在人脸识别中击败人类记忆大师，百度大脑背后的技术解读

机器之心报道

参与：机器之心编辑部

2017 年 1 月 6 日，百度首席科学家吴恩达带着小度机器人来到了《最强大脑》现场，与人类选手展开了对决，并在人脸识别比赛里以3:2的比分赢得胜利。

新年伊始，人类和人工智能的对垒就已经迎来了高潮，首先是谷歌 DeepMind 的 Mater 在线上围棋比赛中连胜 60 场，再次证明了机器在围棋这项运动上已经超越了人类。几天之后，《最强大脑》第四季首期就又迎来了一次重磅的人机大战，由植入百度大脑的小度机器人迎战世界记忆大师王峰。本次比赛的主题是跨年领的人脸识别，人类选手识别对了两张照片，小度则答对了全部三张照片，甚至包括一张双胞胎照片，从而战胜了人类大师。

小度的惊艳表现和其背后百度强大的人工智能技术能力是密不可分的。目前百度大脑拥有世界上最大规模的神经网络，万亿级别的参数，千亿的训练数据和亿级别的特征，这些共同强大的人工智能系统，再加上 GPU 并行计算丰富的计算资源带来的效率提升，从而使人工智能技术真正能够发挥出威力。

这次比赛的主题是人脸识别，后者也是目前图像识别里的一个重要领域。主要分为人脸检测、人脸图像预处理、人脸图像特征提取和人脸图像匹配与识别四个步骤。在比赛中，人类选手王峰表示，他在识别人脸时也是去寻找和记忆一些特征。而对于机器来说，深度学习的方法是一层一层的学习不同特征，从底层的低级特征到高级特征。

不管是谷歌、微软、Facebook、百度等科技巨头，还是众多公司，都在人脸识别的技术研究和应用方面有着积极探索。而百度 IDL 主任林元庆表示，2014 年和 2015 年在 FDDB 百度都是第一，2015 年底在内部比较难的测试集上最好是 8% 错误率，经过 2016 年的改进 9 月份错误率降低到 2.3% 。最后希望能够把错误率降到1%以下。

百度的人脸识别系统是分两步训练，第一步训练是通用人脸识别系统，不是专门针对跨年龄，这次成功最关键的是训练了一个非常强大的人脸识别系统。我们的数据里面是两百万人，每个人有一百张照片，我们用一个非常大的数据训练我们的人脸识别系统，这是百度很多年积累起来的数据，这个过程的迭代是数据和算法一起迭代，这里面非常难的事情是你要有非常好的算法，充分利用这些数据。利用这些数据，你能设计出非常好的算法符合这些数据。

而在比赛中跨年领的识别，并不是简单的匹配（matching），而是需要有逻辑推理能力。林元庆表示：「将人脸分成 7 个部位，在人脸打 72 个点，从中学习哪些部分的特征是非常重要的。搜集类似的数据，告诉机器这个人小时候长这样，长大了长这样，让机器自己去学习哪些是重要的特征。」

在具体技术上，百度 IDL 的人脸团队用了端到端的度量学习，即通过学习一个非线性投影函数，把图像空间投影到特征空间中。在这个128位特征空间里，跨年龄的同一个人的两张人脸的距离会比不同人的相似年龄的两张人脸的距离要小。同时，考虑到跨年龄人脸的稀缺性，用一个用大规模人脸数据训练好的模型作为底座，然后用跨年龄数据对他做更新。这样不容易过拟合。

在人脸识别技术中还有个非常重要的因素是特征点定位，对于这个问题，林元庆在接受机器之心采访时表示：「一个方面当然就是我们要想办法去做出非常好的特征点定位的算法，然后要训练非常好的模型。在一些极端情况下，可能这个算法也不会很精确的做定位，但我们希望后面的识别模块有一定的容错能力，那我们的做法就是在训练时制造一些数据，人为产生一些误差在定位上，然后拿这些数据放在深度学习模型里去训练，这样最后训出来的模型就对定位的误差是有一定的容错能力。」

此外，这次比赛是在现场进行，小度看到的画面和人类选手是完全一样的，而不是图像信号的接入。而电视节目的复杂性又增加了人脸识别的难度。比如说角度、表情、现场光线、阴影化妆、和配饰等，但小度的表现依然精确。

最强大脑评委魏坤琳对百度人脸识别技术的评价是：「百度在最强大脑这个舞台上厉害的一点就是实时比，大家都没看那些舞台上挑战项目的素材。事先，人机双方只是知道挑战的大概项目，留给百度工程师的是基于正常人的、普通场景下的数据去训练人工智能。 」

小度在人脸识别方面的表现让我们对其未来应用充满期待，而百度在人脸识别产品和应用的推进也已经开始。目前，基于人脸识别的门禁技术已经在百度大厦落地；银行也会使用这项技术来做远程的身份认证；百度的人脸识别还在乌镇戏剧节上亮相。

对于这场比赛，林元庆不喜欢用「打败」来形容。「不管输赢，我们都是回去继续研究。」他说，「后面的五年、十年，甚至二十年、五十年，我们一定会跟人工智能的技术共存，希望我们把这些技术用好，帮助人类解决问题，而不是让这些技术成为人类的对立面。」李彦宏也表示：「无论输赢，都会对人工智能的技术发展做出突破性的贡献。」

其实对于每次人机比赛，总是会出现一些威胁论或者宿命论的非专业解读，这不仅是对人类自身的不负责任，也会影响人工智能技术的正常进展。而就像应用于图像识别的 CNN 是在某种程度上借鉴了人类视觉原理一样，此次比赛也会使百度的技术团队从人类选手那里获得足够多的灵感和线索，来推动人工智能的进步。比赛只是证明了机器在人脸识别这个任务上，基于目前最先进的技术可以比人类做得好，带来我们更大的可以应用的想象空间。更重要的是，将人工智能正确的带到了大家面前，并促使我们去拓展智能的边界。