面对千篇一律的网红,机器人是否也会脸盲

近日，支付宝掀起了一场前所未有的人机大战，这次比拼的焦点在于人脸识别技术。代表人类出战的，是拥有“鬼才之眼”称号的王昱珩，而他的对手，则是支付宝旗下的人工智能生物识别机器人“蚂可”(Mark)。他们的识别对象，是数百名网红的照片，需要根据选定的网红照片找出对应的网红。

在这场网红脸的识别挑战中，人类的识别难度无疑被加大，因为网红的特征就是千篇一律的美。对于机器人“蚂可”来说，是否也会遭遇脸盲的尴尬呢？

机器人“蚂可”由蚂蚁金服生物识别技术小组与Face++合作研发。Face++的市场负责人谢忆楠在赛后接受媒体采访时，简单解释了人脸识别技术的原理。简单来说，就是通过脸上不同关键点之间的距离，通过算法计算人脸在不同角度下的变化。蚂可在进行人脸识别时，会提取人脸上的600多个关键点进行交叉验证和动态识别。

某人脸识别从业者向雷锋网表示，算法的关键在于识别关键点的位置。这些关键点是通过深度学习而来，符合人脸的视觉分析能力。即使是人脸稍微偏移一点角度，关键点的位置也会发生变化。人脸识别的过程就是找出脸部图像上眼睛、眉毛、鼻子、嘴巴、脸颊等特征关键点和面部表情网之间的关联，最终判断这些图像是否属于同一人。

人脸是变化的。不同的角度、妆容都能影响特征关键点的抓取。对于简单的化妆，只改变色彩并不会对识别结果产生太大影响。但如果化妆过度，以至于人眼都觉得变了样，那么机器也可能产生误差。样本库的大小也影响识别的精准度。

在这场人机大战中，蚂可已经“阅人无数”，识别过的人脸超过500万张，看过的照片更是超过1亿。其人脸识别精度高达99.6%。尽管如此，在某些情况下，如网红的童年照片或经过PS处理后的照片，机器识别的难度会增大。网红脸的面部特征重叠度较高，也会影响识别的准确度。综合来说，识别的准确度与样本的质量和算法水平密切相关。

在这场网红脸识别的人机大战中，水哥王昱珩以其独特的人脸识别能力以3:2的优势胜出。在前两轮比赛中，他从上百张照片中准确找出了随机选出的到场网红。而在蚂可输掉的第三场比赛中，面对80张幼年照片，水哥仍然表现出色。这再次证明，在人脸识别领域，人类仍有其独特的优势。

与此全球的人脸识别技术也在不断发展和进步。华盛顿大学的研究团队开发了一个包含一百万相册图片的数据集，用于测试人脸识别团队的算法性能。在最近的测试中，Google的面部网络展现出了极高的性能，在更大的图片集上达到了近乎完美的精准度。这表明人脸识别技术的精准度已经达到了相当高的水平。

这场人机大战不仅展示了人工智能的潜力，也展示了人类在人脸识别领域的独特优势。随着技术的不断进步，我们期待未来在人脸识别领域取得更多的突破和创新。对于这一测试而言，挑战的关键在于识别不同年龄段下的同一人，这仍然是一个难以克服的技术难题。

识别准确度的高低，取决于厂商的设置和业务需求。在进行一对一认证时，相似度要达到99%以上，特别是在金融领域。而在一对多的情况下，虽然可以设置更高的准确率，但漏检率也会随之上升，一般也要达到95%以上。尽管人脸识别技术在我们的日常生活中仍然显得有些遥远，但它正在不断走近我们的生活。

人脸识别技术从自我比对扩展到与多人比对，最终目标是实现快速简便的身份识别场景。人脸作为一种开放的认证方式，摆脱了手机和电脑的束缚，成为随时随地的身份标识。它可以替代身份、会员卡，甚至是货币。在未来的科技生活中，人脸识别的应用场景有着巨大的想象空间。

以阿里巴巴的支付宝为例，其概念视频演示展示了借助人脸识别打通人与人、人与系统的联系。从电脑到智能手机，再到智能穿戴和生物认证，支付宝一直在探索人脸识别技术在日常生活中的应用。在一些特殊场景中，如招商银行的人脸识别取款和医院的人脸挂号等，这项技术正在得到尝试和应用，以服务于我们的生活并降低沟通成本。

早在去年3月，马云在汉诺威消费电子、信息及通信博览会上向德国总理默克尔和中国副总理马凯演示了蚂蚁金服的Smile to Pay扫脸技术。虽然那次演示中的“蚂可”未能完全胜任任务，但支付宝的目的是展示其人脸识别技术的潜力。这项技术的真正挑战在于在不经意间捕捉人脸图像，在各种角度、模糊和眨眼动作的情况下，从大量的人脸图像中实时识别出正确的身份。我们期待蚂可和阿里巴巴未来在这一领域取得更多进展，也希望支付宝下次不要再让“蚂可”去识别那些令人尴尬的网络红人的脸庞了。