综艺节目《最强大脑》在第四季设置了人机对战环节，百度将“百度大脑”的人工智能技能植入到机器人“小度”人上，来节目上踢馆。

　　《最强大脑》中有个名人堂，里边满是以往节目中的高手，是心算、辨音、回忆等各个领域各自的大师。小度要和名人堂中的某位选手在人脸辨认、语音辨认上面PK。前三期人机大战，选用三局两胜制，百度大脑假如胜出，将参与最终的脑王争霸赛。百度深度学习研讨院（IDL）主任林元庆表明，其时只拿了一台机器，并且不是在云端算。

　　最终选定跟百度大脑对战的选手是国际回忆大师王峰，他是本次名人堂的轮值主席。尽管是回忆大师，不过据他自己和现场的科学评定清华大学教授魏坤琳（人称“Dr.魏”或许“叨叨魏”）说，其实人脸辨认不是他最强的，回忆才是。不过现场一开端产生了无人勇于对AI应战的局势，推让鼓舞一番后，最终评定们仍是选了王峰应战。

　　竞赛分为两轮，在第一轮，嘉宾（章子怡）从女子集体蜜蜂少女队20名成员的幼年照中挑出2张，然后蜜蜂少女队会在现场跳舞，选手经过动态视频扮演调查少女容貌，从中选出幼年照的主角。

　　在第二轮，节目组请来30名30岁以上的观众，嘉宾（我国乒乓球队主教练刘国梁）挑出一位，随后选手要将其从30张小学集体照中找出谁是他。

　　其实王峰也十分腻害地匹配三张相片中的两张，仅仅在第一轮的第二张里边，没想到蜜蜂少女队里边有一队双胞胎，如同她们俩也不太记住相片中的是姐姐仍是妹妹[捂脸]，王峰就输了这局。其实在这里，小度也给出了两个答案，一个匹配度为72.98%，另一个72.99%，最终吴恩达现场选了72.99%的相片，匹配正确。

　　可以说，王峰尽管自称不拿手人脸辨认，但体现十分超卓，面临这样的对手，小度可以说仅仅险胜。林元庆也曾表明，这个进程很忐忑，也很振奋。忐忑的是惧怕“作业能搞定吗？”振奋的是，“总算有一个时机去看一看咱们的人工智能技能做了这么多年，跟人还有多大的间隔，或许是现已抵达了什么样的水平”。

　　林元庆表明，在被江苏卫视选中为参与节目的公司之后，百度仅能得知竞赛办法，比方第一期的跨年纪人脸辨认；在后面的两个月的备战中，百度IDL团队经过了许多的数据去操练百度大脑，图片大部分来自互联网，也有一部分是百度买的图片，由于跨年纪相片比较难获取。数据量级大概是两百万人，每个人有一百张相片。

　　当嘉宾问到现场选手王峰是怎样做到的，王峰说会先记住方针人物脸上一些不会跟着年纪而改动的特征，比方鼻子、耳朵、嘴角。那么人工智能又是如何做人脸辨认的呢？

　　其实跟王峰用的办法也很类似，经过提取特征去匹配，但曾经，或许是人类挑出详细的特征，现在运用深度学习的办法，机器可以自己去学习什么样的特征是有用的。

　　百度现在用的也是深度学习的办法，林元庆介绍：“咱们会把人脸分红七个部位，在这七个部位上学习哪些特征是十分重要的，不是人来选择的，是人主动学习的，咱们会搜集这些数据，搜集完之后告知机器这个人小时分长这样，这个人大了长这样，让机器自己去学，哪一些特征是十分重要的特征。”

　　不过，林元庆也发现，参与了《最强大脑》之后，他们发现，非共性的特征，或许可以是机器学习的前进方向。比方说一个人嘴边长了一颗痔，机器学习就比较难，由于不是共性，仅仅一个事例里边产生的。“从数据的视点来讲，也是一个强板，也是一个短板，许多学习出来的特征是共性的特征。可是那些比较共同的特征，或许比较个性化的一些特征地咱们是没有很好的运用。”

　　依据眼睛、眉毛、嘴巴、鼻子等器官的特征以及相互之间的几许方位联系来检测人脸，即在在一副图画或一序列图画（比方视频）中判别是否有人脸，若有则回来人脸的巨细、方位等信息。

　　体系获取的原始图画由于遭到各种条件的约束和随机搅扰，往往不能直接运用，必须在图画处理的前期阶段对它进行灰度校对、噪声过滤等图画预处理。人脸图画的预处理首要包含：人脸对准，人脸图画增强，以及归一化等作业。

　　图画增强是为了改进人脸图画的质量，不仅在视觉上愈加明晰图画，并且使图画更利于计算机的处理与辨认。

　　人脸特征提取便是针对人脸的某些特征进行的。人脸特征提取，也称人脸表征，它是对人脸进行特征建模的进程。

　　人脸辨认便是将待辨认的人脸特征与已得到的人脸特征模板进行比较，依据类似程度对人脸的身份信息进行判别。这一进程又分为两类：

　　一类是人脸承认，是1对1进行图画比较的进程，将某人面像与指定人员面像进行1对1的比对，依据其类似程度来判别二者是否是同一人，类似程度一般以能否超越某一量化阀值为依据。

　　另一类是人脸辨认，是一对多进行图画匹配比照的进程，将某人面像与数据库中的多人的人脸进行比对，并依据比对成果来判定此人身份，或找到其间最类似的人脸，并按类似程度的巨细输出检索成果。据林元庆介绍，在百度的大厦里现已落地的闸机、本年乌镇互联网大会中的刷脸注册体系，人逗留1到2秒即可经过，这便是1比N的人脸辨认。

　　在上述人脸辨认的进程中，机器或许会遇到什么难点？节目中女子集体唱唱跳跳，脸部不断，并且灯火闪耀的，会不会添加人脸辨认的难度？那技能上可以怎样处理？

　　Dr.魏表明，光照条件差、视角共同、信息含糊，乃至变形，这些特殊状况都会给机器很大的应战。声响辨认的应战也是相同，机器需求从很少的头绪中提取出安稳不变的信息，并作出推演，不是简略的信息匹配和分类问题，而是从含糊杂乱的信息中笼统出规则的问题。节目组把上述的要素都规划到了舞台上的应战傍边。

　　关于人脸的摇晃，百度方面的技能负责人表明，在竞赛的进程中，少女集体的扮演是动态，机器会主动的找姿势比较规矩的来辨认。

　　不过，除了表情、视点调查、光照条件之外，人脸隐瞒物，如口罩、墨镜、帽子、头发、胡须，乃至是整容、P图等行为，都会添加了人脸辨认的难度。

　　现场的女子集体都是化装上台扮演、不扫除有带美瞳和微整形的状况，并且还呈现双胞胎的状况。百度方面解说，人脸辨认是在脸部骨骼上取尽或许多的点，经过计算机把这些点别离与自己现已存储的脸比较，双胞胎之所以难以辨认，便是骨骼太类似，需求取足够多的点。

　　他解说，一般来说，在跨年纪阶段人脸辨认中，类内改变通常会大于类间改变，这造成了人脸辨认的巨大困难。一起，跨年纪的操练数据难以搜集。没有足够多的数据，根据深度学习的神经网络很难学习到跨年纪的类内和类间改变。

　　根据第一点，百度IDL的人脸团队选用的事衡量学习的办法。即经过学习一个非线性投影函数，把图画空间投影到特征空间中。在这个特征空间里，跨年纪的同一个人的两张人脸的间隔会比不同人的类似年纪的两张人脸的间隔要小。

　　针对第二点，考虑到跨年纪人脸的稀缺性。百度用一个用大规模人脸数据操练好的模型作为底座，然后用跨年纪数据对其做更新。这样不简单过拟合。

　　AlphaGo连胜人类60局之后，百度大脑险胜《最强大脑》，难免有许多人拿两者来比较，乃至有媒体以为围棋比图画辨认难多了，终究哪个比较腻害？

　　当被问到这个问题的时分，Dr.魏以为，两者很难比较。百度大脑在舞台上比的是视听觉才能，但AlphaGo比的是所谓的运算才能、所谓的逻辑推理才能。

　　他解说，人下棋，除了逻辑推理和运算才能的堆集，还依靠所谓的棋感，便是棋术上面的所谓的直觉。这是不能直接用言语描绘的，不过脑科学是有研讨的，直觉也是大数据跑出来的，即平常许多的操练养成的。从这方面来说，AI也是相同的，深度学习根据许多的数据，构成的下棋模型是规划者也不能精确描绘的一套算法。

　　人类拿手感知和运动，恰恰不拿手逻辑和运算为代表的笼统思维才能。机器却好像恰恰相反，不拿手感知和运动，机器人能下围棋或许记下海量的信息，可是没有办法像人这样运动，或许像人相同去感知这个杂乱而快速改变的国际。

　　他举例，人类或许在三岁的时分就会爬楼梯，可是现在咱们都不知道怎样让机器人像人相同流通地爬楼梯，特别是楼梯的很多参数是无法预知的时分。人可以爬各式各样的楼梯，在不同光照条件，不同身体状况等，可是机器人到现在无法象人相同流通。从进化上来说， 运动，包含像爬楼梯这样的运动，大脑很早就学会了，而人学会围棋对进化中的大脑来说，是很晚才开端玩的。所以，对人来说，楼梯简单一点，围棋难一点；可是或许对机器来说围棋更简单一些，上楼梯更难一些。

　　其实运动、感知，还有其他认知活动，像下围棋、搞回忆，都是大脑的功用。人工智能对不同认知功用有它的难易评判，咱们不能用人的直觉去做这个评判。我信任我答复你的问题了，所以这两个就像苹果和橘子，不能比。

　　详细人脸辨认方面，林元庆表明，其实人脸辨认在百度内部，最大是查找，百度基本上对全网的相片都做了人脸辨认。“你搜Dr.魏，会出来一串的Dr.魏的相片。”

　　至于大的图画辨认方面，实验室还在开发的一个方向是做医疗图象剖析，比方X光或许CT的相片，将细胞都给它切割出来，判别每一个细胞是不是癌细胞。

　　在百度深度学习实验室内部，林元庆介绍，现在计算机视觉做的方向大致有三个，除了人脸辨认，还有智能驾驭和增强实际。智能驾驭是2015年从深度学习实验室孵化出去的项目，专门成立了独立的事业部做智能驾驭。2016年，增强实际也独立出去，成立了增强实际实验室，这两个是深度学习实验室孵化出来的项目。

　　正处风口上的人工智能为何可以在此刻迸发，便是由于有了机器学习，但这个不明觉厉的东东终究是什么？这个专题告知你。

　　产品司理的价值在于协助企业找到可持续增长曲线、树立竞赛壁垒，产品司理要善用MVP，这其间检测的不仅仅是产品才能，融入职业掌握商场，是产品及产品司理构成中心竞赛力的重要部分