給你1張4歲小女孩的照片，再讓你從電腦屏幕上看20個女孩跳舞唱歌，每個女孩只出現3秒鐘。你能從中找出長大后畫著濃妝、戴著美瞳，甚至可能整容過的她嗎？
    1月6日，江蘇衛視《最強大腦》就以“匆匆那年”為主題，上演了中國版的首次人機對決：31.02秒就可記憶一副無規則撲克牌的人類代表王峰，迎戰百度人工智能機器人“小度”。雙方先比拼人臉識別——僅憑一張童年照認出十幾年后的少女，包括一對雙胞胎；第二局，則要從30張畢業照中，即約1500個花生米大小的頭像中，根據長大后的男生照片找出兒時的他。
    同“Master”橫掃人類圍棋大師一樣，人工智能再一次戰勝了人類。百度大腦如何分辨長大后的雙胞胎？它和Master哪個更厲害？它還擁有哪些神奇的功能？《經濟日報》記者就此采訪了百度大腦的技術團隊，得出迄今為止最靠譜的答案。
    小度認出了長大后的雙胞胎之一，人類沒有
    都說“女大十八變”，比賽中，選手王峰表示，自己主要看嘴角、耳朵的相似度。在他眼里，長幼兩張人臉被分解成一個個相似的五官形狀，此中除了運用人類的記憶力、推理能力，還有人類的本能。
    “千百萬年進化過程中，人腦進化出一個專門的區域負責人臉識別（簡稱FFA）。”百度首席科學家吳恩達被戲稱為小度的“爸爸”，他舉例說，“一個3歲的孩子看見媽媽時，不管媽媽是微笑、生氣，睜著眼、閉著眼，長頭發、短頭發，穿什么衣服，孩子都可以輕易認出這是媽媽”。
    但是，人腦為何一瞬間就能完成人臉識別，至今全世界的科學家也說不清背后的原理。因此，小度對人臉的識別不是模仿人腦，而是更多基于數據分析和深度學習。
    在人工智能“眼里”，它看見的不是一個圖形，而是一些按數字1和0記錄的像素點。因此，機器會把人臉分為很多個小方塊來識別。根據眼睛、眉毛、鼻子等器官的特征及其相互之間的幾何位置關系，計算總結出這些點，最終構成了一張人臉。
    如果要辨認這張人臉是誰，機器還要提取面部特征進行特征建模，與需要對比的人臉比較后，根據相似程度，對人臉的身份信息進行判斷。一旦人的面貌發生任何變化，哪怕只是輕微仰頭，燈光變換，機器都需要重新計算一遍。
    據百度深度學習實驗室主任林元慶介紹，“為做到盡量精確，在百度的技術中，我們會在人臉上取72個點，最后通過神經網絡計算，得到128維特征，每一維特征是人臉上的某種特點，比如獅子鼻”。
    至于如何從72個點的信息里總結出128種特征，并將每種特征與人臉的特點一一對應，這是由深度學習從海量數據里自動學到的。換句話說，工程師并不知道這種特征究竟是“獅子鼻”，還是別的某種甚至沒有詞匯形容的特征。
    計算機辨認人臉原本就非常困難，但在《最強大腦》的舞臺上，又增加了時間跨度。現場嘉賓、北京大學心理學系教授魏坤琳解釋說，成長中的人臉變化極大，一個人一輩子連身份證都要換好幾次。對于人類來說，可以依靠整體神態、氣質等無法言說的因素去主觀猜測，但機器不會猜，只能根據深度學習得來的規律計算。
    據林元慶介紹，為了備戰，團隊2個月里讓小度看了200萬個人的2億張照片，并輔以少量有時間跨度的照片。經過“訓練”，小度自己總結出了一種不為人所知的人臉隨年齡變化的規律。
    在遇到蜜蜂少女隊的雙胞胎時，人類和人工智能的差別就顯示出來了：姐妹花長大后外表幾乎一模一樣，連姐妹倆自己都分辨不出舊照片里的人是誰，王峰用肉眼也無法辨別她們的五官特征。但是，在人工智能的計算方式下，雖然她們的面部骨骼極其相似，差別特別細微，總還是有一點區別。最終，小度計算出，其中一位跟老照片里的小姑娘有72.98%的相似度，另一位有72.99%，差距僅為萬分之一。
    百度大腦認臉和Master下棋，哪個更難？
    很巧合，在百度大腦參加最強大腦比賽的幾乎同一時間，曾經橫掃國際象棋界的阿爾法狗改名Master，重出江湖，以60場連勝頂尖圍棋手的傲人成績，震驚了全世界。
    這也讓不少人好奇：如果Master和百度大腦比賽，誰輸誰贏？
    “很遺憾，這很可能將是一個永遠沒有答案的問題。”林元慶解釋說，因為百度大腦和Master學習的是兩種完全不同的技能：小度的強項是生活服務，比如人臉識別和語音識別，從來沒有學過下棋。Master目前似乎也只會下棋，不會辨別人臉。
    那么，對人工智能來說，認臉和下棋，哪個更難？
    從本質上說，百度大腦和Master都不是記憶和推理的高手，而是數學大師，只不過一個算棋局的概率，一個算人臉相似的概率。
    國際象棋、圍棋等棋類是計算每一步會帶來的概率變化，計算能力和算法越強，越能照顧到后面局勢的變化。魏坤琳認為，人類不擅長邏輯運算，因此，只有少數人精于下棋，頂尖高手更是鳳毛麟角。而且，人類腦力有限，即使是聶衛平在巔峰時期，也只能在局部多計算幾個回合，無法考慮每一步對全盤戰局的影響。
    但邏輯運算是電腦的強項，它每次落子，都可以考慮對全局的影響。這也是為什么聶衛平等圍棋大師會覺得Master不按常理下棋的原因。因為在某些時候，計算全局和計算局部的結果是不同的。
    反過來，感知和運動是人類擅長的，機器卻不擅長。機器無法理解雨打芭蕉的美，爬個樓梯也很費力，特別是臺階的高度、坡度、光照條件等參數無法預知時，機器人很難像人一樣流暢地爬樓梯。
    “同樣，推理辨識長大后的人臉，不是簡單的信息匹配和分類問題，而是從模糊復雜的信息中抽象出規律的問題。”魏坤琳說，“基于極少非結構化的信息來學習推理，這恰恰是人腦擅長的。我們把這些要素都設計到了最強大腦舞臺上的挑戰當中”。
    因此，《最強大腦》科學顧問團首席顧問、北京師范大學心理學院院長劉嘉在首次媒體看片會上，曾正面回應道，“小度從計算上的難度來講，甚至可能會超過Master”。
    但魏坤琳不完全贊同。他反復強調這種難易比較只是“可能”，“因為，人工智能對不同認知功能有自身的難易評判，我們不能用人的直覺去作這個評判。這就像蘋果和橘子，不能比”。
    我們不怕汽車比人跑得快，為什么要畏懼機器比人聰明？
    這場比賽還有一個細節——面對小度，曾經展現出超強記憶力、辨識力的人類選手都不敢應戰，場面一度尷尬。在評委們的鼓勵下，有3位選手帶著點悲壯的感覺主動請戰，稱“即使必輸無疑，也要維護戰隊和個人尊嚴”。
    選手們的畏懼折射出當下人們對人工智能的恐懼心理。最強大腦的選手在記憶力、識別能力等方面都極其出類拔萃。他們在人類最擅長的領域，被最不擅長此項活動的機器打敗，其沖擊大于當年的AlphaGo，再次引發了“人工智能威脅論”。
    “恐懼未知，這是人的正常心理。”魏坤琳覺得，新技術出現時都會造成恐慌，汽車、火車、計算機剛問世都有人害怕。他認為，大多數人其實是擔心自己被人工智能替代，“人工智能的出現，可能讓很多一般智力活動甚至專業人員的工作受到威脅。但是，有些工作被取代了，新的工作又產生了，人類整體的失業率不一定會上升”。
    實際上，從人類生活的質量來說，有了人工智能的輔助，大家的生活變得更“智能”了，自動駕駛、家居機器人、專業決策輔助，這都是前人無法想象的生活。
    在比賽現場，嘉賓就提出，小度可以幫助父母尋找失散多年的孩子，幫助公安機關搜尋偶然被攝像頭拍到的犯罪分子。從商業化的角度，百度的人臉識別已經在浙江烏鎮景區閘機得到應用，可滿足每年千萬人次的游客使用。還有一些國產手機也在接洽，希望使用百度的人臉識別技術。
    而且，人工智能還可以做很多事情。比如小度不僅會辨別人臉，對人類語音的辨別率也能達到97%；小度還可以聲情并茂地輸出語句，基本可以代替忙碌的媽媽給孩子們講故事。在智慧醫療、文物挽救、在線個性化教育等方面，人工智能大有可為。因此，近年來，微軟、Facebook、IBM、谷歌、亞馬遜都投入巨資研發人工智能。在最近的消費電子展（CES 2017）上，各大廠商都帶來了自己的人工智能。
    但是，再強的人工智能都是人類智慧的結晶。機器只能做人教給它的東西，也無法理解人類的感情。比如小度判斷出雙胞胎的存在，給出了兩個概率。因為兩個數字太過接近，在它的系統中無法抉擇，最終還是吳恩達幫它挑選了概率稍高的那一張。
    人工智能要威脅到人類，還有很遠的距離。也許就像王峰說的，人和機器不是敵對的關系，雖然這次他輸給了人工智能，但這其實代表人類的科技又進了一步。
（來源：互聯網）