1.2 人工智能的雙重驅動力

■ 謝憶楠（曠視科技品牌與市場副總裁）

在美國，很多人工智能項目都以大學為主導，用于科研，不需要考慮賺錢的問題。而中國的人工智能項目存在于各種產業公司內，壓力大，而且公司做完算法后還要賺錢。在美國很少能看到擁有四五百人的中型人工智能企業，公司規模達到一百人左右的時候，要么就維持一個小而美的研究，要么就等待被并購，進入一個大體系里。

下面我結合中美之間的差異性講講視覺識別的商業化。

 

老公睡著了，老婆就能讓手機解鎖嗎

 

iPhone X的人臉解鎖功能引起了熱議，網上流傳著兩個段子，第一個是老公睡著之后，手機被老婆解鎖了；第二個是老婆卸妝后，發現手機打不開了。

這里有一項測試，如圖1-2所示，讓機器識別一些網紅臉，看看算法能夠給出什么樣的結果。

通過測試結果可以看出，即便受試者化了濃妝，機器也可以識別出來，甚至連男扮女裝都能識別出來。如果讓人類去做這種識別，成功率會是多少？人臉識別對于機器來說就是一道算術題，化妝是障眼法，沒有改變原有的面部結構，所以在1:1的場景里，機器比人的判斷力高一些。人類做出的判斷由自己的數據庫決定，比如面對一個非常熟悉的人，他變換發型之后仍能被我們認出。人類依靠的數據庫由我們的生活圈決定，生活圈越大，認識的人就越多，生活圈越小，認識的人就越少。

這里還有另一項測試，如圖1-3所示，我們找了一些電影中經過特效變化的面孔給機器識別，機器同樣能夠判斷出這些面孔分別對應哪位演員。

因此人臉識別程序已經能夠識別電影特效級別的面孔。什么樣的面孔不能被識別呢？毀容之后的面孔不能被識別，面部關鍵部分或結構有變化，機器可能就識別不了了。

所以剛剛說的老婆卸妝之后手機打不開的問題，現在機器已經解決了。至于老公睡覺時手機被老婆解鎖這件事，也是無法實現的。

人臉解鎖體驗更好，安全問題仍然存在

 

大家都很關心人工智能的商業落地，目前人臉解鎖技術已經真正實現了落地。判斷兩張圖片是不是同一個人很簡單，但是不同的場景下會有不同的命題，這些命題能不能解決，決定了這項技術能不能在相關行業里應用，這是人臉識別商業化的關鍵。

人臉解鎖的體驗略勝于指紋、虹膜。這里可以做一個對比。

（1）首次注冊時，人臉和虹膜的速度快，拍一張照片即可，相比之下指紋比較慢，需要多次采集。

（2）指紋解鎖需要手指配合，虹膜解鎖需要對準眼部，這兩種解鎖方式都慢于人臉解鎖，而且人臉解鎖是非接觸式的。面對同一種手機解鎖方式，人們拿起手機一秒內成功了，這是正常速度，也是極限，如果解鎖需要兩秒甚至更長時間，大家就可能放棄這種方式了，這就是商業化對技術的要求。

（3）指紋解鎖和虹膜解鎖的抗干擾能力比較弱，比如手上沾上一些水或者油漬就不能被識別了，帶上隱形眼鏡虹膜解鎖就不好用了，而人臉解鎖的抗干擾能力更強一些。

人臉識別也需要與“黑產”（黑色產業）進行斗爭。黑客們總會有新方法攻擊你的手機，之前就有某款手機的人臉識別功能會被照片破解的新聞。目前在“黑產”市場，破解手機人臉識別功能的價格大概是800元一次，批量破解50元一次。研究人臉識別的廠商需要了解黑客的攻擊方式，強化自身的技術，從而進行防衛。

 

一臺門禁機反映出的問題

 

在人臉識別技術走向商業化的過程中，“技術-場景”雙輪驅動才是關鍵，技術單獨發展并不十分有效。現在為什么強調算法？因為大家在找投資的時候，要向投資人解釋這項技術為什么值錢。天使輪、A輪、B輪投資的投資人可能都要有這樣一個標準。

曠視是一家研究人臉識別的公司，曾給公司內部做了一款可以刷臉的門禁機，后來這款機器被做成了商業產品。投放到市場之后曠視發現，制約人臉識別技術落地的并非是機器識別的準確率與速度，而是不同小區的環境。小區大門朝東的，早晨人臉逆光面對機器，識別不了；小區門口路燈昏暗的，到了夜晚機器就識別不了。于是我們需要改算調優，對逆光改算法，對亮度改算法，不斷解決這些問題。所以當人臉識別技術真正走向商業化落地的時候，要解決的問題遠比你向投資人介紹的算法復雜得多。

在一個真正的商業化場景里，門禁機的機身可能是一個非常小的集成商做的，算法是科學家做的。集成商不懂算法，科學家不會去解決使用中遇到的零散問題。所以想要實現人臉識別的商業化落地，公司必須有能夠與算法專家和集成商對接的人才，這類人才需要特別強大，甚至需要專門培養。現在比拼算法專家數量不是一件難事，真正具有挑戰性的是面對商業化落地，產品如何實現集成。

 

人工智能走向商業化，不只是一個算法問題

 

警匪片里通常只有一兩個壞人，而現實生活中警方要面對多少壞人？一個大型城市的固定人口加上流動人口，總數大概是1000萬～2000萬人，從中抓一個罪犯，需要多少數據？這就是商業化人工智能和算法級人工智能的具體差別。

曠視的人臉識別程序現在已經能夠幫助警方識別嫌疑人，這里有兩個典型的例子：兩個嫌疑人，其中一個潛逃了五年，覺得沒人會認出他，結果被機器識別出來了；另一個逃了七年，以前很瘦，這七年間變胖了，還是被機器識別出來了。處理一個打架斗毆事件，如果單純依靠警方排查尋找嫌疑人，需要多少人力和時間？但是通過人臉識別，三秒鐘就找到了嫌疑人，五分鐘后巡警就能完成抓捕。警察要抓嫌犯，不是說從幾萬人里把這個人認出來就萬事大吉了，而是要明確在哪兒能抓住他，他會在什么時間、什么地點出現，警方需要的是一份情報信息。一秒鐘識別，一秒鐘定位，告訴警方這個人在哪兒，這是算法的真正落地。

真正的商業化并不是解決一個算法問題，而是解決場景和需求問題，找最合適的發力點。

此外，人工智能走向商業化，除了把算法做好之外，還要解決如何跟硬件結合的問題，如何通過警用攝像頭實現算法功能的問題。現在國內的警用攝像頭有5000萬個左右，其中80%的攝像頭只能看到人的身體，看不清人臉。因此，在像素級受限的情況下能不能識別，也是人臉識別商業化過程中需要面對的問題。

 

技術和場景是人工智能的雙重驅動力

 

人工智能的核心驅動力到底是什么？

目前大家關注的范圍主要包括產業環境、技術、數據、場景、人才、商業模式、行業這幾個方面，大家喜歡看團隊里有多少博士，商業模式有多完美，行業滲透能力強不強，大數據上有沒有優勢。

其實真正的驅動力就兩個：一個是技術，另一個是場景，如圖1-4所示。

公司的技術到底能不能適應這個行業，對這個場景的了解有多深，這些問題的答案就涉及人工智能真正商業化的一些問題。

如圖1-5所示，技術、商業、數據的化學反應可以將場景細分。為什么現在人工智能領域出現很多細分公司？因為數據在每一個行業里是一定量，不同的知識解決不同行業的問題，場景需要技術落地，而技術會細分場景，不會有某項技術可以適應全部場景。想把所有場景劃分出來，谷歌級別的公司也很難做到。

在中國的人工智能領域，投入多少成本能將技術做出來是一個未知數，技術研發成功之后能夠得到多少回報也是一個未知數，這是一個尷尬的場景。

人工智能公司在一級市場估值非常高，但是公司敢拿這份財報去二級市場上市嗎？我相信大部分公司都不敢，因為一定會倒掛。所以場景細分之后我們發現只有在公司可以做很多東西的情況下，才能真正賺錢。如果只做一個軟件開發工具包（Software Development Kit, SDK）級別的生意，那么公司在每一個行業里的議價能力都會非常弱。

曠視的小區門禁系統現在能解決在逆光下識別人臉的問題，解決的關鍵在于曠視已經在100多個小區安裝了人臉識別門禁機，這么多場景下的數據可以幫助優化算法。但如果沒有這些數據，曠視怎么解決這些問題？場景得到細分，技術也能得到相應的優化，所以場景一定要不斷擴大。這就是雙輪驅動的具體用意。

曠視最早選了一個非常小的技術點作為開始，做了一個用人臉控制東西的小游戲，包裝了一個“運動頸椎”的概念，后來做了一些娛樂級的刷臉實踐。網絡上比較好玩的測年齡、顏值、夫妻相的App，包括女生用的美圖秀秀，底層坐標技術都是曠視的，而其他廠商會用這些技術開發很多創意。

三年前，阿里巴巴表示要跟曠視合作，解決幾個金融上的問題：一是支付問題，二是遠程開戶。“刷臉”能夠解決這兩個商業場景中的剛需——遠程合規問題。互聯網金融公司沒有線下營業網點，需要通過一種技術解決合規性問題。

從驅動力的角度來看這件事，技術是人臉識別技術，場景則是要解決遠程開戶的合規性，與此同時還需要證明遠程開戶是符合客戶本人意愿的操作，這就涉及活體驗證。場景對技術提出了要求：把人臉識別技術集中到柜臺和手機App里，而且要保證識別速度快。所以必須不斷地找場景，通過滿足場景提出的要求，讓技術一直持續有效地領先下去。

曠視經常會接到來自全國各地、各行各業的電話，希望曠視幫助它們設計具有代表性和針對性的算法程序。德青源曾找過曠視，他們有一個國家級養殖中心，里面有10萬個雞圈，德青源想通過在雞圈里放置攝像頭的方式來統計雞的數量。經過思考，曠視認為這個場景對于自身的技術來說落地難度非常大。通過這件事曠視也收獲了一次歷練，明確了基于金融級別的人臉識別到底該做什么樣的事情。

做人臉識別要有針對性地解決不同場景中的問題，如果不明白這個場景對技術的要求，就無法實現技術的快速進步。而且人臉識別不能只識別中國人，還要能識別外國人。VIVO曾在印度發布了一款帶有人臉識別功能的手機，大部分印度男性都會留很濃密的胡須，而且他們的膚色偏棕黑，識別中國人和識別印度人對技術的要求肯定不一樣，曠視用了三個月時間解決了印度人臉識別的問題。

 

“AI+醫療”

 

人工智能在醫療領域的發展前景有待觀察。現在“AI+醫療”能解決什么問題？機器可以根據一張掃描片判斷病人患了何種病，這種判斷基于醫生們積累的經驗，也就意味著機器要錄入很多標準化的東西。病人拿一張片子去給十家醫院的大夫看，可能會得到五個以上的結果。以前我的膝蓋受傷了，到醫院拍了一個磁共振成像（Magnetic Resonance Imaging, MRI，簡稱“核磁共振”），去了三家醫院，得到了三個結果。把同樣一張片子給機器，機器會選擇哪個結果？醫學需要考慮很多綜合性因素，因為每個人的生理狀態都不一樣，故而同一種疾病的病因可能是不一樣的，所以有“會診”這種形式，請很多老專家推斷可能的病因。從這點來看，醫學本身不具備這種大規模的標準化數據錄入的可能。

 

人臉識別技術的新發展

 

最近幾年人臉識別技術實現了哪些突破？首先，人臉檢測最初需要在一張臉上測五個點，那時同一張人臉一旦更換發型或者配飾，機器就識別不了了。現在在一張人臉上要識別三萬多個點，不管被識別人怎樣化妝，不管處于何種商業場景中，不管面對什么樣的自然環境，機器都可以完成識別。

其次，很多人覺得人臉識別不太靠譜，這是因為人類本身非常擅長人臉識別，用自己的視覺系統去質疑這項技術，不相信機器能夠超越人類完成海量的人臉識別工作。為什么大家很少質疑指紋？因為我們都不會識別指紋，所以會認為機器能做得更好。其實機器和人看到的世界是兩個世界，指紋識別的準確率和人臉識別的準確率幾乎一樣。

另外，現在的人工智能已經可以實現多角度識別，甚至“陰陽臉”（臉部光照不均）都可以識別。

在技術的發展過程中，一定要找到商業場景中可能會出現的一切場景。人臉識別技術并不是科學家坐在辦公室里就可以想出來的，科學家如果想讓人工智能實現商業化，需要讓自己變得“糙”一點，要想到普通人經常遇到的場景。

 

謝憶楠 曠視科技（Face++）品牌與市場副總裁。擁有13年市場與品牌傳播經驗，曾在中央電視臺、易觀國際、奇虎360等多家媒體與互聯網企業負責市場品牌項目。