新年伊始，人類和人工智能的對(duì)壘就已經(jīng)迎來了高潮，首先是谷歌 DeepMind 的 Master 在線上圍棋比賽中連勝 60 場(chǎng)，再次證明了機(jī)器在圍棋這項(xiàng)運(yùn)動(dòng)上已經(jīng)超越了人類。幾天之后，《最強(qiáng)大腦》第四季首期就又迎來了一次重磅的人機(jī)大戰(zhàn)，由植入百度大腦的小度機(jī)器人迎戰(zhàn)世界記憶大師王峰。本次比賽的主題是跨年領(lǐng)的人臉識(shí)別，人類選手識(shí)別對(duì)了兩張照片，小度則答對(duì)了全部三張照片，甚至包括一張雙胞胎照片，從而戰(zhàn)勝了人類大師。

小度的驚艷表現(xiàn)和其背后百度強(qiáng)大的人工智能技術(shù)能力是密不可分的。目前百度大腦擁有世界上最大規(guī)模的神經(jīng)網(wǎng)絡(luò)，萬億級(jí)別的參數(shù)，千億的訓(xùn)練數(shù)據(jù)和億級(jí)別的特征，這些共同強(qiáng)大的人工智能系統(tǒng)，再加上 GPU 并行計(jì)算豐富的計(jì)算資源帶來的效率提升，從而使人工智能技術(shù)真正能夠發(fā)揮出威力。

這次比賽的主題是人臉識(shí)別，后者也是目前圖像識(shí)別里的一個(gè)重要領(lǐng)域。主要分為人臉檢測(cè)、人臉圖像預(yù)處理、人臉圖像特征提取和人臉圖像匹配與識(shí)別四個(gè)步驟。在比賽中，人類選手王峰表示，他在識(shí)別人臉時(shí)也是去尋找和記憶一些特征。而對(duì)于機(jī)器來說，深度學(xué)習(xí)的方法是一層一層的學(xué)習(xí)不同特征，從底層的低級(jí)特征到高級(jí)特征。

不管是谷歌、微軟、Facebook、百度等科技巨頭，還是眾多公司，都在人臉識(shí)別的技術(shù)研究和應(yīng)用方面有著積極探索。而百度 IDL 主任林元慶表示，2014 年和 2015 年在 FDDB 百度都是第一，2015 年底在內(nèi)部比較難的測(cè)試集上最好是 8% 錯(cuò)誤率，經(jīng)過 2016 年的改進(jìn) 9 月份錯(cuò)誤率降低到 2.3% 。最后希望能夠把錯(cuò)誤率降到1%以下。

百度的人臉識(shí)別系統(tǒng)是分兩步訓(xùn)練，第一步訓(xùn)練是通用人臉識(shí)別系統(tǒng)，不是專門針對(duì)跨年齡，這次成功最關(guān)鍵的是訓(xùn)練了一個(gè)非常強(qiáng)大的人臉識(shí)別系統(tǒng)。我們的數(shù)據(jù)里面是兩百萬人，每個(gè)人有一百?gòu)堈掌覀冇靡粋€(gè)非常大的數(shù)據(jù)訓(xùn)練我們的人臉識(shí)別系統(tǒng)，這是百度很多年積累起來的數(shù)據(jù)，這個(gè)過程的迭代是數(shù)據(jù)和算法一起迭代，這里面非常難的事情是你要有非常好的算法，充分利用這些數(shù)據(jù)。利用這些數(shù)據(jù)，你能設(shè)計(jì)出非常好的算法符合這些數(shù)據(jù)。

而在比賽中跨年領(lǐng)的識(shí)別，并不是簡(jiǎn)單的匹配(matching)，而是需要有邏輯推理能力。林元慶表示：「將人臉分成 7 個(gè)部位，在人臉打 72 個(gè)點(diǎn)，從中學(xué)習(xí)哪些部分的特征是非常重要的。搜集類似的數(shù)據(jù)，告訴機(jī)器這個(gè)人小時(shí)候長(zhǎng)這樣，長(zhǎng)大了長(zhǎng)這樣，讓機(jī)器自己去學(xué)習(xí)哪些是重要的特征?！?/p>

在具體技術(shù)上，百度 IDL 的人臉團(tuán)隊(duì)用了端到端的度量學(xué)習(xí)，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)128位特征空間里，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。同時(shí)，考慮到跨年齡人臉的稀缺性，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。

在人臉識(shí)別技術(shù)中還有個(gè)非常重要的因素是特征點(diǎn)定位，對(duì)于這個(gè)問題，林元慶在接受機(jī)器之心采訪時(shí)表示：「一個(gè)方面當(dāng)然就是我們要想辦法去做出非常好的特征點(diǎn)定位的算法，然后要訓(xùn)練非常好的模型。在一些極端情況下，可能這個(gè)算法也不會(huì)很精確的做定位，但我們希望后面的識(shí)別模塊有一定的容錯(cuò)能力，那我們的做法就是在訓(xùn)練時(shí)制造一些數(shù)據(jù)，人為產(chǎn)生一些誤差在定位上，然后拿這些數(shù)據(jù)放在深度學(xué)習(xí)模型里去訓(xùn)練，這樣最后訓(xùn)出來的模型就對(duì)定位的誤差是有一定的容錯(cuò)能力?！?/p>

此外，這次比賽是在現(xiàn)場(chǎng)進(jìn)行，小度看到的畫面和人類選手是完全一樣的，而不是圖像信號(hào)的接入。而電視節(jié)目的復(fù)雜性又增加了人臉識(shí)別的難度。比如說角度、表情、現(xiàn)場(chǎng)光線、陰影化妝、和配飾等，但小度的表現(xiàn)依然精確。

最強(qiáng)大腦評(píng)委魏坤琳對(duì)百度人臉識(shí)別技術(shù)的評(píng)價(jià)是：「百度在最強(qiáng)大腦這個(gè)舞臺(tái)上厲害的一點(diǎn)就是實(shí)時(shí)比，大家都沒看那些舞臺(tái)上挑戰(zhàn)項(xiàng)目的素材。事先，人機(jī)雙方只是知道挑戰(zhàn)的大概項(xiàng)目，留給百度工程師的是基于正常人的、普通場(chǎng)景下的數(shù)據(jù)去訓(xùn)練人工智能。 」

小度在人臉識(shí)別方面的表現(xiàn)讓我們對(duì)其未來應(yīng)用充滿期待，而百度在人臉識(shí)別產(chǎn)品和應(yīng)用的推進(jìn)也已經(jīng)開始。目前，基于人臉識(shí)別的門禁技術(shù)已經(jīng)在百度大廈落地;銀行也會(huì)使用這項(xiàng)技術(shù)來做遠(yuǎn)程的身份認(rèn)證;百度的人臉識(shí)別還在烏鎮(zhèn)戲劇節(jié)上亮相。

對(duì)于這場(chǎng)比賽，林元慶不喜歡用「打敗」來形容?！覆还茌斱A，我們都是回去繼續(xù)研究?！顾f，「后面的五年、十年，甚至二十年、五十年，我們一定會(huì)跟人工智能的技術(shù)共存，希望我們把這些技術(shù)用好，幫助人類解決問題，而不是讓這些技術(shù)成為人類的對(duì)立面?！估顝┖暌脖硎荆骸笩o論輸贏，都會(huì)對(duì)人工智能的技術(shù)發(fā)展做出突破性的貢獻(xiàn)?！?/p>

其實(shí)對(duì)于每次人機(jī)比賽，總是會(huì)出現(xiàn)一些威脅論或者宿命論的非專業(yè)解讀，這不僅是對(duì)人類自身的不負(fù)責(zé)任，也會(huì)影響人工智能技術(shù)的正常進(jìn)展。而就像應(yīng)用于圖像識(shí)別的 CNN 是在某種程度上借鑒了人類視覺原理一樣，此次比賽也會(huì)使百度的技術(shù)團(tuán)隊(duì)從人類選手那里獲得足夠多的靈感和線索，來推動(dòng)人工智能的進(jìn)步。比賽只是證明了機(jī)器在人臉識(shí)別這個(gè)任務(wù)上，基于目前最先進(jìn)的技術(shù)可以比人類做得好，帶來我們更大的可以應(yīng)用的想象空間。更重要的是，將人工智能正確的帶到了大家面前，并促使我們?nèi)ネ卣怪悄艿倪吔纭?/p>