<span id="ubbei"><video id="ubbei"></video></span>
<span id="ubbei"></span>
<span id="ubbei"><video id="ubbei"></video></span>
<strike id="ubbei"><video id="ubbei"></video></strike><th id="ubbei"></th>
<span id="ubbei"><video id="ubbei"></video></span><span id="ubbei"></span><span id="ubbei"><video id="ubbei"></video></span>
<th id="ubbei"><video id="ubbei"><span id="ubbei"></span></video></th>
<span id="ubbei"></span>
<th id="ubbei"><video id="ubbei"><span id="ubbei"></span></video></th><strike id="ubbei"><dl id="ubbei"><ruby id="ubbei"></ruby></dl></strike>
<span id="ubbei"></span>
<th id="ubbei"></th>
<span id="ubbei"></span>
<th id="ubbei"></th>
<span id="ubbei"></span>
<span id="ubbei"></span>
<span id="ubbei"></span>
<span id="ubbei"><video id="ubbei"><strike id="ubbei"></strike></video></span>
<strike id="ubbei"><video id="ubbei"></video></strike>

  • <output id="ubbei"></output>
          1. <li id="ubbei"><s id="ubbei"><strong id="ubbei"></strong></s></li>
          2. 跨年龄人脸识别技术,能够让拐卖儿童犯罪现象消失吗?

            Photo by Ben Wicks on Unsplash,贾佳亚(香港中文大学终身教授、腾讯优图实验室杰出科学家)

            现在的图像识别、人脸识别技术精细到什么程度?

            当我们用肉眼去看一张照片时,尤其是在海关或者安检等需要比对人脸的场景下,人脑的识别能力其实是蛮有限的。

            人的脸型在发育成长过程中会发生巨大变化,就算是人的大脑,这个方面的训练数据也是不够的。我们涉足这个领域属于无心插柳之举——当技术已经到了一定地步之后,我们想看看能不能做跨年龄的人脸识别,是从纯技术的角度出发来做的。

            但是现在,我们发现它很有用,因为它在中国有一个特殊的应用,叫作寻找被拐儿童。

            比如说十几年前丢失的一个小孩,很多年后,当你通过我们的官方或者政府寻?#19994;?#36825;样的一个人之后,我们还是要确认到底是不是这个人,除了DNA之外最简单直观的方法就是通过人脸去比对。

            ?#23588;?#29699;范围看,做这个技术的人并不多,虽然我们的技术目前还不是很成熟,但已经可以用来解决一部分问题了。

            在寻找失踪儿童公益项目里,我们今年有六七个寻回案例,与家人失散的时间有的超过了七年,有的甚?#33080;?#36798;十几年,所以这还是蛮有震撼力的。

            跨年龄的人脸识别技术是靠什么实现的?

            绝大多数算法都是叫数据驱动,有多少数据就有多少智能。也就是说,如果你的数据不够,你的算法的成功程度就不会很高。我们创建人脸识别的时候也是依赖这样一个算法。

            无论是人或者算法机器,当他们去直观地看一张人脸图时,都不知道哪些地方是他成长以后会变的,眼角、鼻子、脸型等等都有可能。

            尤其是脸型,从儿童到成年,这之间的变化可能会非常之大。在这一点上就是要追踪它的变化过程,不能用人去追踪,靠人手去标定的话,是不可能?#19994;?#20854;中最关键的特征的,所以我们还是依赖了一些基本的算法。

            我们收集数据都是靠自己的员工,靠他们贡献小时候照片来作为训练算法的数据集 (是完全保密状态,他们才愿意拿出这些数据)

            然后通过这些数据再去分析:到底绝大部分人的脸部会发生什么变化?脸是变长还是变瘦?眼角是变宽还是变窄了?

            在这些变化中间,我们要寻找一种普适性,而普适性的寻找过程肯定也要依赖数据的提供。所以在这个过程中,算法还是挺有用的。

            怎么?#21019;?#20154;脸识别带来的数据安全隐患?

            说实话安全隐患一定会是个问题。

            从我对社会发展的了解和对数据监管的角度出发,或者说从科学的角度出发,我觉得像旧金山把人脸应用完全禁止的做法有点极端了。

            人脸是一种非常简单的人体识别信息。相比于我们自己平时提供给各大机构、政府、商?#19994;?#36523;份识别信息,人脸的信息?#31185;?#23454;非常少。

            信息量最多的是什么呢?是身份证。上面既有你的样子,也有你的年龄住址,你的身份证号码。这个才是最大的身份验证,也是最容易泄露的信息源。

            我们也看到,社会上最不安全的信息载体不是人脸,反而是以实物卡片?#38382;?#23384;在的身份证,它也是最容易被泄露的。不管是银行还是商家,如果监管稍微有一点漏洞,你就会发现自己的身份证信息被出卖了。

            无论从大的社会层面还是从技术层面看,相比起归管我们的物理信息以及名字、ID这些后来被社会赋予的虚拟信息,归管人脸和生物信息?#20960;尤菀住?/p>

            当前人脸识别技术最亟待攻破技术难点是什么?

            现在整个技术的拓展,不是因为某一种物理现象或者是物理条件的约束,?#36158;?#23427;不能够做得很好;绝大部分情况下,一个技术要不断地往上走,依赖于我们有没有一种能更好地模拟或去拟合物理世界的模型,比如我们能不能发展出像人脑一样的人工智能?

            我们人脑识别一个人脸,可能只要千分之一秒甚至万分之一秒的时间。而且,不管它的清晰度、大小、角度如何,我们都能够知道这是不是我认识的人。

            识别人脸在大脑里的功耗是极小的,但是在机器上做人脸识别,它的功耗至少是人脑的几十上百倍甚至上千倍,而?#26131;?#30830;度、识别效果都有很大的提升空间。从这一点来说,技术进步是不会有止境的。

            当然我们也可以通过算法去做一些人脑?#29616;?#33021;力可能做不到的事情,比如暗光下的人脸识别、物体识别、景物识别等等,这也是一个好的研究范畴。

            我们团队不?#20204;?#23601;发表了一篇在极暗光下情况下把图像增强到肉眼可以看清的研究成果。

            如何确保科技的应用范畴都是积极正面的?

            我觉得这是一个叫科技伦理学的概念。以前是没有这个概念的。现在渐渐有政府、公司、社会学者提出这样一个伦理学的概念。有意思的事,我也参与建立了很多关注这个话题的委员会。

            ?#19994;?#30475;法是,每一项技术的产生们都包括了正负面,科技永远是个中性的东西,它就像一个人的性别一样,你要把它分成?#20449;?#20877;让它有不同的功能之后,才有性别之分。

            技术是中性的,如何让它偏向于合理的或者是好的应用,把那些不好的应用给摒弃掉,是我们应该去研究的。整个人类社会需要对它的使用范畴进?#27844;?#33539;,就像原子能的应用,你不能用它制造具有杀伤性的武器,你不能用它毁灭人类。

            《切尔?#24403;?#21033;》剧照

            我们在发展科技的过程中是一定需要伦理的。

            当然,人工智能的伦理还没有生物学伦理那么严肃和重要。在生物学伦理上,比如任何的基因?#33041;?#19981;能用于人,甚?#20102;?#19981;能用于哺乳动物,这些伦理规则是非常严肃的,人工智能现在还没有到这个地步。

            人工智能目前还达不到自主产生想法的程度,它还需要非常漫长的时间来发展。但是在应用层面,如何防止滥用人脸信息,防止数据或者算法被用在坏的场景里,防止不法分子利用技术生成虚假人脸在线上盗取银行信息等,肯定都需要法律法规来进?#27844;?#33539;,这些在伦理学上也提出了非常大的挑战。

            未来发展的方向有哪些?

            第一个在医疗方向。从各个层面来说医疗板块关系到我们的健康与生存质量,所以我们希望尽快地切入到这个领域,帮助三四线城?#23567;?#23567;乡镇等缺乏医疗资源的地区,让更多的普通人能够享受到医疗资源。

            医疗产业很大,全世界的医疗支出量级高达几十万亿以上,所以在整个医疗领域,我们还是有很大的发?#22815;?#20250;。

            另一个重大场景就是自动驾驶,其产业价值,以及对于改善生活便利程度的想象空间,都是非常大的。

            除此之外,我们?#22815;?#20999;入到线下AR+零售,以及传统的工业生产领域。

            现在有很多高危行业依然在使?#20040;?#32479;人力,比如到桥梁、钢?#21487;?#21435;检查缺陷等。这些工种其实都应该逐渐被机器取代,把人类从这些高危工作中解脱出来。这些场景都是我们要重点去发展的。

            这是?#21892;?#27743;创新论坛与造就共同打造的?#30423;?#35775;谈「?#21483;形?#26469;的N次元」,旨在展现45周岁以下青年科学家和科技创新者们的前沿研究与思想火花。

            *文章为作者独立观点,不代表虎嗅网立场

            本文?#31245;?#23601;Talk 授权虎嗅网 发表,并经虎嗅网编辑。转载此文章须经作者同意,并请附上出处(虎嗅网)及本页链接。原文链接:https://www.huxiu.com/article/306044.html

            未来面前,你?#19968;?#37117;是孩子,还不去下载虎嗅App猛嗅创新!

            我来评几句
            登录后评论

            已发表评论数()

            相关站点

            +订阅
            ?#35753;?#25991;章
            陕西高频十一选五 云南11选5开奖结果记录 昨天青海快3今天开奖号码 两元彩票排列五走势图网址 体彩浙江6+118134期 香港六合彩送特码 宁夏11选5前3 sb足球指数 白小姐马报52 24小时上下分捕鱼游戏 重庆百变王牌近100期 26选5中几个码有奖 20选5复式投注计算器 黑龙江11选5前三 香港赛马会六閤彩论坛 任选9场2元奖金一般多少钱