机器做的识别，跟普通的人作一个识别的基础比较的话，机器的识别能力已经超过人类了，这是一个很重要的界线。很多最基础的功能上机器超过人类，机器就可以替代人从事这部分工作，有太多场合可以替代，比如机器几乎不会存在速度和体力的问题，一秒钟看1个人，还是5秒钟看10亿人机器都可以，很多场合都可以被替代，这是很重要的分界线。

　　刚识别这四组人像的问题，有的人可能会问，在座的100多位都不认识这几个人，有可能识别不了，大家对陌生人的识别能力下降，可是对熟悉的、我的朋友的辨识，机器不太可能超越我。

　　我们做了一个实验。我们有一个公安的客户，他在一千万数据库当中，把他女朋友的照片放进去搜索，然后拿出相似的前十名出来，打乱了出来，问他哪个是他女朋友，他辨别不出来的，有可能一个是证件照一个是生活照的原因，有可能因为年龄的原因，也可能有化妆的原因。

　　所以你非常熟悉的人，比如你女朋友，你不见得比机器更认识你的女朋友，因为光照角度、化妆，人是很容易受主观性的影响。

　　今天机器做到一个程度，对非常熟悉的人的辨识，机器也可以很稳定的超越人类。再拓展一点，识别人，跟今天在座的观众差不多的体验。到更专业的领域，医学上，一个专家他可能训练了3年或者5年，机器还是可能超越人类。

　　我们还做了一个统计，我们尝试想回答一个问题，在中国大约13亿人中有多少人和你长得一样？长得一样的标准，就是你妈辨别不清楚谁是谁，这个问题纯粹是对世界的好奇。

　　结论是每一亿个人中有一个人和你一样，全中国平均有12个人跟你长得一样，你找得到12个“替身”，而且是你妈辨别不出来。这是很重要的一个科学统计的结果，这是在其他任何地方都不知道的结论。

　　这是什么意思呢？我们做人工智能，除了产业化的意义意外，今天的人工智能，把机器的边界不断往前推进的时候，它能够帮助人类看到我们的智慧、天生的能力边界在哪里。从前这个课题没法被讨论没法被回答，以前没有这么大规模的科学手段，这非常有意义。

　　虽然人脸识别非常普罗大众，大家讨论智能，容易讲AlphaGo，讲棋手。那我对智能有一个很重要的理解，人工智能应该是先解决一件什么事情，其中应该是人天生就会具备的能力，他应该是3岁、5岁小孩就应该有的能力，这是人成为人的一个最重要的基础，它的很多智能是由这些衍生出来的，不是人的掌握的那些知识，知识如果就能被替代的话，他说的我这种智能就是体现差异的，不是棋手才有的智能，也不是英国人美国人特有的智能，也不是上大学的人有的智能，只要你是人就会有这个智能。谈论这个事情，是回答人最本质的东西。

　　再往下，我们谈一谈社会上的意义，有的人可能听说过这个案子，我们基本上应该是布了全球最大的人脸搜索引擎，公安可以通过这个搜索引擎追逃逃犯。

　　这个案子是十几年前的杀人犯，逃到庙里做主持，通过一个系统交叉比对，就是把通缉犯来和现有的十几亿人或者一个省的一个亿人，做大规模的几万亿次的或者几十万亿次的交叉比对，大部分逃犯可能都是改了证件做了漂白的，这个可以说是大海捞针的方式。

　　另外一个会在派出所发生，老人带着小孩走丢了，他说不清楚自己是谁，记不起身份证号码，以前这个很难办，公安也不知道该去收容所还是社保，很难处理这件事情。现在在派出所拍一下就知道这个人是谁，也比较简单。

　　这个是讲这个摄像头用到了哪些位置，像是在公共的摄像头，办案过程已经锁定了嫌疑人，公共摄像头抓拍到了嫌疑人，比较远而且是运动的、模糊的、低清像素的情况下，基本都能识别出来。

　　这是在网吧，以前的小案件很难报案，几百块或者几千块钱，比如手机被人偷，既没法查也比较难抓，现在是这种角落里的摄像头，即便有角度的差异，也基本上都可以查得出来。

　　还有比较典型的应用是在ATM机上，以前也比较难做，ATM机上鱼眼摄像头拍到人像，现在可以用这些人像抓捕疑犯。

　　中国的人工智能局面，先进的技术结合垂直的场景，研究也具有世界范围内领先意义。

　　今天的人脸识别技术在不同的区域、不同的场景下，能做到非常多事情。作为从业者，特别是从科学到创业圈，还是非常激动人心的，特别是我和一线的民警聊，过去民警工作中希望用到的科技手段，这2年下来基本都能做到了，更重要的意义是你们看过的美国科幻大片里面的场景，我可以回答，我们都能做，而且基本上只有中国能做到。

　　美国和其他国家，像这种视频条件和人脸识别的技术都很难做到。美国的人脸识别技术很好，好在哪里？美国只是谷歌的技术好，最多再加一个Facebook的技术好，但它的创业氛围和政府的圈子的意识不见得是最领先的。

　　今天的局面是，像我这样的留学生回国的比较多，中国出现这种先进的技术和垂直领域相结合的产品是比较有代表性的，做出来不只是解决中国的问题，在世界范围内都是非常领先的。

　　我们刚介绍做人脸识别，其实我们还做其他方面，这是新的统计建模和人工智能在城市管理的应用。做一件什么事情呢？在杭州试点，把道路上的车和灯以及路，比如有多少个车道，道路上车辆通过的速度，这些参数拿进来进行建模，能够给交通一些优化的建议。

　　比如说红灯可以从50秒调到40秒，能使道路通行的速度提高5%或10%，类似的预测在宏观上做交通管理。如果有个大的事件或活动，要做个预测，过去都是凭着政府管理者的经验，都是经验型的，不是科学、大数据驱动的决策机制。现在可以靠真正的科学来辅助决策。

　　还有比较直接的应用，是在医学领域的肺的CT片，科学统计结果，今天机器可以做到和医院副主任医师看CT片子相当的水平。

转载请注明出处。