追求更自然的AI交互

　　人脸识别有两个不同的场景，一个是1：1的人脸比对，一个是1：N的人脸识别。前者常见于银行、公安系统一些应用，一般需提交个人身份证信息和人脸特征，然后系统再拿身份证照片和提交的信息进行1：1的比对;后者也已在刑侦等领域有一定应用，但由于1：N识别精度问题导致难度较高，传统上公安系统也只是借助这项技术辅助侦查，对识别结果还“不能确信”、对嫌疑人“不能锁定”。

　　百度“刷脸”技术选择的是1：N的精准识别。林元庆透露，百度从2016年开始发力1：N的识别应用，并取得很大技术突破，“已经可以将1：N的人脸识别做到非常精确”。

　　百度方面此前宣布，百度大脑的人脸识别监测准确率已达99.7%。

　　“如果准确率不够，在刷脸通行闸机的应用上就可能会导致百度的员工被拦在门外，这种情况是不能容忍的。”林元庆告诉记者，百度人脸识别的精确度有两个指标：误通过率和通过率。“通过率容易理解，就是指匹配的正确率。误通过率就是指‘不是百度的人轻易放行了’，我们这个指标接近于0;通过率则在99%以上。”

　　事实上1：N精准识别要做到高精准识别度并非易事。这也让李子青在内的学者们怀疑：“真的有宣传中所说的那么高吗?”

　　“1：N做到高精准识别度是最难的。”林元庆也坦承，特别是随着数据库的增大——目前百度通行闸机和未来百度食堂的数据库为2万~5万人——对识别的精准度和安全性都提出了更为严峻的挑战。

　　“但这样才正是百度的‘菜’。”林元庆说，只有实现1：N精准识别，才是真正给原有人脸识别方式带来革命性变化，让人工智能(AI)时代的交互更智能、更便捷。“我们一定做到这一点，因为我们希望以后的AI界面将是非常自然，跟我们的生活无缝对接的。”

　　悄然进入2.0时代

　　事实上，在人脸识别最初走向应用之时，“准确率”就一直是深化应用的瓶颈所在。特别是，最初的二维人脸识别并不能达到“脸”与“人”的高度匹配。

　　“人脸跟踪识别技术已进入2.0时代。”人工智能科技公司ULSee创始人叶舟告诉《中国科学报》记者：“传统的人脸识别技术主要是基于可见光图像的人脸识别，但这种方式有着难以克服的缺陷，尤其在环境光照发生变化时，识别效果会急剧下降，而且还存在其他比如侧脸、正脸差异较大，用照片图像进行欺诈等问题。”