàn)，可能讓很多一般智力活動(dòng)（包括很多白領(lǐng)的工作）甚至專業(yè)人員（包括某些領(lǐng)域的醫(yī)生）的工作受到威脅。但是，我覺得人類的整體的失業(yè)率不一定會(huì)下滑，有些的工作死了，新的工作又產(chǎn)生了?！?魏坤琳說。
林元慶則認(rèn)為，人工智能替代人類，可能會(huì)替代一些比較低端的工作，例如汽車工廠里的流水線機(jī)器人， “人工智能威脅到人類，這個(gè)事情我們的觀點(diǎn)覺得很遙遠(yuǎn)?！?/p>
他告訴記者，百度的目的不是宣傳人工智能打敗了人類，最重要的是看一看百度的人工智能已經(jīng)到了怎么樣的水平。
目前，圍繞人工智能人臉識(shí)別的行業(yè)應(yīng)用包括如金融領(lǐng)域的遠(yuǎn)程預(yù)授信、人臉識(shí)別閘機(jī)等。
例如，遠(yuǎn)程預(yù)授信依靠的是以大數(shù)據(jù)和人工智能為基礎(chǔ)的嚴(yán)謹(jǐn)風(fēng)控體系。借助大數(shù)據(jù)+人工智能技術(shù)，風(fēng)控部門為有信貸需求的群體繪制用戶畫像，建立信用體系，加上圖像識(shí)別等人工智能技術(shù)的實(shí)際應(yīng)用，構(gòu)成了遠(yuǎn)程授信的技術(shù)基礎(chǔ)。
人臉識(shí)別用于金融行業(yè)身份認(rèn)證
不過，在人臉識(shí)別領(lǐng)域，目前人工智能并不完美。
林元慶告訴記者，百度大腦所用的深度學(xué)習(xí)的方法，可以從海量的數(shù)據(jù)里面學(xué)到的是共性，但如果說一個(gè)人嘴邊長了一顆痣，機(jī)器學(xué)習(xí)就比較難，因?yàn)檫@不是共性。對(duì)于那些比較獨(dú)特的、個(gè)性化的特征，目前人工智能還沒有很好的利用。
再如識(shí)別“貓”，就算是3歲的小孩，貓擺出不同的姿勢，各種各樣的貓都能夠很好地識(shí)別。而機(jī)器如果實(shí)現(xiàn)精確的識(shí)別，后面需要非常海量的數(shù)據(jù)訓(xùn)練，可能是成千上萬的數(shù)據(jù)。訓(xùn)練的結(jié)果還不一定正確，下一次碰到姿勢不一樣的貓，有可能又識(shí)別錯(cuò)?！半m然我們?nèi)斯ぶ悄芗夹g(shù)過去幾年取得了長足的進(jìn)步，但是識(shí)別還是一個(gè)非常難的事情?！?/p>
聯(lián)系客服
