百度 IDL 林元庆：视频是人脸识别的下一个重要方向

蝴蝶舞仙客来

2月21 日，《麻省理工科技评论》发布全球十大突破性技术榜单，百度以人脸识别技术获得提名。在榜单揭晓后一个关于人脸识别的圆桌论坛上，百度深度学习实验室主任林元庆、易宝支付联合创始人兼总裁余晨、 清华大学电子系副教授汪玉 以及硅谷知名早期基金和米资本（Hemi Ventures）管理合伙人谷懿 参加了论坛，对人脸支付的技术和商用场景等问题做了探讨，雷锋网节选了部分内容。
主持人：刷脸支付、刷脸验证，在国内实际应用已经有一段时间了，作为一个比较有中国特色的技术。您（林元庆）认为，百度能够入选十大突破技术有什么必然性？
林元庆：其实百度这是连续第二年获得十大突破，去年是语音识别。在过去的一年里面，语音识别在百度也发展的非常迅猛。包括，我们最近成为独立事业部的度秘，在这些非常前端的技术上，百度投入非常大。今年，我们也非常荣幸获得了跟人脸识别有关的十大突破技术之一。
我们之前就已经投入很大，2016 年更是加大了投入，我们觉得刷脸的时代已经来了，不仅仅是刷脸支付，其实现在去百度可以刷脸进入办公区，刷脸进乌镇，从去年的世界互联网大会之后这套系统一直在运作。今年，大家会看到更多刷脸进景区的情况发生，我们现在预估今年至少有 100 个以上的景区能布置百度的刷脸技术。以后就不用带票了，直接往里走就可以了。
《麻省理工科技评论》确实看的技术非常准，作为中国的企业这次入选也非常荣幸，我们也期待这些技术在中国有非常广泛的应用。
主持人：易宝支付作为行业支付的领导者，在互联网支付领域已深耕多年。您对人脸识别等新技术融入现有支付体系有什么看法？从用户隐私、安全性等方面来说，人脸识别技术是否会在互联网金融领域开始普及？
余晨：支付界有一句话，随着信用跟数据的发展，支付这个行为本身会消失。因为，只要你走到一个餐馆里面，无论通过什么技术能认出你，你吃完饭走就可以了，不用掏信用卡，或者其它支付行为。从用户角度来讲，这样才是最理想的状态。从这个角度来讲，大家也能看到人脸识别一定是未来对金融领域、对支付是一个非常重要的新兴技术。
刚才您也提到隐私跟安全方面的问题，基于生物特征的这些识别技术，可能都是跟原来我们基于字码和文本字串的不同，它有一定的模糊性跟不确定性。所以，从现在技术成熟的程度来讲，肯定还有一定的误识率。
另外一点，跟生物特征相关的东西，刚才您举了指纹的例子，有 10 个指头，人脸只有 1 张，它最大的特征就是没有办法去改变，你说你的密码万一被人家截获了或者是丢了，你改一就可以了。人脸，万一别人获取了你的生物特征，有办法把你的东西复制出来，你没办法换一张脸，除非你去做整形手术，所以从这个角度来讲，肯定是生物特征的技术，也有它带给大家的一些担忧，甚至有一些社会影响。
但是从长远来讲，人脸识别和生物特征，一定会帮助实现我刚才讲的理想态，就是所谓支付最高的境界——没有支付。短期之内可能你会看到的一些相对局限一些的应用，比如说利用于小额支付，或者说利用一些金融服务的开户服务，而不是我们泛泛的讲，所有的支付就可以靠刷脸来实现了。
主持人：请问汪教授，除了通过传统的 GPU 进行人脸识别技术，国内以深鉴科技为代表，通过 FPGA 进行相关计算的能耗和效率，已经展现出光明的前景。您是否可以介绍一下，目前 FPGA 以及深度学习处理器方面的研究进展，以及该技术在人脸识别方面的应用？
汪玉：感谢这个问题，其实这个问题还是比较技术的，就是说为什么 FPGA 好？我觉得，FPGA 好，可能要从 4 个方面来看：

1、它的功耗相对来说不是很高，虽然比芯片还是要高一些，大概是在几瓦到 20 瓦这样一个量级，就是 FPGA 的功耗，一般来说一个 GPU 是从 10-200 瓦不等，所以功耗上来看是要有优势的。

2、功耗虽然低了，那你性能是不是可以高一点，第二点它的能量效率还比较高，每瓦特能够提供的计算次数在深度学习这个领域，我们来看的话，还算比较高的，一般来说一个 CPU 它的能量效率大概在 1G 这样一个计算能力。GPU 每瓦 20GUps，大概是这样的。FPGA 其实可以做到，每瓦能够提供 50、60。
所以，从一个小的功耗上来看，能够提供比较高的性能，其实是第二个点。

3、现在虽然深度学习在很多地方用起来了，但是它的算法还在不断地进步，如果这个进步还在不断地持续，那么这种 FPGA，本身具备的可重配性，就会带来一定的好处，所以可重配性是一个非常重要的事情。

4、如果你在 FPGA 里面把结构捎进去，那可能你的软件做的比较好，软件的人用起来比较方便，可能有一个一键式的 Dpua，就可以把想做的深度学习的算法放上去。

我们觉得 FPGA 可能还是一个比较好的选择，当然芯片肯定是未来最好的选择，因为他的功耗更低，大概低不到一个量级，性能也会高一个量级，大概是 100 倍的提升。
但是芯片的问题在于：

1、目前算法是否收敛。
2、深度学习是不是已经能够做所有的事情了，你只做一个深度学习的芯片可能不够，你可能还需要其他的东西。

所以，这是我对于硬件方面的认识。
关于跟人脸的结合，我是觉得，刚才谈到了隐私，如果我只是在前端去做一些计算的话，有可能我这个图片是不需要传回去的，所以部分的避免了隐私的泄漏。以后在嵌入式设备上，大家慢慢的会把人脸这件事情做起来，把一部分信息，可能能够公开的东西，然后再传回去，不会太有问题。
而且现在深度学习，我知道很多公司都在做特别小的网络，这样的话，不管是在嵌入式的 GPU，还是嵌入式的 CPU，甚至 FPGA 上，都有可能用起来，所以我觉得这应该是未来会有很多应用的场景。
主持人：谢谢汪教授。下面，我们问问谷懿，您多年来一直都在从事国际化投资，特别是在硅谷从事高科技投资，也非常了解中美两地的一些高科技投资。原来有一种说法，硅谷领先美国半年，美国又领先全球半年。但现在又有一种说法，在人工智能领域，或者由于人工智能的出现，中美的科技竞争已经拉到了同一个起跑线上。
谷懿：现在我在美国看到的趋势比较多的是其实每个垂直行业划分的很细，所以我们基本上可能从比如说从基础层、芯片这个级别到算法层再到应用层，每个层基本上都有公司去投，但是在中国，我自己的理解是大家都在做一个很长的解决方案，可能从头要做到尾，这个我觉得是中美在创意公司上面有点不一样的地方。美国的生态系统相对比较完善一点，每个人可能做得更窄，中国可能需要做得更全一点，所以你要融更多的钱，要去把摊子真的铺起来。
第二点我看到很不一样的是客户层面，很明显我觉得中国的很多客户对于新的科技是愿意买单的，包括我们有一些深度学习的公司到中国来，其实和很多金融机构其实都有合作，然后是从第一天就开始能够真金白银的合作，这个其实比起去美国一个银行或者是欧洲一个银行，相对来说是要容易很多，因为他们有更多的监管、更多的测试。在这点上，我觉得其实是一件好事，真的是能够在实用上面使用起来。
第三点，是时间方面，反正每次回国，我觉得大家都很乐观，都觉得好像人工智能就实现了，我们都可以回家歇着去了，多仆役让机器人做事儿了，这点上，可能国外稍微会谨慎一点和保守一点。
这三点，是我可能看到中国和美国或者是国外不太一样的地方。
主持人：有人跟我说了一个很真实的数据，说现在在全世界各地有关人工智能的论坛，现场 70% 都是中国人。因为大家都非常自信，所以愿意在这个领域投入更多的时间、精力。
最后一个问题，场上各位嘉宾，如果你们自己出来做一家创业公司，你会选择哪个领域、哪个赛道？

余晨：我换个角度回答吧，怎样判断一个技术是不是很重要？
比如飞机也是个很重要的技术，但飞机的出现，它直接改变的就是我们的出行，当然连带也带动了旅游业和贸易的发展。但是，有一些其它技术更有基础性、普适性跟平台性，比如互联网、人工智能、深度学习，或者说的再窄一点，人脸识别，它本身可以成为其它技术和应用的基础。
所以，出来做这些的话，就会影响更广泛的面。
其实我们做支付也一样，因为各行各业只要有交易，都会用到支付嘛。所以我想，大家在创业的时候，现在一方面会想的越来越专，但另外一方面，怎样判断一个技术的影响？我觉得是，拥有普适性、基础性、平台性的基础，就像今天讨论的人工智能、深度学习、人脸识别，能够被广泛的应用到其它领域，跟其它的技术相比可能是比较重要的领域。
汪玉：我们其实已经开始做一家公司，虽然我今天 title 写的是清华大学的副教授，但后面还有一半叫深鉴科技联合创始人。
其实我特别有感触，这种平台性的技术确实很好，但它有一个很大的问题，可能你的客户最开始是不明确的，因为大家都需要。比如，我们现在做基于 FPGA 平台的深度学习处理器，大家可能会说这东西挺好的呀，每个人都说我来试一试。但是，到底哪件事情是突破口？这个迭代和窗口期到底在什么地方？其实是这种平台技术的共性问题，包括人脸识别，如果没有金融这件事情的话，还有监控，这两件事情其实撑起了目前人脸识别的主要市场，也酝酿了很久，最开始的时候大家还没有想到这些事情，但做着做着发现这可能是最重要的事情，所以 2B 的公司比较惨，慢慢来。
谷懿：我在做投资之前也创业来着，所以每次说有什么创业想法的时候，我都特有想法，虽然现在也创不了业了。
但是，有一个方向大家可以考虑考虑，在座如果想创业的话。今天讨论的刷脸支付，有个很重要的大家有没有想过？脸到底从哪来？这个算法到底怎么找到这些脸做这些算法和技术的测试？
不知道百度现在有多少脸的数据，但是我知道的是，2015 年 Google 自己宣布过，2015 年他们已经有 2.5 亿张脸的数据了，这可能比起任何一家公司都不是一个层面的，所以在人脸识别技术方面，他们已经远远的走在前面了，作为一个创业公司很难再有很大的突破了。
我觉得现在最大的瓶颈在于，这些脸在哪，有没有人能造这些脸出来，让更多的公司能够在这些数据上面受益？我觉得，这是非常好的方向，所以希望大家有空造造脸，让刷脸支付更好。
林元庆：我回答一下谷女士的问题，我们前一阵参加《最强大脑》的时候，当时用了 2 亿张照片，现在百度人脸上的数据，今天大概是 8 个亿。
说一下我们现在看到的一些有意思的技术趋势，其中一个应该会在接下来的几年非常重要，那就是视频。当然，这里面包括两个层面：

1、视频基础的理解，比如汽车自动驾驶的情况下需要视频的数据，希望得到象素级别的视频理解，这个象素是人，还是车，还是天空或建筑物，这些技术在行业里面是非常核心的，但现在应该没有一家公司能做到 99% 以上的象素级的精度。如果这个技术能做出来，我觉得影响面是非常大的。这个方向我们百度也在做，但这个方向算是这个行业里面非常前沿的技术。

2、视频的语义理解。这个视频里面到底在做什么，比如这个人在打球吗？不只是原来的简单分分类，要非常好的理解视频中的意思。

过去很多年，图片是一个非常重要的载体，我相信接下来这几年视频会是非常重要的方向。
我刚才说的当然需要积累非常多的数据，也需要对技术进行深挖，才能真正产品非常有意义的你能做得到、别人做不到的事情。
原文：视频是继图片之后人脸识别的另一个重要载体？百度林元庆是这么说的
更多内容，请移步雷锋网微信公众号：leiphone-sz

荷土唐玥色

支持，赞一个