老餘閒篇

　　□ 余 方

　　關於“刷臉”，最近有兩件前後腳發生的新聞，一是明星趙薇家的豪宅被無良司機偷賣了，貌似不可能發生的事情竟很簡單：該司機到公證處冒充趙薇丈夫黃有龍，通過人臉識別技術辦理了委託公證證明，之後一切就妥妥的了。因牽扯到當紅明星，這件奇案有一多半像八卦，成為娛樂新聞頭條。相比之下，招商銀行早幾天發佈的一件正經新聞關注度卻沒那麼高，招商銀行10月15日宣佈推出“ATM刷臉取款”業務，這標誌著在經過櫃面和VTM渠道人臉識別技術反覆考驗之後，“刷臉”已經深入到ATM終端。

　　這兩件新聞的共同關鍵詞“人臉識別技術”是個持續大熱門，其未來應用前景普遍被看好。尤其近幾年，全球幾乎所有浪尖上的企業都對其青睞有加，微軟推出的顏齡識別機器人網站How-Old.net轟動了社交網路，通過大數據和機器識別技術，智慧判斷照片中人物的年齡，用技術流引領了娛樂潮；臉書（Facebook）2013年12月在紐約創建了深度學習人工智慧實驗室，2014年臉書的DeepFace技術臉部識別率準確度達到97%；谷歌2014年初花費4億美元收購了深度學習演算法公司DeepMind以及圖片分析公司Jetpac，之後推出人臉識別技術FaceNet。再比如國內的浪尖“BAT”，百度有深度學習研究院，今年百度世界大會發佈了臉優産品；阿里巴巴創建了生物識別技術團隊柒車間，馬雲在今年的漢諾威消費電子展上還秀了一把螞蟻金服的Smile to Pay掃臉技術；騰訊建立了優圖團隊，其99.65%的識別率目前把對手甩出一條街。國內政府部門、軍隊、銀行、社會福利保障、電子商務、安全防務等方面或多或少都有人臉識別技術的相關應用，與普通人的日常生活聯繫也越來越緊密，比如電子護照和電子身份證、住宅門禁、打卡考勤、地鐵安檢、銀行自助服務等。

　　就目前來看，銀行、網際網路金融和安防是人臉識別最適用的實際應用場景，但仍然面臨相當大的技術鴻溝。由於人臉的生物特徵既相似又異變，還會受到環境光照條件以及遮蓋物（例如墨鏡、口罩、毛髮）等多方面因素的干擾，因此人臉識別技術也被認為是生物特徵識別領域甚至人工智慧領域最困難的研究課題之一。就拿識別率來説，並非識別率高就意味著技術更成熟，實驗室的理論數據與應用場景中的實際效果還是有差距的。換句話説，演算法已經不是門檻，最大的門檻在數據，訓練數據的規模要足夠大且與實際應用場景一致，臉書建立的基於4000多人的440萬張標簽化的“人臉池”，就是為了通過“深度學習”演算法調查用戶在社交網路上的行為和習慣，通過不斷的訓練和數據積累提升人臉識別的能力。

　　可以説，深度學習肯定是未來的大趨勢，所有頂尖公司都在就此發力，你追我趕爭奪未來。“刷臉”世界也許是屬於微軟、臉書、谷歌、BAT的，但終究是屬於技術的。就技術層面來看，目前“人臉識別技術”離“殺手級”還有很大提升空間，其商業價值還有待檢驗。在現階段，人臉識別手段在某些重要場景的應用還需持謹慎態度，至少不能作為單一手段，人機複合模式也許更穩妥。更重要的是，在這個技術普遍應用於更多場景之前，應該先建立技術規範和安全規範，設立準入門檻，保障活體識別與片源庫演算法的有效驗證。否則，類似趙薇家遇上的這種糟心事會越來越多。