AI赋能下的当下与未来,人脸识别的准确度已经提升了4个数量级

商汤研究院院长王晓刚日前表示，2014年，人工智能人脸识别技术的准确率首次超过人眼准确率，但目前，误差率已经可以达到亿分之一。机器做人脸识别如果相当于一个4位密码，现在则相当于一个8位的密码，人脸识别四年内准确度已经提升了4个数量级。

商汤研究院院长王晓刚日前在《麻省理工科技评论》新兴科技峰会上发表了题为“AI赋能下的当下与未来”的演讲，阐述了人工智能如何通过云和端改变生活和未来。

王晓刚回顾在过去的十年里，人工智能飞速发展最杰出的代表就是深度学习。其中有三个推动深度学习发展的因素：一是大数据，二是云和端的计算能力包括了GPU和AI芯片，三是深度学习算法不断创新。

王晓刚称，他举例子，2014年的时候，在1:1情况下，机器做人脸识别可以达到万分之一的误差率；而现在，误差率可以达到亿分之一。2014年，人工智能人脸识别技术的准确率首次超过人眼准确率，但目前，误差率已经可以达到亿分之一。换句话说，机器做人脸识别如果相当于一个4位密码，现在则相当于一个8位的密码，人脸识别性能已经提升了4个数量级。

随着算法的提升，应用边界不断扩大，从最开始1:1身份的比对，到后来动态布控，如抓捕在逃嫌疑人。一直到现在，可以在整个城市范围内，从上千亿的图像中去搜索人脸，恢复人的活动轨迹。能够达到这样高的准确率实际上得益于神经网络的强大，通过训练超过1200层的神经网络，从而超过人眼识别的能力。

神经网络已经从2012年的5层发展到现在的1200层这样一个过程，其网络的复杂度、深度也在不断的提升。但是为何在前端应用的时候，只用一个很小的稀疏的网络，还需要训练1200层这么大的网络？

王晓刚说，原因是为了得到一个很小，但是识别率很高的网络，你首先需要得到一个非常深、非常强的网络进行学习。他比喻，这个小的但是识别率高的网络，就好比是一个小学生，数据就好比是书籍，直接让一个小学生，从大量的书籍当中提取知识，这是一件非常困难的事，首先要找到一个老师，老师有非常强的学习能力，这就是1200层网络。它首先能够从海量的数据里面，把知识提取出来，然后通过知识传播的方式去教更小的网络，让其达到很好的识别性能。

算法的提升可以带来非常多的应用，能让城市变得更加安全。比如，有的犯罪嫌疑人都是十几年以前隐姓埋名，改了身份证，最终还是被动态人脸布控系统所捕捉；此外公安局利用人脸识别系统结合城市里几万个摄像头，能够成功找到走丢的老人或孩童。

而目前商汤从这几年累积的成果，2014年，能够用20万人脸来对机器进行训练做到了98.5%的准确率，而人是97.5%；2015年用30万人脸进行训练，达到了99.55%的准确率；2016年，用6000万人脸训练可以达到了百万分之一的误识率；2017年，用20亿人脸训练可以达到一亿分之一的误识率，而这样的误识率才已可以真正地应用到各行各业，包括监控、金融、安防、手机等行业。

在硬件方面，他也提及商汤与高通的战略合作，他认为如果人工智能想要普及，那么AI就要走到前端设备。而这些前端设备都离不开芯片。目前商汤的人脸解锁技术已经被超过上亿的手机用户使用，都要靠高通的芯片支持。