參賽團(tuán)隊(duì)需要在百萬量級人臉數(shù)據(jù)庫中找到目標(biāo)人臉或判斷其在不在庫中。查詢照片來自出入境等真實(shí)業(yè)務(wù)場景，包含識別對象不在攝像頭前特定位置的“非配合性”照片。機(jī)器面臨曝光過度、逆光、側(cè)臉、遠(yuǎn)距離、低像素的挑戰(zhàn)。衡量指標(biāo)在于搜索的準(zhǔn)確率，以千萬分之一誤報(bào)率下的性能為評估標(biāo)準(zhǔn)。檢索準(zhǔn)確率越高，就意味著參賽者的算法可以在更大規(guī)模的人臉數(shù)據(jù)庫中獲得可靠檢索結(jié)果，可以更準(zhǔn)確、高效地完成身份驗(yàn)證。

    贏得冠軍的中國團(tuán)隊(duì)――依圖科技的首席執(zhí)行官朱瓏認(rèn)為，這除了說明來自中國的算法技術(shù)超過了全球的競爭對手，還有更大的意義：我們的算法已經(jīng)在十億分之一的誤報(bào)下達(dá)到超過90%的識別率，已經(jīng)能夠超越所謂的國際主流標(biāo)準(zhǔn)。

    人臉識別就是科學(xué)家口中的計(jì)算機(jī)視覺，作為人工智能極其重要和關(guān)鍵的領(lǐng)域，目前正處在超乎想象的快速發(fā)展階段。“從我們自己的經(jīng)驗(yàn)看，我們的算法效率幾乎以每年100倍的速度在提高?，F(xiàn)在在幾億量級的面孔中識別出一個(gè)人，并不是什么難事。”之前，依圖科技搭建了全球首個(gè)10億級人像比對系統(tǒng)。

    朱瓏說，簡單講，計(jì)算機(jī)視覺是制造有人類視覺能力的機(jī)器，讓計(jì)算機(jī)通過學(xué)習(xí)算法接近人類對圖像的理解程度。而當(dāng)計(jì)算機(jī)實(shí)現(xiàn)了對圖像和視頻的初始理解，計(jì)算機(jī)視覺就能幫助人類突破局限性，改善生活。例如，目前依圖的主要技術(shù)聚焦在計(jì)算圖像識別和自然語言理解在安防、醫(yī)療、金融領(lǐng)域的應(yīng)用，同時(shí)也在進(jìn)行人機(jī)交互、人工智能芯片等研發(fā)。

    不同于計(jì)算機(jī)，人一睜眼就能迅速看到和看明白一個(gè)場景，因?yàn)槿说拇竽X皮層至少有一半以上的海量神經(jīng)元參與了視覺任務(wù)的完成。在互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等幫助下，科學(xué)家們也開始利用深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等模型和方式來教會計(jì)算機(jī)識別物體。有意思的是，盡管人類希望計(jì)算機(jī)視覺接近人類智慧，但在很多場合特別是機(jī)器得到海量數(shù)據(jù)的學(xué)習(xí)訓(xùn)練后，科學(xué)家們發(fā)現(xiàn)計(jì)算機(jī)視覺處理能力似乎已經(jīng)超越了人類大腦。

    “計(jì)算機(jī)識別人臉和物體的時(shí)候，有點(diǎn)像從人眼看見物體到大腦譯出最終結(jié)果的過程。我們的計(jì)算模型也類似人的神經(jīng)元傳遞方式，一層一層搭建起高級的神經(jīng)網(wǎng)絡(luò)?！敝飙嚭蛯?dǎo)師、著名科學(xué)家霍金的弟子艾倫?尤爾，最早在實(shí)驗(yàn)室中研發(fā)出新系統(tǒng)，通過遞歸式塔狀結(jié)構(gòu)來表示物體的結(jié)構(gòu)，而不是像傳統(tǒng)識別方式那樣，需要事先被告知物體特征，從而會導(dǎo)致巨大的數(shù)據(jù)存儲量。朱瓏認(rèn)為，技術(shù)人才的儲備、市場環(huán)境的成熟和實(shí)踐的基礎(chǔ)、數(shù)據(jù)資源，是中國人工智能可以和全球最強(qiáng)對手競爭的巨大優(yōu)勢。無論是對國家還是從業(yè)者而言，人工智能都將迎來極其難得的機(jī)遇。