“庖丁”解小度

宋辰

編者按

這一季，大型科學(xué)競(jìng)技真人秀節(jié)目《最強(qiáng)大腦》引入“人機(jī)大戰(zhàn)”模式，百度研發(fā)的人工智能機(jī)器人“小度”將作為特別選手參賽，與人類“最強(qiáng)大腦”現(xiàn)場(chǎng)對(duì)決。

無(wú)論比賽結(jié)果如何，百度又是否以?shī)蕵?lè)之名行品牌傳播之實(shí)，通過(guò)這樣一場(chǎng)比賽，我們看到了人臉識(shí)別和“下圍棋”之外，人工智能在更廣泛領(lǐng)域的應(yīng)用。

本篇文章，我們將以“庖丁解?！钡姆绞綖槟鷣?lái)一一解讀“腦王盛典”中的應(yīng)用到的人工智能技術(shù)。

“親愛(ài)的”與人臉識(shí)別

嘉賓在40張父母合照中隨機(jī)挑選一張，選手和小度同時(shí)觀察該照片，在40位造型一致，身材接近的女生中，找到該父母的親生女兒，所找出的女兒手中全家福照片與父母合照背面的全家福完全一致，則挑戰(zhàn)成功。

AI技術(shù)解讀——人臉識(shí)別

人臉識(shí)別是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)。用攝像機(jī)或攝像頭采集含有人臉的圖像或視頻流，并自動(dòng)在圖像中檢測(cè)和跟蹤人臉，進(jìn)而對(duì)檢測(cè)到的人臉進(jìn)行臉部識(shí)別的一系列相關(guān)技術(shù)。

隔代識(shí)別仍屬于圖像識(shí)別分類中的人臉識(shí)別，只是難度更大。其技術(shù)原理與人臉識(shí)別相同，形成灰度圖，分別提取父母面部的特征點(diǎn)和孩子的特征點(diǎn)進(jìn)行比對(duì)。賽前通過(guò)多次機(jī)器學(xué)習(xí)，在各種變量中間平衡，提高識(shí)別的正確率。

實(shí)際上，人臉識(shí)別遠(yuǎn)超人類且可靠性很強(qiáng)，在過(guò)去的3場(chǎng)比賽中，人類選手做對(duì)了2道題，而機(jī)器卻做對(duì)了5道題，機(jī)器識(shí)別的準(zhǔn)確率遠(yuǎn)高于人類。

技術(shù)應(yīng)用：

目前，百度的人臉識(shí)別技術(shù)已經(jīng)對(duì)寶貝回家的人尋家、家尋人兩個(gè)數(shù)據(jù)庫(kù)的6萬(wàn)多條數(shù)據(jù)進(jìn)行技術(shù)分析，這批數(shù)據(jù)已經(jīng)交給警方，警方會(huì)對(duì)這些尋親人進(jìn)行DNA核實(shí)認(rèn)證，目前已經(jīng)有一例通過(guò)了DNA比對(duì)。

截至2017年3月，百度與民政部合作推出的基于人臉識(shí)別技術(shù)的百度尋人平臺(tái)，已對(duì)接民政部全國(guó)救助尋親網(wǎng)27003名走失者的數(shù)據(jù)。

“滄海桑田”與圖像檢索

老華僑手中唯一一張老城市的老照片，其中一個(gè)很小的細(xì)節(jié)會(huì)遺留在現(xiàn)代城市中，小度和人類選手依據(jù)這個(gè)小細(xì)節(jié)中模糊的信息幫助老華僑尋找家鄉(xiāng)。舞臺(tái)上呈現(xiàn)30張城市街景圖，嘉賓在30張老照片剝離的30個(gè)含有唯一有效信息的碎片中，任意抽取一個(gè)碎片。選手雙方共同依據(jù)這個(gè)有效信息的碎片，在30張城市圖中尋找匹配。

AI技術(shù)解讀——圖像檢索技術(shù)

計(jì)算機(jī)分類和提取出圖像的重要特征，并對(duì)多余的無(wú)用特征加以有效地排除，以此實(shí)現(xiàn)對(duì)圖像的識(shí)別。

此外，這局比賽中還用到了語(yǔ)義圖像檢索，這是一種在互聯(lián)網(wǎng)上進(jìn)行圖像檢索的方法，它是根據(jù)圖像的邏輯特征和抽象屬性進(jìn)行檢索，使計(jì)算機(jī)檢索圖像的能力接近人的理解水平的檢索技術(shù)。

技術(shù)應(yīng)用：

小度在本局比賽中所展現(xiàn)的語(yǔ)義圖像檢索能力，是基于百度在日常圖片搜索技術(shù)上的升級(jí)，百度利用深度學(xué)習(xí)的方法，讓圖像特征抽取的過(guò)程更加穩(wěn)定，不受模糊、噪點(diǎn)等信息的干擾，讓搜索結(jié)果更精準(zhǔn)。這是百度最新的技術(shù)，會(huì)盡快把這個(gè)技術(shù)在搜索中落地，讓大家可以更快更順利地在互聯(lián)網(wǎng)中找到想要的圖像。

“永不消逝的電波”與聲紋識(shí)別

現(xiàn)場(chǎng)30段情景的說(shuō)話聲，與30個(gè)笑聲相匹配。小度采集完整的30段說(shuō)話聲，隨后根據(jù)嘉賓隨機(jī)你挑選的一個(gè)笑聲，找到對(duì)應(yīng)的說(shuō)話聲。正確找出，挑戰(zhàn)成功。

AI技術(shù)解讀——聲紋識(shí)別

聲紋識(shí)別和語(yǔ)音識(shí)別一樣，都是通過(guò)對(duì)采集到的語(yǔ)音信號(hào)進(jìn)行分析和處理，提取相應(yīng)的特征或建立相應(yīng)的模型，然后據(jù)此做出判斷。

但不同于語(yǔ)音識(shí)別，聲紋識(shí)別的目的不是識(shí)別語(yǔ)音的內(nèi)容，而是識(shí)別說(shuō)話人的身份。其理論基礎(chǔ)就是“每個(gè)人的說(shuō)話特性都具有其獨(dú)特的特征”，聲腔的差異以及發(fā)聲的操作方式都是聲紋識(shí)別的獨(dú)有特征。

聲紋識(shí)別主要分為聲紋確認(rèn)技術(shù)（1：1）和聲紋識(shí)別技術(shù)（1：N）兩類。聲紋確認(rèn)技術(shù)回答的是兩句話到底是不是一個(gè)人說(shuō)的問(wèn)題，而聲紋識(shí)別技術(shù)回答的則是“給定的一句話屬于樣本庫(kù)中誰(shuí)說(shuō)的”問(wèn)題。

技術(shù)應(yīng)用：

目前，百度在聲紋識(shí)別技術(shù)的應(yīng)用上，已經(jīng)有了以下的幾個(gè)方向：金融領(lǐng)域反欺詐（用聲紋識(shí)別確認(rèn)用戶信息，提高客服和系統(tǒng)反欺詐的能力）；客服呼叫中心，快速定位用戶身份等；智能硬件的聲紋識(shí)別能力，讓機(jī)器人知道自己在和誰(shuí)對(duì)話以及聲紋喚醒能力；安全領(lǐng)域的聲紋認(rèn)證，類似于人臉閘機(jī)；輔助個(gè)性化語(yǔ)音識(shí)別和語(yǔ)音合成。