今天,小編特意采訪采訪了人臉識(shí)別專(zhuān)家、獲得國(guó)家科技進(jìn)步獎(jiǎng)二等獎(jiǎng)、廣東瑞視特科技有限公司的CEO趙杰博士,給大家介紹關(guān)于人工智能和人臉識(shí)別應(yīng)用之間的相關(guān)技術(shù)概念。
機(jī)器學(xué)習(xí) ( Machine Learning, ML ) 是人工智能的一個(gè)研究分支,主要是設(shè)計(jì)和分析一些讓計(jì)算及自動(dòng)獲取知識(shí)的算法,涉及到概率論、統(tǒng)計(jì)學(xué)、逼近論等多個(gè)領(lǐng)域。
作為人臉識(shí)別專(zhuān)家,趙杰博士特別指出:不同的學(xué)習(xí)框架下建立的學(xué)習(xí)模型很是不同,例如,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural networks,簡(jiǎn)稱(chēng)CNNs)就是一種深度的監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型,而深度置信網(wǎng)(Deep Belief Nets,簡(jiǎn)稱(chēng)DBNs)就是一種無(wú)監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型。
但實(shí)際上,人工智能的應(yīng)用范圍博大精深,繁冗復(fù)雜,在每一個(gè)垂直領(lǐng)域的應(yīng)用都需要克服難以想象的障礙。所以,我們先拆分大腦的功能,讓機(jī)器一點(diǎn)點(diǎn)實(shí)現(xiàn)智能化。人的大腦需要借助各種感官,如眼睛、耳朵等,感知外界信息,然后進(jìn)行判斷,這其中用機(jī)器來(lái)代替人眼來(lái)做測(cè)量跟判斷的動(dòng)作,稱(chēng)為機(jī)器視覺(jué),機(jī)器視覺(jué)是人工智能學(xué)科中發(fā)展的為快速的分支,而當(dāng)今大家熟知的人臉識(shí)別技術(shù)就是機(jī)器視覺(jué)富有挑戰(zhàn)性的課題之一。
王國(guó)田博士總結(jié)道:實(shí)驗(yàn)結(jié)果表明深度學(xué)習(xí)方法對(duì)原始數(shù)據(jù)具有高效準(zhǔn)確的抽象表達(dá),在光照、表情、姿態(tài)以及低分辨率的條件下取得了良好的表現(xiàn),尤其是在低分辨率的情況下。
在后,站在一個(gè)人臉識(shí)別專(zhuān)家的角度,趙杰博士肯定的表示:相比于人眼的效率來(lái)說(shuō),人工智能的人臉識(shí)別能力要遠(yuǎn)遠(yuǎn)超過(guò)人類(lèi)。但這并不代表機(jī)器不會(huì)出錯(cuò),因此在準(zhǔn)確形容人臉識(shí)別通過(guò)率的詞匯中,有誤識(shí)率一詞,就非思科技而言,*可以做到在萬(wàn)分之一誤識(shí)率下,通過(guò)率達(dá)到98%并能夠滿(mǎn)足日常生活中的應(yīng)用場(chǎng)景。畢竟,人工智能的意義是賦予人類(lèi)更強(qiáng)大的能力、協(xié)助人類(lèi)更高效的工作,而并非取代人類(lèi)。