当最强大脑遇上人工智能

2017年01月16日  来源：  经济日报

小度背后的百度大脑平台已经对开发者开放，可应用于智能家居、无人汽车等各个领域。

　　 吴恩达和主持人大笑时，小度也露出了笑容。它理解了人类的笑点。

　　 蜜蜂少女队的双胞胎姐妹花，两者仅相差万分之一。但小度以72.99%的概率，根据妹妹小时候的照片认出了她。

　　 参加节目的百度大脑并未连通云端。这些维护工作人员再次说明，人工智能背后还是人

　　给你1张4岁小女孩的照片，再让你从电脑屏幕上看20个女孩跳舞唱歌，每个女孩只出现3秒钟。你能从中找出长大后画着浓妆、戴着美瞳，甚至可能整容过的她吗？

　　1月6日，江苏卫视《最强大脑》就以“匆匆那年”为主题，上演了中国版的首次人机对决：31.02秒就可记忆一副无规则扑克牌的人类代表王峰，迎战百度人工智能机器人“小度”。双方先比拼人脸识别——仅凭一张童年照认出十几年后的少女，包括一对双胞胎；第二局，则要从30张毕业照中，即约1500个花生米大小的头像中，根据长大后的男生照片找出儿时的他。

　　同“Master”横扫人类围棋大师一样，人工智能再一次战胜了人类。百度大脑如何分辨长大后的双胞胎？它和Master哪个更厉害？它还拥有哪些神奇的功能？《经济日报》记者就此采访了百度大脑的技术团队，得出迄今为止最靠谱的答案。

　　小度认出了长大后的双胞胎之一，人类没有

　　都说“女大十八变”，比赛中，选手王峰表示，自己主要看嘴角、耳朵的相似度。在他眼里，长幼两张人脸被分解成一个个相似的五官形状，此中除了运用人类的记忆力、推理能力，还有人类的本能。

　　“千百万年进化过程中，人脑进化出一个专门的区域负责人脸识别（简称FFA）。”百度首席科学家吴恩达被戏称为小度的“爸爸”，他举例说，“一个3岁的孩子看见妈妈时，不管妈妈是微笑、生气，睁着眼、闭着眼，长头发、短头发，穿什么衣服，孩子都可以轻易认出这是妈妈”。

　　但是，人脑为何一瞬间就能完成人脸识别，至今全世界的科学家也说不清背后的原理。因此，小度对人脸的识别不是模仿人脑，而是更多基于数据分析和深度学习。

　　在人工智能“眼里”，它看见的不是一个图形，而是一些按数字1和0记录的像素点。因此，机器会把人脸分为很多个小方块来识别。根据眼睛、眉毛、鼻子等器官的特征及其相互之间的几何位置关系，计算总结出这些点，最终构成了一张人脸。

　　如果要辨认这张人脸是谁，机器还要提取面部特征进行特征建模，与需要对比的人脸比较后，根据相似程度，对人脸的身份信息进行判断。一旦人的面貌发生任何变化，哪怕只是轻微仰头，灯光变换，机器都需要重新计算一遍。

　　据百度深度学习实验室主任林元庆介绍，“为做到尽量精确，在百度的技术中，我们会在人脸上取72个点，最后通过神经网络计算，得到128维特征，每一维特征是人脸上的某种特点，比如狮子鼻”。

　　至于如何从72个点的信息里总结出128种特征，并将每种特征与人脸的特点一一对应，这是由深度学习从海量数据里自动学到的。换句话说，工程师并不知道这种特征究竟是“狮子鼻”，还是别的某种甚至没有词汇形容的特征。

　　计算机辨认人脸原本就非常困难，但在《最强大脑》的舞台上，又增加了时间跨度。现场嘉宾、北京大学心理学系教授魏坤琳解释说，成长中的人脸变化极大，一个人一辈子连身份证都要换好几次。对于人类来说，可以依靠整体神态、气质等无法言说的因素去主观猜测，但机器不会猜，只能根据深度学习得来的规律计算。

　　据林元庆介绍，为了备战，团队2个月里让小度看了200万个人的2亿张照片，并辅以少量有时间跨度的照片。经过“训练”，小度自己总结出了一种不为人所知的人脸随年龄变化的规律。

　　在遇到蜜蜂少女队的双胞胎时，人类和人工智能的差别就显示出来了：姐妹花长大后外表几乎一模一样，连姐妹俩自己都分辨不出旧照片里的人是谁，王峰用肉眼也无法辨别她们的五官特征。但是，在人工智能的计算方式下，虽然她们的面部骨骼极其相似，差别特别细微，总还是有一点区别。最终，小度计算出，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%，差距仅为万分之一。

　　百度大脑认脸和Master下棋，哪个更难？

　　很巧合，在百度大脑参加最强大脑比赛的几乎同一时间，曾经横扫国际象棋界的阿尔法狗改名Master，重出江湖，以60场连胜顶尖围棋手的傲人成绩，震惊了全世界。

　　这也让不少人好奇：如果Master和百度大脑比赛，谁输谁赢？

　　“很遗憾，这很可能将是一个永远没有答案的问题。”林元庆解释说，因为百度大脑和Master学习的是两种完全不同的技能：小度的强项是生活服务，比如人脸识别和语音识别，从来没有学过下棋。Master目前似乎也只会下棋，不会辨别人脸。

　　那么，对人工智能来说，认脸和下棋，哪个更难？

　　从本质上说，百度大脑和Master都不是记忆和推理的高手，而是数学大师，只不过一个算棋局的概率，一个算人脸相似的概率。

　　国际象棋、围棋等棋类是计算每一步会带来的概率变化，计算能力和算法越强，越能照顾到后面局势的变化。魏坤琳认为，人类不擅长逻辑运算，因此，只有少数人精于下棋，顶尖高手更是凤毛麟角。而且，人类脑力有限，即使是聂卫平在巅峰时期，也只能在局部多计算几个回合，无法考虑每一步对全盘战局的影响。

　　但逻辑运算是电脑的强项，它每次落子，都可以考虑对全局的影响。这也是为什么聂卫平等围棋大师会觉得Master不按常理下棋的原因。因为在某些时候，计算全局和计算局部的结果是不同的。

　　反过来，感知和运动是人类擅长的，机器却不擅长。机器无法理解雨打芭蕉的美，爬个楼梯也很费力，特别是台阶的高度、坡度、光照条件等参数无法预知时，机器人很难像人一样流畅地爬楼梯。

　　“同样，推理辨识长大后的人脸，不是简单的信息匹配和分类问题，而是从模糊复杂的信息中抽象出规律的问题。”魏坤琳说，“基于极少非结构化的信息来学习推理，这恰恰是人脑擅长的。我们把这些要素都设计到了最强大脑舞台上的挑战当中”。

　　因此，《最强大脑》科学顾问团首席顾问、北京师范大学心理学院院长刘嘉在首次媒体看片会上，曾正面回应道，“小度从计算上的难度来讲，甚至可能会超过Master”。

　　但魏坤琳不完全赞同。他反复强调这种难易比较只是“可能”，“因为，人工智能对不同认知功能有自身的难易评判，我们不能用人的直觉去作这个评判。这就像苹果和橘子，不能比”。

　　我们不怕汽车比人跑得快，为什么要畏惧机器比人聪明？

　　这场比赛还有一个细节——面对小度，曾经展现出超强记忆力、辨识力的人类选手都不敢应战，场面一度尴尬。在评委们的鼓励下，有3位选手带着点悲壮的感觉主动请战，称“即使必输无疑，也要维护战队和个人尊严”。

　　选手们的畏惧折射出当下人们对人工智能的恐惧心理。最强大脑的选手在记忆力、识别能力等方面都极其出类拔萃。他们在人类最擅长的领域，被最不擅长此项活动的机器打败，其冲击大于当年的AlphaGo，再次引发了“人工智能威胁论”。

　　“恐惧未知，这是人的正常心理。”魏坤琳觉得，新技术出现时都会造成恐慌，汽车、火车、计算机刚问世都有人害怕。他认为，大多数人其实是担心自己被人工智能替代，“人工智能的出现，可能让很多一般智力活动甚至专业人员的工作受到威胁。但是，有些工作被取代了，新的工作又产生了，人类整体的失业率不一定会上升”。

　　实际上，从人类生活的质量来说，有了人工智能的辅助，大家的生活变得更“智能”了，自动驾驶、家居机器人、专业决策辅助，这都是前人无法想象的生活。

　　在比赛现场，嘉宾就提出，小度可以帮助父母寻找失散多年的孩子，帮助公安机关搜寻偶然被摄像头拍到的犯罪分子。从商业化的角度，百度的人脸识别已经在浙江乌镇景区闸机得到应用，可满足每年千万人次的游客使用。还有一些国产手机也在接洽，希望使用百度的人脸识别技术。

　　而且，人工智能还可以做很多事情。比如小度不仅会辨别人脸，对人类语音的辨别率也能达到97%；小度还可以声情并茂地输出语句，基本可以代替忙碌的妈妈给孩子们讲故事。在智慧医疗、文物挽救、在线个性化教育等方面，人工智能大有可为。因此，近年来，微软、Facebook、IBM、谷歌、亚马逊都投入巨资研发人工智能。在最近的消费电子展（CES 2017）上，各大厂商都带来了自己的人工智能。

　　但是，再强的人工智能都是人类智慧的结晶。机器只能做人教给它的东西，也无法理解人类的感情。比如小度判断出双胞胎的存在，给出了两个概率。因为两个数字太过接近，在它的系统中无法抉择，最终还是吴恩达帮它挑选了概率稍高的那一张。

　　人工智能要威胁到人类，还有很远的距离。也许就像王峰说的，人和机器不是敌对的关系，虽然这次他输给了人工智能，但这其实代表人类的科技又进了一步。