老余闲篇

　　□ 余 方

　　关于“刷脸”，最近有两件前后脚发生的新闻，一是明星赵薇家的豪宅被无良司机偷卖了，貌似不可能发生的事情竟很简单：该司机到公证处冒充赵薇丈夫黄有龙，通过人脸识别技术办理了委托公证证明，之后一切就妥妥的了。因牵扯到当红明星，这件奇案有一多半像八卦，成为娱乐新闻头条。相比之下，招商银行早几天发布的一件正经新闻关注度却没那么高，招商银行10月15日宣布推出“ATM刷脸取款”业务，这标志着在经过柜面和VTM渠道人脸识别技术反复考验之后，“刷脸”已经深入到ATM终端。

　　这两件新闻的共同关键词“人脸识别技术”是个持续大热门，其未来应用前景普遍被看好。尤其近几年，全球几乎所有浪尖上的企业都对其青睐有加，微软推出的颜龄识别机器人网站How-Old.net轰动了社交网络，通过大数据和机器识别技术，智能判断照片中人物的年龄，用技术流引领了娱乐潮；脸书（Facebook）2013年12月在纽约创建了深度学习人工智能实验室，2014年脸书的DeepFace技术脸部识别率准确度达到97%；谷歌2014年初花费4亿美元收购了深度学习算法公司DeepMind以及图片分析公司Jetpac，之后推出人脸识别技术FaceNet。再比如国内的浪尖“BAT”，百度有深度学习研究院，今年百度世界大会发布了脸优产品；阿里巴巴创建了生物识别技术团队柒车间，马云在今年的汉诺威消费电子展上还秀了一把蚂蚁金服的Smile to Pay扫脸技术；腾讯建立了优图团队，其99.65%的识别率目前把对手甩出一条街。国内政府部门、军队、银行、社会福利保障、电子商务、安全防务等方面或多或少都有人脸识别技术的相关应用，与普通人的日常生活联系也越来越紧密，比如电子护照和电子身份证、住宅门禁、打卡考勤、地铁安检、银行自助服务等。

　　就目前来看，银行、互联网金融和安防是人脸识别最适用的实际应用场景，但仍然面临相当大的技术鸿沟。由于人脸的生物特征既相似又异变，还会受到环境光照条件以及遮盖物（例如墨镜、口罩、毛发）等多方面因素的干扰，因此人脸识别技术也被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一。就拿识别率来说，并非识别率高就意味着技术更成熟，实验室的理论数据与应用场景中的实际效果还是有差距的。换句话说，算法已经不是门槛，最大的门槛在数据，训练数据的规模要足够大且与实际应用场景一致，脸书建立的基于4000多人的440万张标签化的“人脸池”，就是为了通过“深度学习”算法调查用户在社交网络上的行为和习惯，通过不断的训练和数据积累提升人脸识别的能力。

　　可以说，深度学习肯定是未来的大趋势，所有顶尖公司都在就此发力，你追我赶争夺未来。“刷脸”世界也许是属于微软、脸书、谷歌、BAT的，但终究是属于技术的。就技术层面来看，目前“人脸识别技术”离“杀手级”还有很大提升空间，其商业价值还有待检验。在现阶段，人脸识别手段在某些重要场景的应用还需持谨慎态度，至少不能作为单一手段，人机复合模式也许更稳妥。更重要的是，在这个技术普遍应用于更多场景之前，应该先建立技术规范和安全规范，设立准入门槛，保障活体识别与片源库算法的有效验证。否则，类似赵薇家遇上的这种糟心事会越来越多。