人臉識別的真實現(xiàn)狀

　　四、人臉識別的真實現(xiàn)狀

　　接下來我想給大家講講人臉識別的現(xiàn)狀和進展。

　　這里面有一種分裂，怎樣一種分裂呢?

　　一些人工智能公司宣傳，他們一般都會把人臉識別的性能吹得非常懸，說錯誤率已經(jīng)達到億分之一的程度等等。雖然這是事實，的確有時候我們發(fā)現(xiàn)有一些識別錯誤率已經(jīng)低于億分之一，但這是有前提的，譬如說靜態(tài)人臉識別：如擺拍等。

　　還有一種場景是門禁的應(yīng)用，人們?yōu)榱诉^一個通道，然后就盯著攝像頭，這時候成像條件都很好。但是對安防而言，更多時候被觀測的對象沒有意識到自己被觀測，它的角度也不是很理想，離相機也比較遠，光照也比較復(fù)雜。而且整個目標在運動中碰到照片時，它的人臉識別結(jié)果也完全不一樣了。

　　很多公司認為人臉識別已經(jīng)做得很好，但另一方面，如果大家去調(diào)查一下如果使用了人臉識別，尤其是使用動態(tài)人臉識別的客戶，大多數(shù)客戶都認為誤報率太高，而且高到基本上這個系統(tǒng)就沒有辦法使用。

　　1、是人臉技術(shù)不好，還是大家在撒謊?

　　今天趁這個機會，我也想非常坦誠地跟大家分享一下這里面的原因。到底是人臉識別技術(shù)還不夠好，還是大家在撒謊。

　　做人臉識別它的優(yōu)點是速度快，一張顯卡每秒鐘可產(chǎn)生幾百張臉的特征，完成數(shù)千萬張臉的比對，這個目前已經(jīng)可以做到了。它的成本也低，使得這項技能可以快速復(fù)制、大規(guī)模地部署，性能很穩(wěn)定且可持續(xù)提升。人工智能的缺點是應(yīng)對復(fù)雜問題應(yīng)對能力差，除此之外是對環(huán)境變化的適應(yīng)能力弱。

　　人類的智能跟人工智能相比，幾乎是完全相反的。

　　人類智能的優(yōu)點正好是人工智能的缺點，人類對復(fù)雜問題的應(yīng)對能力和對環(huán)境變化的適應(yīng)能力很強，但缺點就是速度慢、成本高，比較難快速復(fù)制、不大可能大規(guī)模地部署、性能也不穩(wěn)定(容易受到精神狀態(tài)的影響)。

　　2、1比1的人臉驗證

　　我們來看一下人工智能的不同應(yīng)用，先介紹下1:1的人臉驗證。

　　在金融支付領(lǐng)域里面，有些公司開發(fā)的軟件幫助客戶去驗證用戶的身份。這類應(yīng)用本質(zhì)上是在回答一個問題?？蛻舻臄z像頭拍一張照片，然后將照片傳到后臺，后臺知道驗證的對象是誰，并且有驗證對象的身份證照片。那么它要回答的問題是“這兩個人是同一個人嗎?”，答案是“是”或者“否”。所以總共回答這么一個問題。

　　3、1比N的人臉識別(靜態(tài)人臉比對)

　　我們再來看一下1：N的人臉的識別，也叫靜態(tài)人臉對比。

　　假如客戶選擇一張照片，然后他擁有N個人的對比庫。舉個例子，比如在某個省的公安廳，這個省有5000萬個有身份證的公民。這時候警方看到一個嫌疑人想調(diào)查這個人的身份，這個人是誰?

　　在做這件事情的過程中，事實上人臉識別就要回答很多問題。這個人是張三嗎?這個人是李四嗎?是王五嗎?然后它要回答N個問題，可能還有一個最困難的問題也就是第N+1個問題：這個人可能誰都不是。這就叫靜態(tài)人臉比對。很顯然，與人臉驗證相比，靜態(tài)人臉比對就是更為復(fù)雜的問題。因為它總共要回答的問題總數(shù)是N+1個，當這個N比較大的時候，問題回答的難度和出錯誤幾率就大大提升。

　　但靜態(tài)人臉比對使用的頻率比較低，只有當客戶要做一次搜索時它才會使用。它使用的場景允許用戶參與交互和確認。簡單說就像一個搜索引擎，我在搜索結(jié)果里挑一個我認為對的，或者是我把搜索結(jié)果呈現(xiàn)的前幾名看上去都很像，分別調(diào)查后能夠快速幫客戶縮小調(diào)查范圍。

　　這種產(chǎn)品在過去一、兩年內(nèi)的推廣也比較快，而且可用性相對較高。

　　4、M比N人臉識別(動態(tài)人臉比對)

　　我們再往下看來看一下M比N的人臉識別，通常這個叫動態(tài)認識。

　　何為動態(tài)人臉識別?就是客戶安裝的攝像頭每看到一個人后，就在一個庫里去比對這個人是誰，“M”代表的就是攝像頭，或者網(wǎng)絡(luò)里所有攝像頭抓到的人臉數(shù)目。“N”就是對比庫中的目標數(shù)目，抓到的每一張臉都得“問”一遍：這是張三嗎?是李四嗎，那真的是王五嗎?然后對于這個人你要問N+1個問題。對于看到所有M個人，問題的總數(shù)也就是M×N+1個。而且動態(tài)人臉使用頻率非常高，因為它是一個全自動體系。

　　以北京地鐵站為例，我聽說北京1000多個地鐵站里面平均每站都有上百個攝像頭，如果這里面100個攝像頭每個地鐵站流通8到10萬人是很常見的，可能在一些比較繁忙的地鐵站有上百萬人。

　　對于看到的每一個人都要回答N+1個問題，如果這個N是一個很大的庫，比如是一個擁有十幾萬人的全國逃犯數(shù)據(jù)庫，這就是一個天文數(shù)字。而且在這個使用場景中，它不存在用戶交互，客戶期待你最后產(chǎn)生報警，而且這個警報是值得信賴的。

　　我們先來看一下這個問題：

　　一臺動態(tài)人臉抓拍機每天產(chǎn)生以下問題：首先假設(shè)每個相機每天看見1萬張臉，在很多公共場所這并不是一個很夸張的假設(shè)。

　　我們假設(shè)對比庫里有1萬個目標，這可能對公安來說也不是一個大的目標庫。如果基于該假設(shè)的話，這個相機每天要回答的問題就是一億零一萬個。如果人工智能每回答100萬個人臉比對問題就犯一個錯誤，那么每一天在每一臺相機上就會犯100個錯誤，也就是產(chǎn)生100個誤報或者漏報。

　　我剛才假設(shè)每回答100萬個問題才會犯一個錯誤，其實也是非常夸張的假設(shè)，因為在動態(tài)人臉識別里，很多時候人的面孔角度是不理想的，分辨率也不一定很理想，光線可能也不是很好，還可能有運動模糊。

　　這種情況下，如果哪個公司真的可以達到百萬分之一的錯誤率，我相信已經(jīng)非常優(yōu)秀。我們想象一下，如果一個大客戶裝了1000臺人臉識別相機，坦率來講1000臺量也不是很大，跟今天城市里已經(jīng)存在的攝像頭數(shù)量相比并不多。

　　這時候系統(tǒng)每天要回答1000億個問題，如果人工智能回答100萬個問題就會犯一個錯誤，那么客戶每天就會收到100萬個錯誤，也就是100萬個誤報或者漏報。我們想象一下當一個客戶每天會收到100萬個報警時，他會怎么辦?那它肯定會崩潰的，因為這個系統(tǒng)根本不能用。而1000臺1萬個庫的目標，每個攝像頭每天看1萬個面孔，這些假設(shè)也根本不是一個很苛刻的假設(shè)。

　　5、人臉識別解決公共安全問題仍然微不足道

　　我們能夠意識到人臉識別盡管在過去幾年有著巨大進展，可以在金融領(lǐng)域做身份驗證，但它對解決公共安全問題來說是仍然微不足道的。

　　這個事實說明人臉識別技術(shù)不夠好嗎?我覺得也不盡然。人臉識別技術(shù)今天已確定超越人類。科學(xué)實驗數(shù)據(jù)稱，正常人最多能夠記住500張臉，有一些銷售等職業(yè)以及特異功能擁有者記住5000張臉也已經(jīng)是極限了。

　　動態(tài)人臉識別的問題假如想象有一天在北京有100萬個動態(tài)人臉識別的攝像機，而北京有3000萬人口，在這種背景下，它每天產(chǎn)生的問題高達數(shù)以萬萬計。在這種情況下，發(fā)生錯誤的機率即使再低，但乘以這么大的基數(shù)也會產(chǎn)生海量的誤報。所以這個問題的規(guī)模非常殘酷。

　　在這種情況下我們該怎么做呢?