給你1張4歲小女孩的照片，再讓你從電腦屏幕上看20個女孩跳舞唱歌，每個女孩只出現(xiàn)3秒鐘。你能從中找出長大后畫著濃妝、戴著美瞳，甚至可能整容過的她嗎？

1月6日，江蘇衛(wèi)視《最強大腦》就以“匆匆那年”為主題，上演了中國版的首次人機對決：31.02秒就可記憶一副無規(guī)則撲克牌的人類代表王峰，迎戰(zhàn)百度人工智能機器人“小度”。雙方先比拼人臉識別——僅憑一張童年照認出十幾年后的少女，包括一對雙胞胎；第二局，則要從30張畢業(yè)照中，即約1500個花生米大小的頭像中，根據(jù)長大后的男生照片找出兒時的他。

同“Master”橫掃人類圍棋大師一樣，人工智能再一次戰(zhàn)勝了人類。百度大腦如何分辨長大后的雙胞胎？它和Master哪個更厲害？它還擁有哪些神奇的功能？《經(jīng)濟日報》記者就此采訪了百度大腦的技術(shù)團隊，得出迄今為止最靠譜的答案。

小度認出了長大后的雙胞胎之一，人類沒有

都說“女大十八變”，比賽中，選手王峰表示，自己主要看嘴角、耳朵的相似度。在他眼里，長幼兩張人臉被分解成一個個相似的五官形狀，此中除了運用人類的記憶力、推理能力，還有人類的本能。

“千百萬年進化過程中，人腦進化出一個專門的區(qū)域負責(zé)人臉識別（簡稱FFA）。”百度首席科學(xué)家吳恩達被戲稱為小度的“爸爸”，他舉例說，“一個3歲的孩子看見媽媽時，不管媽媽是微笑、生氣，睜著眼、閉著眼，長頭發(fā)、短頭發(fā)，穿什么衣服，孩子都可以輕易認出這是媽媽”。

但是，人腦為何一瞬間就能完成人臉識別，至今全世界的科學(xué)家也說不清背后的原理。因此，小度對人臉的識別不是模仿人腦，而是更多基于數(shù)據(jù)分析和深度學(xué)習(xí)。

在人工智能“眼里”，它看見的不是一個圖形，而是一些按數(shù)字1和0記錄的像素點。因此，機器會把人臉分為很多個小方塊來識別。根據(jù)眼睛、眉毛、鼻子等器官的特征及其相互之間的幾何位置關(guān)系，計算總結(jié)出這些點，最終構(gòu)成了一張人臉。

如果要辨認這張人臉是誰，機器還要提取面部特征進行特征建模，與需要對比的人臉比較后，根據(jù)相似程度，對人臉的身份信息進行判斷。一旦人的面貌發(fā)生任何變化，哪怕只是輕微仰頭，燈光變換，機器都需要重新計算一遍。

據(jù)百度深度學(xué)習(xí)實驗室主任林元慶介紹，“為做到盡量精確，在百度的技術(shù)中，我們會在人臉上取72個點，最后通過神經(jīng)網(wǎng)絡(luò)計算，得到128維特征，每一維特征是人臉上的某種特點，比如獅子鼻”。

至于如何從72個點的信息里總結(jié)出128種特征，并將每種特征與人臉的特點一一對應(yīng)，這是由深度學(xué)習(xí)從海量數(shù)據(jù)里自動學(xué)到的。換句話說，工程師并不知道這種特征究竟是“獅子鼻”，還是別的某種甚至沒有詞匯形容的特征。

計算機辨認人臉原本就非常困難，但在《最強大腦》的舞臺上，又增加了時間跨度。現(xiàn)場嘉賓、北京大學(xué)心理學(xué)系教授魏坤琳解釋說，成長中的人臉變化極大，一個人一輩子連身份證都要換好幾次。對于人類來說，可以依靠整體神態(tài)、氣質(zhì)等無法言說的因素去主觀猜測，但機器不會猜，只能根據(jù)深度學(xué)習(xí)得來的規(guī)律計算。

據(jù)林元慶介紹，為了備戰(zhàn)，團隊2個月里讓小度看了200萬個人的2億張照片，并輔以少量有時間跨度的照片。經(jīng)過“訓(xùn)練”，小度自己總結(jié)出了一種不為人所知的人臉隨年齡變化的規(guī)律。

在遇到蜜蜂少女隊的雙胞胎時，人類和人工智能的差別就顯示出來了：姐妹花長大后外表幾乎一模一樣，連姐妹倆自己都分辨不出舊照片里的人是誰，王峰用肉眼也無法辨別她們的五官特征。但是，在人工智能的計算方式下，雖然她們的面部骨骼極其相似，差別特別細微，總還是有一點區(qū)別。最終，小度計算出，其中一位跟老照片里的小姑娘有72.98%的相似度，另一位有72.99%，差距僅為萬分之一。

百度大腦認臉和Master下棋，哪個更難？

很巧合，在百度大腦參加最強大腦比賽的幾乎同一時間，曾經(jīng)橫掃國際象棋界的阿爾法狗改名Master，重出江湖，以60場連勝頂尖圍棋手的傲人成績，震驚了全世界。

這也讓不少人好奇：如果Master和百度大腦比賽，誰輸誰贏？

“很遺憾，這很可能將是一個永遠沒有答案的問題。”林元慶解釋說，因為百度大腦和Master學(xué)習(xí)的是兩種完全不同的技能：小度的強項是生活服務(wù)，比如人臉識別和語音識別，從來沒有學(xué)過下棋。Master目前似乎也只會下棋，不會辨別人臉。

那么，對人工智能來說，認臉和下棋，哪個更難？

從本質(zhì)上說，百度大腦和Master都不是記憶和推理的高手，而是數(shù)學(xué)大師，只不過一個算棋局的概率，一個算人臉相似的概率。

國際象棋、圍棋等棋類是計算每一步會帶來的概率變化，計算能力和算法越強，越能照顧到后面局勢的變化。魏坤琳認為，人類不擅長邏輯運算，因此，只有少數(shù)人精于下棋，頂尖高手更是鳳毛麟角。而且，人類腦力有限，即使是聶衛(wèi)平在巔峰時期，也只能在局部多計算幾個回合，無法考慮每一步對全盤戰(zhàn)局的影響。

但邏輯運算是電腦的強項，它每次落子，都可以考慮對全局的影響。這也是為什么聶衛(wèi)平等圍棋大師會覺得Master不按常理下棋的原因。因為在某些時候，計算全局和計算局部的結(jié)果是不同的。

反過來，感知和運動是人類擅長的，機器卻不擅長。機器無法理解雨打芭蕉的美，爬個樓梯也很費力，特別是臺階的高度、坡度、光照條件等參數(shù)無法預(yù)知時，機器人很難像人一樣流暢地爬樓梯。

“同樣，推理辨識長大后的人臉，不是簡單的信息匹配和分類問題，而是從模糊復(fù)雜的信息中抽象出規(guī)律的問題。”魏坤琳說，“基于極少非結(jié)構(gòu)化的信息來學(xué)習(xí)推理，這恰恰是人腦擅長的。我們把這些要素都設(shè)計到了最強大腦舞臺上的挑戰(zhàn)當(dāng)中”。

因此，《最強大腦》科學(xué)顧問團首席顧問、北京師范大學(xué)心理學(xué)院院長劉嘉在首次媒體看片會上，曾正面回應(yīng)道，“小度從計算上的難度來講，甚至可能會超過Master”。

但魏坤琳不完全贊同。他反復(fù)強調(diào)這種難易比較只是“可能”，“因為，人工智能對不同認知功能有自身的難易評判，我們不能用人的直覺去作這個評判。這就像蘋果和橘子，不能比”。

我們不怕汽車比人跑得快，為什么要畏懼機器比人聰明？

這場比賽還有一個細節(jié)——面對小度，曾經(jīng)展現(xiàn)出超強記憶力、辨識力的人類選手都不敢應(yīng)戰(zhàn)，場面一度尷尬。在評委們的鼓勵下，有3位選手帶著點悲壯的感覺主動請戰(zhàn)，稱“即使必輸無疑，也要維護戰(zhàn)隊和個人尊嚴”。

選手們的畏懼折射出當(dāng)下人們對人工智能的恐懼心理。最強大腦的選手在記憶力、識別能力等方面都極其出類拔萃。他們在人類最擅長的領(lǐng)域，被最不擅長此項活動的機器打敗，其沖擊大于當(dāng)年的AlphaGo，再次引發(fā)了“人工智能威脅論”。

“恐懼未知，這是人的正常心理。”魏坤琳覺得，新技術(shù)出現(xiàn)時都會造成恐慌，汽車、火車、計算機剛問世都有人害怕。他認為，大多數(shù)人其實是擔(dān)心自己被人工智能替代，“人工智能的出現(xiàn)，可能讓很多一般智力活動甚至專業(yè)人員的工作受到威脅。但是，有些工作被取代了，新的工作又產(chǎn)生了，人類整體的失業(yè)率不一定會上升”。

實際上，從人類生活的質(zhì)量來說，有了人工智能的輔助，大家的生活變得更“智能”了，自動駕駛、家居機器人、專業(yè)決策輔助，這都是前人無法想象的生活。

在比賽現(xiàn)場，嘉賓就提出，小度可以幫助父母尋找失散多年的孩子，幫助公安機關(guān)搜尋偶然被攝像頭拍到的犯罪分子。從商業(yè)化的角度，百度的人臉識別已經(jīng)在浙江烏鎮(zhèn)景區(qū)閘機得到應(yīng)用，可滿足每年千萬人次的游客使用。還有一些國產(chǎn)手機也在接洽，希望使用百度的人臉識別技術(shù)。

而且，人工智能還可以做很多事情。比如小度不僅會辨別人臉，對人類語音的辨別率也能達到97%；小度還可以聲情并茂地輸出語句，基本可以代替忙碌的媽媽給孩子們講故事。在智慧醫(yī)療、文物挽救、在線個性化教育等方面，人工智能大有可為。因此，近年來，微軟、Facebook、IBM、谷歌、亞馬遜都投入巨資研發(fā)人工智能。在最近的消費電子展（CES2017）上，各大廠商都帶來了自己的人工智能。

但是，再強的人工智能都是人類智慧的結(jié)晶。機器只能做人教給它的東西，也無法理解人類的感情。比如小度判斷出雙胞胎的存在，給出了兩個概率。因為兩個數(shù)字太過接近，在它的系統(tǒng)中無法抉擇，最終還是吳恩達幫它挑選了概率稍高的那一張。

人工智能要威脅到人類，還有很遠的距離。也許就像王峰說的，人和機器不是敵對的關(guān)系，雖然這次他輸給了人工智能，但這其實代表人類的科技又進了一步。