董可馨

從冷兵器時(shí)代到工業(yè)時(shí)代，人類花了六千年。但從工業(yè)時(shí)代到信息時(shí)代普及，僅僅短短250年，科技引領(lǐng)著人類社會(huì)突飛猛進(jìn)。當(dāng)下，為時(shí)間車輪賦予更大加速度的人工智能，已成為任何人都無(wú)法回避的議題。

當(dāng)某種未來(lái)雖然面貌仍不清晰，但已確定是不可避免，留給我們的只有一條路：認(rèn)識(shí)，迎接，并保持警惕。

為此，11月12日，《南風(fēng)窗》記者在北京中科院自動(dòng)化所與雷震展開對(duì)話。雷震是中國(guó)科學(xué)院自動(dòng)化研究所副研究員，從事人臉識(shí)別技術(shù)研究十幾載，他參與研發(fā)的人臉識(shí)別系統(tǒng)，已成功應(yīng)用于多個(gè)行業(yè)領(lǐng)域，包括2008年北京奧運(yùn)會(huì)/殘奧會(huì)實(shí)名制門票驗(yàn)證系統(tǒng)。

影視情節(jié)走入現(xiàn)實(shí)

南風(fēng)窗：電影《碟中諜》中有一個(gè)場(chǎng)景，你在一席演講時(shí)也提到過(guò)，特工在人來(lái)人往的火車站，通過(guò)眼鏡上的設(shè)備，迅速鎖定他要尋找的目標(biāo)。電影《復(fù)仇者聯(lián)盟》也有類似的，神盾局為了找到洛基，開動(dòng)高性能的電腦，通過(guò)遍布全球的攝像頭，在茫茫人海中定位到他。這些是電影里關(guān)于人臉識(shí)別的片段。對(duì)很多人工智能項(xiàng)目，有一種說(shuō)法是：“外行一般覺(jué)得很科幻，內(nèi)行覺(jué)得很絕望，業(yè)界領(lǐng)袖各種打雞血?！痹谀憧磥?lái)，人臉識(shí)別現(xiàn)在發(fā)展到了什么程度？

雷震：外行人看起來(lái)，人臉識(shí)別或許比較神，像電影里那樣炫酷。其實(shí)從我們技術(shù)領(lǐng)域來(lái)說(shuō)，還是挺復(fù)雜的，涉及光線、遮擋、姿態(tài)，種種因素都會(huì)對(duì)識(shí)別造成很大的挑戰(zhàn)。

比如有時(shí)太陽(yáng)光正好照著，有時(shí)分辨率很低?，F(xiàn)在人臉識(shí)別在一定的可控環(huán)境下，比如1：1的場(chǎng)景里比較成熟了，但是監(jiān)控流動(dòng)的人群準(zhǔn)確率還不夠，會(huì)有誤報(bào)。

南風(fēng)窗：我看到央視有一檔節(jié)目叫《機(jī)智過(guò)人》，有一期介紹“神眼小V”，它是在天門山景區(qū)里面，當(dāng)時(shí)人流量大概在2萬(wàn)，碰巧還下著雨，有一個(gè)記者偽裝起來(lái)，刻意躲避攝像頭，但最后還是在11分鐘之內(nèi)被找到了。

雷震：這個(gè)是在限定的場(chǎng)景里。你也不能說(shuō)它作假，我只能說(shuō)，真實(shí)的系統(tǒng)性能肯定沒(méi)有節(jié)目里表現(xiàn)出來(lái)的那么好。攝像機(jī)架設(shè)的高度、角度和地理位置等對(duì)系統(tǒng)性能都會(huì)有較大的影響。實(shí)際上，如果大范圍的、隨意地去架設(shè)的話，準(zhǔn)確率可能就沒(méi)那么高了。不過(guò)火車站進(jìn)站實(shí)名制驗(yàn)票應(yīng)用中，要通過(guò)身份證和人臉的比對(duì)，然后實(shí)名通關(guān)，那個(gè)應(yīng)用現(xiàn)在是比較成熟了。

南風(fēng)窗：進(jìn)站刷臉對(duì)我有一個(gè)問(wèn)題，我拍身份證照片的時(shí)候，還比較胖，后來(lái)瘦了，很多次進(jìn)火車站，刷臉都很難通過(guò)。

雷震：人臉識(shí)別會(huì)受到很多因素的影響。正好前段時(shí)間我還看到一個(gè)挺有意思的研究結(jié)果，在人臉識(shí)別這一塊，一般來(lái)說(shuō)男性的識(shí)別率比女性要高。因?yàn)榕钥赡苡袆⒑?，發(fā)型的變化，還會(huì)化妝，這樣跟身份證相比可能差別大一點(diǎn)。不過(guò)也有前提， 它是發(fā)生在白種人和黃種人里。對(duì)于黑人朋友來(lái)說(shuō)結(jié)果就不是這樣了，反而是女性的識(shí)別率高，這可能和成像有關(guān)系，但現(xiàn)在還不能徹底弄清原因。

話說(shuō)回來(lái)，現(xiàn)在很多情況是只報(bào)喜不報(bào)憂。只報(bào)正確識(shí)別出來(lái)的，各種誤報(bào)大家看不到，所以公眾會(huì)覺(jué)得這東西很先進(jìn)。但實(shí)際上，因?yàn)楸O(jiān)控主要是給公安用來(lái)抓嫌疑人員的，它可以允許你不報(bào)，但不能有過(guò)多的誤報(bào)，因?yàn)槊繄?bào)一次就要出警。這就像“狼來(lái)了”，錯(cuò)誤多了他會(huì)覺(jué)得這東西不靠譜，就不用了。所以首先一定要控制住誤報(bào)率在一定范圍內(nèi)。

從經(jīng)驗(yàn)設(shè)計(jì)到深度學(xué)習(xí)

南風(fēng)窗：它的技術(shù)過(guò)程是怎么樣的？

雷震：人臉識(shí)別一般是這樣，前端有攝像頭，可能畫面中有幾十張人臉，攝像頭上會(huì)有一個(gè)算法，把人臉一一找出來(lái)。然后把截出的人臉區(qū)域往后臺(tái)傳，后臺(tái)會(huì)對(duì)發(fā)回的圖像，提取各種特征，轉(zhuǎn)換成計(jì)算機(jī)能認(rèn)得的一串碼，然后去跟庫(kù)里的二代身份證比，算一個(gè)相似度。相似度高的，就認(rèn)為他是我們要找的人。

算法的核心，在于我怎么從圖像轉(zhuǎn)換成一串二進(jìn)制的碼。同一個(gè)人的圖像提取出來(lái)的二進(jìn)制碼要相似，不同人的二進(jìn)制碼要盡可能不同，這樣提出來(lái)的碼才能有比較好的識(shí)別能力。

南風(fēng)窗：從圖像轉(zhuǎn)換成二進(jìn)制碼的機(jī)制是什么？

雷震：通過(guò)模型，從圖像到一串二進(jìn)制代碼，模型就在這中間。以前是根據(jù)經(jīng)驗(yàn)來(lái)的，但畢竟人的設(shè)計(jì)能力有限，尤其是當(dāng)有上百萬(wàn)，乃至上千萬(wàn)人時(shí)，總有不少相似的。

南風(fēng)窗：比如雙胞胎。

雷震： 對(duì)，還不用到雙胞胎這個(gè)級(jí)別。更早以前，人臉識(shí)別是靠看五官。比如看兩個(gè)眼睛之間的距離，鼻子到嘴巴的距離，嘴巴多寬，眉毛多長(zhǎng)。但你很快就發(fā)現(xiàn)當(dāng)人數(shù)多了，信息相同的人實(shí)在太多了，這些信息完全不夠，起不到判別的作用。

由人去設(shè)計(jì)太需要經(jīng)驗(yàn)，也太費(fèi)精力，而且沒(méi)有標(biāo)準(zhǔn)，都是靠個(gè)人的獨(dú)門絕活，如果一個(gè)人的運(yùn)氣比較好，或者他的知識(shí)面比較廣，可能正好設(shè)計(jì)出來(lái)一種特征比較有效。

它不能獨(dú)立出來(lái)，否則就是一堆技術(shù)。而要和其他行業(yè)結(jié)合，還要看數(shù)據(jù)量，并不是每個(gè)行業(yè)都有很多數(shù)據(jù)，有的行業(yè)數(shù)據(jù)就很少。

深度學(xué)習(xí)就避免了人來(lái)設(shè)計(jì)，可以做到自動(dòng)學(xué)。模型里面有一堆參數(shù)，輸入一張圖像，輸出的就是一串二進(jìn)制碼的特征。輸出特征要求有一個(gè)優(yōu)化的目標(biāo)，達(dá)到目標(biāo)就是這組特征。比如同一個(gè)人的，就是要這張相似度比別人高，有了這個(gè)目標(biāo)，就讓模型自己去學(xué)，各個(gè)參數(shù)應(yīng)該是什么值，能夠使得一張圖像進(jìn)來(lái)之后，我得到的特征達(dá)到效果。這就是深度學(xué)習(xí)的作用。

南風(fēng)窗：它的學(xué)習(xí)速度會(huì)比人快多少？

雷震：機(jī)器學(xué)習(xí)和人還不一樣。人在認(rèn)識(shí)物體的時(shí)候，有聯(lián)想和推理能力。比如你跟小孩說(shuō)這是一輛車，他哪怕沒(méi)見過(guò)別的車，自己也會(huì)聯(lián)想，下次看到另一輛車，他就知道這是車。機(jī)器學(xué)習(xí)的方法不同。你給它一兩個(gè)樣本是不夠的，得有成千上萬(wàn)個(gè)才行。它的學(xué)習(xí)是暴力的，說(shuō)得難聽點(diǎn)就是，當(dāng)它把全世界的車都見過(guò)一遍之后，才可能準(zhǔn)確率非常高。機(jī)器是靠大量喂數(shù)據(jù)強(qiáng)行去優(yōu)化模型。這是機(jī)器跟人最大的不同。

就拿人臉識(shí)別來(lái)說(shuō)，你從幾萬(wàn)個(gè)人里找出五個(gè)人，眼都看花了。但機(jī)器靠運(yùn)算，反正存儲(chǔ)和計(jì)算是它的強(qiáng)項(xiàng)，所以要它大海撈針，準(zhǔn)確率肯定遠(yuǎn)高于人。但人有機(jī)器不具備的能力，比如我們?nèi)フJ(rèn)一個(gè)人，尤其是熟人的時(shí)候，可能都還沒(méi)看清他長(zhǎng)什么樣，就大概知道他是誰(shuí)了。機(jī)器就不行，不能模糊，必須得走近了，拍清晰了，它的識(shí)別率才可能非常高。

人和機(jī)器還有一個(gè)不同，人更主動(dòng)。認(rèn)雙胞胎的時(shí)候，人會(huì)看哪里是不是有顆痣，兩個(gè)耳朵的形狀可能不太一樣。機(jī)器現(xiàn)在就沒(méi)有，它就一套算法，不會(huì)去比。你也可以認(rèn)為機(jī)器還是比較傻，現(xiàn)在有些也在夸大機(jī)器的性能。不過(guò)確實(shí)人工智能的發(fā)展很快，以前是各方面都比不上人，現(xiàn)在好歹在某些方面已經(jīng)超過(guò)人了，確實(shí)進(jìn)步很大。

時(shí)代的大生意

南風(fēng)窗：現(xiàn)在做人臉識(shí)別的公司多嗎？

雷震：現(xiàn)在非常多了。很多公司都會(huì)標(biāo)榜自己做人臉識(shí)別，好多人會(huì)拿數(shù)據(jù)集訓(xùn)，做一個(gè)demo，然后就去融資了，所以會(huì)突然爆出來(lái)上百家，但真做得好的還是不多。因?yàn)橐龅煤?，各個(gè)場(chǎng)景的數(shù)據(jù)都要有，剛才說(shuō)的那幾個(gè)難點(diǎn)也都要克服，這很費(fèi)時(shí)間的。

南風(fēng)窗：所以它現(xiàn)在基本上也很難產(chǎn)業(yè)化。

雷震：人工智能很難的，因?yàn)樗皇且粋€(gè)行業(yè)，它得跟其他傳統(tǒng)行業(yè)結(jié)合起來(lái)才行，所謂AI+。它不能獨(dú)立出來(lái)，否則就是一堆技術(shù)。而要和其他行業(yè)結(jié)合，還要看數(shù)據(jù)量，并不是每個(gè)行業(yè)都有很多數(shù)據(jù)，有的行業(yè)數(shù)據(jù)就很少。比如工業(yè)視覺(jué)里面，檢測(cè)易拉罐有沒(méi)有缺陷，或者印刷的圖案上有沒(méi)有劃痕，就要先給它一堆有問(wèn)題的，讓它去學(xué)，但是數(shù)據(jù)量不大，不可能自己拿一堆易拉罐去劃。所以目前也力圖在小數(shù)據(jù)上提升深度學(xué)習(xí)能力。

研發(fā)這一塊前期投入會(huì)比較大，人力成本也高。這也是為什么很多人工智能都是在虧損，落地很難。人臉識(shí)別的落地應(yīng)該是相對(duì)最深的，也是最容易的。國(guó)家在推廣，“雪亮工程”在進(jìn)行，本身這塊需求很大，所以人臉識(shí)別領(lǐng)域現(xiàn)在成了紅海。

南風(fēng)窗：它也因此變成了時(shí)代的大生意。

安全與隱私

南風(fēng)窗：我們剛才說(shuō)到模型，你說(shuō)過(guò)，深度學(xué)習(xí)多層次的神經(jīng)網(wǎng)絡(luò)在20世紀(jì)六七十年代就已經(jīng)提出來(lái)，但是當(dāng)時(shí)有人想干干不了，是因?yàn)槟莻€(gè)時(shí)候除了計(jì)算速度慢，數(shù)據(jù)也太少了，沒(méi)有辦法優(yōu)化出模型，但是到大數(shù)據(jù)時(shí)代，獲取圖像信息非常容易，我們普通人都在為此做貢獻(xiàn)，比如QQ、微博里的圖片，或者支付寶的頭像。這些是可以隨意去從網(wǎng)上把它抓取出來(lái)的？

雷震：“ 爬蟲”能爬下來(lái)，QQ空間里有的人未設(shè)密碼，相當(dāng)于那個(gè)空間本來(lái)就是可以公開訪問(wèn)的，那爬下來(lái)應(yīng)該沒(méi)有問(wèn)題，而且純做研究的話，肯定不會(huì)擴(kuò)散。但是如果在后面去干一些壞事肯定也是不行的。

南風(fēng)窗：已經(jīng)有人提出“以后可能是刷臉的時(shí)代”，刷臉會(huì)取代密碼輸入嗎？

雷震：這塊現(xiàn)在還是比較謹(jǐn)慎。

南風(fēng)窗：今年10月29日，市場(chǎng)監(jiān)管總局發(fā)了一個(gè)關(guān)于智能門鎖質(zhì)量安全消費(fèi)的警示，建議關(guān)閉智能門鎖人臉識(shí)別這些功能。

雷震：對(duì)。這里面涉及兩個(gè)技術(shù)，一個(gè)是人臉識(shí)別，另一個(gè)是活體檢測(cè)。在刷臉支付、門鎖這些地方會(huì)用到活體檢測(cè)。這項(xiàng)技術(shù)是判斷攝像機(jī)前的你，是個(gè)真人，還是舉著照片，或是三維模型。在監(jiān)控里一般不需要活體檢測(cè)，你走在路上帶一個(gè)面具，太容易看出來(lái)了。

在國(guó)外，人臉識(shí)別的發(fā)展受到一定限制，因?yàn)閲?guó)外對(duì)隱私看得很重。

但是門鎖、支付就不一樣，我們做過(guò)一個(gè)實(shí)驗(yàn)，只把人臉區(qū)截下來(lái)，讓人去判斷，看到的是真人，還是一張假的圖像，但基本上我們研究人員也是隨機(jī)猜的。因?yàn)槿丝磮D像，必須要配合著周圍的環(huán)境來(lái)判斷。算法就更沒(méi)有人那么智能，因?yàn)樗旧硎强咳擞?xùn)練起來(lái)的，如果訓(xùn)練數(shù)據(jù)里不包含有些材料的話，可能就識(shí)別不對(duì)。這里面很復(fù)雜，因?yàn)楣舻氖侄螌?shí)在太多了，常用的可能就是舉張照片，再厲害一點(diǎn)，拿個(gè)面具。現(xiàn)在防偽里面做得最好的還是蘋果公司，據(jù)說(shuō)它被成功攻擊的最少?，F(xiàn)在百分百的還做不到，肯定還有被攻破的。尤其是人皮面具，那基本上都防不住。

我看到有攻擊電磁感應(yīng)鎖成功的例子。電磁感應(yīng)鎖是原理是這樣，它有兩個(gè)模塊，一個(gè)是身份認(rèn)證模塊，一個(gè)是開鎖的模塊，這兩塊之間是通過(guò)某個(gè)信號(hào)連接的。網(wǎng)上流傳一個(gè)視頻，鎖那一端，因?yàn)殡姶鸥袘?yīng)做得不夠，拿一個(gè)特斯拉線圈弄弄，就繞過(guò)了身份認(rèn)證，直接給開鎖端一個(gè)信號(hào)，鎖就自動(dòng)開了。這就相當(dāng)于身份認(rèn)證的模塊失效了。市場(chǎng)監(jiān)管總局的警告有可能指的是這個(gè)。

刷臉支付，其實(shí)它在使用場(chǎng)景上是有選擇的，一般是小額支付，比如KFC引進(jìn)刷臉支付，一單也沒(méi)多少錢。而且，螞蟻金服不單單是靠人臉識(shí)別，它后面還有風(fēng)控技術(shù)，不是給每個(gè)人都開通刷臉支付功能。很多時(shí)候它要和密碼組合使用，是給信用高的人多一重保障。總的來(lái)說(shuō)，刷臉的風(fēng)險(xiǎn)當(dāng)然還是有，所以現(xiàn)在暫時(shí)只能小范圍的在某些局部的場(chǎng)景應(yīng)用，大規(guī)模推廣還不會(huì)。

南風(fēng)窗：人臉識(shí)別技術(shù)，國(guó)際上的應(yīng)用情況是怎么樣的？

雷震：在國(guó)外，人臉識(shí)別的發(fā)展受到一定限制，因?yàn)閲?guó)外對(duì)隱私看得很重。比如臉書（Facebook）、亞馬遜，做一些人臉識(shí)別很容易被人告，或引起民眾抗議。之前還報(bào)道過(guò)一個(gè)亞馬遜的新聞，它根據(jù)歷史存在的數(shù)據(jù)，用機(jī)器學(xué)習(xí)方法開發(fā)了一個(gè)自動(dòng)篩簡(jiǎn)歷的系統(tǒng)。結(jié)果被人發(fā)現(xiàn)，女性被篩掉的比例比較高，因而只能暫停。Facebook上也有過(guò)類似的事情，比如給你的合影里面貼標(biāo)簽，標(biāo)出來(lái)你的好友是誰(shuí)，這種東西很危險(xiǎn)。

監(jiān)控這一塊國(guó)外就更謹(jǐn)慎了，它不會(huì)時(shí)時(shí)刻刻去監(jiān)控一些民眾的行為。

南風(fēng)窗：那么，中國(guó)的情況呢？

雷震：中國(guó)的數(shù)據(jù)量比較大，數(shù)據(jù)來(lái)源比較多，算法出來(lái)的性能就會(huì)好。但人臉數(shù)據(jù)到處泛濫了，確實(shí)會(huì)有問(wèn)題。公安部也很重視，以后肯定是會(huì)越來(lái)越正規(guī)，越來(lái)越收緊。因?yàn)榇蠹叶家庾R(shí)到數(shù)據(jù)安全的重要性。

還有一點(diǎn)是，現(xiàn)有的模型基本上是基于中國(guó)人的人臉訓(xùn)練的，所以對(duì)中國(guó)人的識(shí)別度就比較高，對(duì)外國(guó)人會(huì)有所下降。

南風(fēng)窗：其實(shí)它還涉及一個(gè)很大的話題，關(guān)于自由。

雷震：是，但我們也沒(méi)有辦法。