在人臉識別中擊敗人類記憶大師，百度大腦背后的技術(shù)解讀

新年伊始，人類和人工智能的對壘就已經(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，再次證明了機器在圍棋這項運動上已經(jīng)超越了人類。幾天之后，《最強大腦》第四季首期就又迎來了一次重磅的人機大戰(zhàn)，由植入百度大腦的小度機器人迎戰(zhàn)世界記憶大師王峰。本次比賽的主題是跨年領(lǐng)的人臉識別，人類選手識別對了兩張照片，小度則答對了全部三張照片，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，萬億級別的參數(shù)，千億的訓練數(shù)據(jù)和億級別的特征，這些共同強大的人工智能系統(tǒng)，再加上 GPU 并行計算豐富的計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別，后者也是目前圖像識別里的一個重要領(lǐng)域。主要分為人臉檢測、人臉圖像預處理、人臉圖像特征提取和人臉圖像匹配與識別四個步驟。在比賽中，人類選手王峰表示，他在識別人臉時也是去尋找和記憶一些特征。而對于機器來說，深度學習的方法是一層一層的學習不同特征，從底層的低級特征到高級特征。

不管是谷歌、微軟、Facebook、百度等科技巨頭，還是眾多公司，都在人臉識別的技術(shù)研究和應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)部比較難的測試集上最好是 8% 錯誤率，經(jīng)過 2016 年的改進 9 月份錯誤率降低到 2.3% 。最后希望能夠把錯誤率降到1%以下。

百度的人臉識別系統(tǒng)是分兩步訓練，第一步訓練是通用人臉識別系統(tǒng)，不是專門針對跨年齡，這次成功最關(guān)鍵的是訓練了一個非常強大的人臉識別系統(tǒng)。我們的數(shù)據(jù)里面是兩百萬人，每個人有一百張照片，我們用一個非常大的數(shù)據(jù)訓練我們的人臉識別系統(tǒng)，這是百度很多年積累起來的數(shù)據(jù)，這個過程的迭代是數(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)，你能設計出非常好的算法符合這些數(shù)據(jù)。

而在比賽中跨年領(lǐng)的識別，并不是簡單的匹配(matching)，而是需要有邏輯推理能力。林元慶表示：「將人臉分成 7 個部位，在人臉打 72 個點，從中學習哪些部分的特征是非常重要的。搜集類似的數(shù)據(jù)，告訴機器這個人小時候長這樣，長大了長這樣，讓機器自己去學習哪些是重要的特征。」

在具體技術(shù)上，百度 IDL 的人臉團隊用了端到端的度量學習，即通過學習一個非線性投影函數(shù)，把圖像空間投影到特征空間中。在這個128位特征空間里，跨年齡的同一個人的兩張人臉的距離會比不同人的相似年齡的兩張人臉的距離要小。同時，考慮到跨年齡人臉的稀缺性，用一個用大規(guī)模人臉數(shù)據(jù)訓練好的模型作為底座，然后用跨年齡數(shù)據(jù)對他做更新。這樣不容易過擬合。

在人臉識別技術(shù)中還有個非常重要的因素是特征點定位，對于這個問題，林元慶在接受機器之心采訪時表示：「一個方面當然就是我們要想辦法去做出非常好的特征點定位的算法，然后要訓練非常好的模型。在一些極端情況下，可能這個算法也不會很精確的做定位，但我們希望后面的識別模塊有一定的容錯能力，那我們的做法就是在訓練時制造一些數(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)放在深度學習模型里去訓練，這樣最后訓出來的模型就對定位的誤差是有一定的容錯能力。」

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

最強大腦評委魏坤琳對百度人臉識別技術(shù)的評價是：「百度在最強大腦這個舞臺上厲害的一點就是實時比，大家都沒看那些舞臺上挑戰(zhàn)項目的素材。事先，人機雙方只是知道挑戰(zhàn)的大概項目，留給百度工程師的是基于正常人的、普通場景下的數(shù)據(jù)去訓練人工智能。 」

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

對于這場比賽，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)成為人類的對立面?！估顝┖暌脖硎荆骸笩o論輸贏，都會對人工智能的技術(shù)發(fā)展做出突破性的貢獻?！?/p>

其實對于每次人機比賽，總是會出現(xiàn)一些威脅論或者宿命論的非專業(yè)解讀，這不僅是對人類自身的不負責任，也會影響人工智能技術(shù)的正常進展。而就像應用于圖像識別的 CNN 是在某種程度上借鑒了人類視覺原理一樣，此次比賽也會使百度的技術(shù)團隊從人類選手那里獲得足夠多的靈感和線索，來推動人工智能的進步。比賽只是證明了機器在人臉識別這個任務上，基于目前最先進的技術(shù)可以比人類做得好，帶來我們更大的可以應用的想象空間。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>