不久前,在2017年美國國家標準與技術研究院組織的全球人臉識別技術測試上,一支中國人工智能技術團隊超過來自俄羅斯、美國、法國的對手,成為第一個獲得冠軍的中國團隊。

網絡圖

參賽團隊需要在百萬量級人臉數據庫中找到目標人臉或判斷其在不在庫中。查詢照片來自出入境等真實業務場景,包含識別對象不在攝像頭前特定位置的“非配合性”照片。機器面臨曝光過度、逆光、側臉、遠距離、低像素的挑戰。衡量指標在于搜索的準確率,以千萬分之一誤報率下的性能為評估標準。檢索準確率越高,就意味著參賽者的算法可以在更大規模的人臉數據庫中獲得可靠檢索結果,可以更準確、高效地完成身份驗證。

贏得冠軍的中國團隊——依圖科技的首席執行官朱瓏認為,這除了說明來自中國的算法技術超過了全球的競爭對手,還有更大的意義:我們的算法已經在十億分之一的誤報下達到超過90%的識別率,已經能夠超越所謂的國際主流標準。

人臉識別就是科學家口中的計算機視覺,作為人工智能極其重要和關鍵的領域,目前正處在超乎想象的快速發展階段。“從我們自己的經驗看,我們的算法效率幾乎以每年100倍的速度在提高。現在在幾億量級的面孔中識別出一個人,并不是什么難事。”之前,依圖科技搭建了全球首個10億級人像比對系統。

朱瓏說,簡單講,計算機視覺是制造有人類視覺能力的機器,讓計算機通過學習算法接近人類對圖像的理解程度。而當計算機實現了對圖像和視頻的初始理解,計算機視覺就能幫助人類突破局限性,改善生活。例如,目前依圖的主要技術聚焦在計算圖像識別和自然語言理解在安防、醫療、金融領域的應用,同時也在進行人機交互、人工智能芯片等研發。

不同于計算機,人一睜眼就能迅速看到和看明白一個場景,因為人的大腦皮層至少有一半以上的海量神經元參與了視覺任務的完成。在互聯網、云計算、大數據等幫助下,科學家們也開始利用深度學習、神經網絡等模型和方式來教會計算機識別物體。有意思的是,盡管人類希望計算機視覺接近人類智慧,但在很多場合特別是機器得到海量數據的學習訓練后,科學家們發現計算機視覺處理能力似乎已經超越了人類大腦。

“計算機識別人臉和物體的時候,有點像從人眼看見物體到大腦譯出最終結果的過程。我們的計算模型也類似人的神經元傳遞方式,一層一層搭建起高級的神經網絡。”朱瓏和導師、著名科學家霍金的弟子艾倫·尤爾,最早在實驗室中研發出新系統,通過遞歸式塔狀結構來表示物體的結構,而不是像傳統識別方式那樣,需要事先被告知物體特征,從而會導致巨大的數據存儲量。朱瓏認為,技術人才的儲備、市場環境的成熟和實踐的基礎、數據資源,是中國人工智能可以和全球最強對手競爭的巨大優勢。無論是對國家還是從業者而言,人工智能都將迎來極其難得的機遇。