人工智能首次超过人眼准确率 人脸识别准确度已经提升4个数量级
商汤研究院院长王晓刚日前表示，2014年人工智能(AI)人脸识别技术的准确率首次超过人眼准确率，但目前误差率已经可以达到亿分之一。机器做人脸识别如果相当于一个4位元口令，现在则相当于一个8位元的口令，人脸识别4年内准确度已经提升了4个数量级。
商汤研究院院长王晓刚日前在《麻省理工科技评论》新兴科技峰会上发表了题为「AI赋能下的当下与未来」演讲，阐述了人工智能如何通过云和端改变生活和未来。
王晓刚回顾在过去的十年里，人工智能飞速发展最杰出的代表就是深度学习。其中有三个推动深度学展的因素：一是大数据，二是云端计算能力包括了GPU和AI芯片，三是深度学习算法不断创新。
王晓刚举例，2014年时机器做人脸识别可以达到万分之一的误差率；而现在误差率可以达到亿分之一。换句话说，机器做人脸识别如果相当于一个4位元口令，现在则相当于一个8位元的口令，人脸识别性能已经提升了4个数量级。
随著算法的提升，应用边界不断扩大，从最开始1：1身份的比对，到后来动态布控，如抓捕在逃嫌疑人。现在可以在整个城市范围内，从上千亿的图象中去搜索人脸，恢复人的活动轨迹。这样高的准确率实际上得益于神经网络的强大，通过训练超过1,200层的神经网络，从而超过人眼识别的能力。
神经网络已经从2012年的5层，发展到现在的1,200层这样一个过程，其网络的复杂度、深度也在不断的提升。但是为何在前端应用的时只用一个很小的网络，后台却需要训练1,200层这么大的网络？
王晓刚指出，原因是为了得到一个很小、但是识别率很高的网络，你首先需要得到一个非常深、非常强的网络进行学习。他比喻，这个小的但是识别率高的网络，就好比是一个小学生，资料就好比是书籍。
若是直接让一个小学生，从大量的书籍当中提取知识，这是一件非常困难的事，首先要找到一个老师，老师有非常强的学习能力，这就是1,200层网络。它首先能够从海量的资料里面，把知识提取出来，然后通过知识传播的方式去教更小的网络，让其达到很好的识别性能。
算法的提升可以带来非常多的应用，能让城市变得更加安全。比如，有罪犯十几年前隐姓埋名，就算改了身份证，最终还是被动态人脸布控系统所捕捉；此外公安局利用人脸识别系统结合城市里几万个摄像头，能够成功找到走丢的老人或孩童。
以商汤这几年累积的成果来看，2014年能够用20万人脸来对机器进行训练做到了98.5%的准确率，而人是97.5%；2015年用30万人脸进行训练，达到了99.55%的准确率；2016年用6,000万人脸训练可以达到了百万分之一的误识率；2017年用20亿人脸训练可以达到一亿分之一的误识率，这样的误识率才已可以真正地应用到各行各业。
在硬件方面，王晓刚也提及商汤与高通(Qualcomm)的战略合作，他认为如果人工智能想要普及，那么AI就要走到前端设备。而这些前端设备都离不开芯片。目前商汤的人脸解锁技术已经被超过上亿的手机用户使用，都要靠高通的芯片支持。
准确度93%！人工智能识别钢铁显微组织，而人类只能分别一半的图像
马克斯普朗克计算机研究所
理解钢铁的生产工艺会有帮助，因为它为该研究提供了可以模仿的数据库。“生产特种钢是极具挑战性的，并且取决于许多因素，从一开始轧制工艺中的化学成分一直到不同的热处理工艺。每个生产步骤都会影响钢的内部结构。”Britz解释道。
材料科学家们称这些在显微镜下观察到的结构为显微组织。其中，所谓的晶粒或微晶限定了具有特定晶体结构但与相邻晶粒取向不同的各个区域。不仅晶粒的取向，而且它们的个体形状和空间联系都可能具有高度的几何复杂性。“这种高度复杂的微观结构在材料开发和质量控制过程中可以由显微镜观察到。样品会被特殊制备，并在光学或电子显微镜下进行观测。”Britz解释道。
为了对材料进行分类，获得的显微图像将会被与具有典型几何结构的示例图像进行比较。公司质量部门经验丰富的工程师用了几年时间来精确地评估了总共有哪些钢结构存在。
“但即使是训练有素的专家也可能是错误的，因为肉眼有时几乎看不到图像偏差。对于人类来说，我们非常擅长分别微小的相对差异，但我们很难对绝对几何标准进行再识别。”Steinbeis材料技术研究中心（MECS）所长，也是这项研究的导师FrankMucklich教授说。
Mucklich教授
材料研究人员正在寻找一种客观方法，可以不依赖于用户的专业知识来使用。“通过‘机器学习方法’计算机能够快速识别复杂图案，并和由显微镜获得的显微组织的几何形貌关联起来。不仅如此，他们还可以学习先前已经进行过分类的显微组织的特征，并将其与识别的图案进行匹配。”Mucklich教授解释说。
通过这种方式，研究人员能够精确确定低碳钢的显微组织，这在以前的细节精度中是不可能的。“我们的系统实现了93％左右的分类精确度，而传统的人工方法只能将大概50%的材料样品进行正确分类。”材料科学家说。
萨尔布吕肯科学家的这项成果在久负盛名的“自然”杂志上发表，这表明了其对Mucklich教授的认可，这是第一次将材料和计算机这两个不同的研究领域以这种极具前景的方式连接起来。
“这种全新的‘深度学习’方法将帮助我们更加客观和准确地评估钢材和其他材料的质量。我们相信，这项成果也可以应用于许多其他生产工艺和材料。”Mucklich教授解释说。
这篇题为“通过‘深度学习方法’对钢铁显微组织进行分类”的论文已发表在“自然”杂志上，需要的朋友可以通过钢铁精英微信公众号索取。
不仅在钢铁材料领域，现在先进的人工智能识别技术已经可以应用于医学，比如用来判断癌细胞组织。通过这项技术，人工智能只需要几秒中就可以完成专业人员几分钟甚至更久才能完成的评估分类工作，不仅工作效率大大提升，其准确性也让人惊叹！未来几十年，人工智能可能会取代人类大部分的工作。面对人工智能的“入侵”，你想说什么呢？
来源：钢铁精英
声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。返回搜狐，查看更多