生物識別碰撞人工智能將擦出什么火花？

　　人工智能三法寶

　　當前人工智能主流應用是基于深度學(xué)習神經(jīng)網(wǎng)絡(luò )，或者換種說(shuō)法，以神經(jīng)網(wǎng)絡(luò )為代表的算法由于大數據結合，通過(guò)計算力加持，成為當前主流人工智能的演進(jìn)路徑。

　　因此，算法、大數據、計算力是AI成功的三大法寶。

　　黃開(kāi)竹教授認為，當前人工智能爆發(fā)實(shí)際是應用驅動(dòng)爆發(fā)，技術(shù)欠缺特別是算法欠缺是制約人工智能行業(yè)發(fā)展的現狀和突出問(wèn)題。當前深度學(xué)習的成功更像是暴力計算的成功，比如AlphaGo使用了1920塊處理器+280塊 GPU，每小時(shí)耗能達到440千瓦，而人腦每小時(shí)消耗20瓦能量。

　　深度學(xué)習之對抗樣本問(wèn)題

　　目前，提及AI總會(huì )聽(tīng)到一個(gè)次“深度學(xué)習”，深度學(xué)習的發(fā)展帶動(dòng)了一系列的研究，尤其是在圖像識別領(lǐng)域。在一些標準測試集上的試驗表明，深度模型的識別能力已經(jīng)可以達到人類(lèi)的水平。但是，對于一個(gè)非正常的輸入，深度模型是否依然能夠產(chǎn)生滿(mǎn)意的結果。

　　我們先來(lái)看結論吧：對抗樣本將會(huì )被大多數當前最好的深度學(xué)習分類(lèi)器識別錯誤!

　　一個(gè)對抗樣本，修改一張熊貓的圖片，讓機器學(xué)習模型將它識別成一只長(cháng)臂猿。

　　當加入對抗干擾，干擾增大時(shí)，AI識別數字發(fā)生變化。

　　人工智能生物識別

　　目前看，生物識別與AI在人臉識別與語(yǔ)音識別方面有了結合，生物識別與AI是一種怎樣的關(guān)系呢?袁聰先生指出：“生物識別與大數據有著(zhù)密不可分的關(guān)系，大數據的最終目的是數據挖掘，聲、光、電、壓等信息在A(yíng)I看來(lái)，只是數據，并通過(guò)機器學(xué)習等算法實(shí)現識別的功能?！?/p>

　　在蘋(píng)果推出只有面部識別功能的iPhone X后，“指紋識別是否還有春天”引起了業(yè)內的熱議。袁聰反復強調“安全有界限”，未來(lái)趨勢必將是多種生物識別組合的模式，比如指紋識別與虹膜識別相搭配等。