时至今日，你也很难估量2011年——微博上一个黄金时期，社科院农村发展研究所教授于建嵘老师提议的“随手拍照解救乞讨儿”运动产生的社会影响力。尽管轰轰烈烈的“人人拍照挽救拐卖儿童”因陷入某种狂热而遭到质疑，但公众对这一事件的愤恨，对离散家庭的同情，仍旧持续产生了在其他事件上并不常见的共情效应——为数不多的社会题材院线电影，甚至有《失孤》和《亲爱的》两部与此相干。
不过实际是，因为查找与辨认儿童唯有靠肉眼并不擅长的照片对比，正确率和服从上都特别很是有限，仍未从根本上改善这一社会悲剧。也因此，几乎每年两会都有人大代表提出与走失儿童相干议案，譬如去年就有代表建议：儿童出生时由当局免费采集DNA，且所有孩子上户口时必须核对DNA信息。然而经济学常识是，美好愿景与“社会成本”之间存在鸿沟，通过DNA比对必要伟大的技术成本。
一年之后，今年提出议案的换成了科技大佬李彦宏。3月3日，李彦宏在全国政协十二届五次会议提案：行使已经成熟的人工智能和大数据技术网站建设报价，帮助解决走失儿童题目。
事实上河南人事考试网首页，当人工智能普遍被产业界视作将来社会下一代基础设施，与之相干的提案当然不只李彦宏一份，复星集团董事长郭广昌也提案，盼望更多医疗健康行业与人工智能技术相结合——而让李彦宏和郭广昌愉快的是，就在3月5日上午，第十二届全国人民代表大会第五次会议在人民大会堂开幕四川建筑设计，“人工智能”首次被写入全国当局工作报告。
当然，说回李彦宏的这份提案。其实多年来，舆论壮大的共情作用让不少科技企业都试图改善这一征象：譬如两年前颇为火爆的儿童智能穿戴设备，但遗憾的是，后来因为辐射高，续航差，GPS 偏差高等缘故原由，被寄予厚望的可穿戴渐渐沦为临时玩物；此外微博也曾推出过“LBS地域情景化网格体系”，行使用户位置信息有所作为。
于是题目的关键转向在公众一端认识又陌生的词汇：人脸识别。今天不妨从技术视角，分析一下李彦宏这一提案的理论基础。毕竟，相较于DNA，“人脸”是大众更认识且成本低得多的识别对象。
人类思维VS机器思维
进化生理学告诉我们：因为祖先族群内原始的协作需求——以及识别“异己者”和“不合作者”的本能，人类大脑从上百万年前就演化出了识别人脸的能力。而也正因为这上百万年“时间差”造成的演化沉淀，识别他人面孔归属于大脑应激反应的所谓快体系，或者说直觉——不过，机器世界里从来没有“直觉”二字，有的只是算法和数据。
这亦是人脸识别技术难度所在。不同于一样平常图像识别，人类脸部结构存在极大相似性；且表情易变（人类究竟有多少种表情？我还没看到分外权威的数字，但至少比“表情包”雄厚得多）；另外，不同的观察角度，光照条件，隐瞒物（口罩，墨镜，头发，胡须等等）都会增长机器识别难度；更何况丧心病狂的人类居然还通过整容和P图等举动扰乱机器判断……
不过即便如此，当现在人工智能已发展到“只要人类正常情况下1秒就能做的事，它几乎也能做到”的田地，人脸识别的技术提高也令人欣喜。
顾名思义，作为一种集成了机器学习，模型理论，专家体系，视频图像等多种技术的综合实现体例，人脸识别可以实现人脸检测，对比以及查找。而这一轮人脸识别精准性的提拔，无疑受益于在海量数据加持下的深度学习（作为一次算法革命，深度学习以一种简练的网络模型解决了过往印象中极为复杂的思维系统）：换句话说，为了在“茫茫人脸”中认出特定面孔，机器必要先本身“记住”上亿张人脸。
这就得说到机器思维的底层逻辑。与人类思维试图将整个世界简化和抽象理解不同（大脑带宽有限，人类对因果关系和“贴标签”的热衷皆因于此），机器思维走在了奥卡姆剃刀原则的反面——人工智能不会将世界简化，而是从复杂信息中以本身的体例进行筛选。
举个例子，在那期被广泛热议的《最壮大脑》人机大战中，人工智能与世界记忆大师王峰通过分析照片中出现的幼年人脸，识别出现场20年后的成年人，人工智能赢了，但要知道，截止这场比赛前，百度已动用也许200万人次，近2亿张照片作为训练样本数据，通过提取人脸中相对稳固和渺小的特性，完成年龄跨度较大的人像高精度比对。
不知道李彦宏的两会提案，是否与此有关。
人脸识别技术路径
在我看来，已颇为成熟的人脸识别技术，倒不失为一次理解机器思维的好机会。
事实上，人脸识别的实现大体可分为四步。第一步当然是人脸检测：根据眼睛，眉毛，嘴巴，鼻子等器官特性和相互几何位置关系检测人脸。第二步则是人脸图像预处理：如前所述，原始图像因为受各种条件的限定和干扰，许多时候无法直接使用，必须在早期阶段对其进行灰度校正，噪声过滤等图像预处理。进一步剖析的话，这种预处理重要包括人脸对准（得到人脸位置正直的人脸图像），图像加强（改善图像质量，在视觉上更清晰，且让图像更利于计算机的处理与识别）以及归一化（取得尺寸同等，灰度取值范围雷同的标准化人脸图像）等工作。
人脸识别的第三步就是脸图像特性提取——这一步是针对人脸某些特性进行的，也是对人脸进行特性建模的过程。最后一步，即是输出效果的匹配与识别：将待识别的人脸特性与已得到的人脸特性模板进行比较，根据相似程度对人脸的身份信息进行判断。
以上是适用于所有识别用途的理论路径，但李彦宏在提案中涉及的场景则更为复杂：“可能孩子是在很小的时候走失的，但他再进入公众视线可能已经上小学了——比如办门生证的时候必要拍照片，这种情况下通过人工智能的比对，就有可能比曩昔更加高效的帮助有关部门和家庭找到走失儿童。”
就像章子怡冀望的那样，对比走失儿童是“跨年龄人脸识别”技术最具社会价值的实现场景。但在影响人脸识别率的所有因素上，时间每每是最难对抗的部分，缘故原由之一是跨年龄识别中类内转变通常会大于类间转变；另外，跨年龄训练数据难寻，若没有海量数据，深度学习神经网络便很难学习到跨年龄的类内和类间转变。不过百度也提出了解决方案：针对第一点，他们选择用度量学习的方法，通过学习一个非线性投影函数，把图像空间投影到特性空间中，在这个特性空间里跨年龄的统一小我的两张人脸距离会比不同人的相似年龄的两张人脸的距离要小；而针对第二点，考虑到跨年龄人脸的稀缺性，通过一个用大规模人脸数据训练好的模型作为底座，然后用跨年龄数据对他做更新。而将上述两点结合，通过端到端的训练，即可以大幅提拔跨年龄识别的识别率。
培育共识
事实上打包钢带，在预备两会提案时，李彦宏已特别很是确信技术自己的成熟度。但要知道，让技术落地从来都是检验技术的唯一标准。其实人脸识别已广泛应用于诸多领域，最直接的例子是，早在提案前，百度人脸识别就已经用于寻人平台上，平台现对接民政部全国救助寻亲网中近3万条走失人口信息。
不过，历史经验是：让社会体系向更美好的方向演进，技术之外，还必要某种合力。通过人工智能探求走失儿童亦不例外，它必要与相干部门相互嵌合，根据场景赓续调优。也由于此，李彦宏在提案中的详细建议包括：建立适用于搜寻走失儿童的人脸识别模型；建立覆盖全国的走失儿童数据库；将人脸识别技术与治安和交通监控体系相结合等。
在我看来，即便提案延缓落地，也不失为一次在整个社会范畴孕育共识的机会，要知道，人工智能会成为将来服务公共事务的紧张体例，但来自当局的顶层支撑也是让作为社会基础设施的人工智能尽早落地的途径。
现在，人工智能仿佛一个植入体系，已经改变了购物，金融，媒体，交通，外卖等生活各个日常片段，并期待本身如百年前的电力体系一样平常为人类延长出更多的可能。所以你完全可以想象如了局景：《失孤》和《亲爱的》中的怙恃不再通过持续多年的满城寻觅，而是到公安机关录入孩子照片，机器通过数据库对比，探求到匹配对象，以更能燃起盼望的体例，让故事以相对美满的终局收场。
