正如依圖科技羅憶所言“正是由于算法性能的不斷深入，針對安防行業(yè)帶來的變化以及應(yīng)用場景都在呈現(xiàn)幾何級數(shù)的增長。以前由于算法精度達不到，某些場景下應(yīng)用是無法實現(xiàn)的，隨著算法技術(shù)越深入，能應(yīng)用場景就會越多?！币舱怯捎谒惴ǖ木M，生物特征識別技術(shù)的識別能力不斷提升，其應(yīng)用的領(lǐng)域也將不斷拓展。

　　目前來看，人工智能中深度學(xué)習(xí)的運行，不外乎分為兩個部分。一個是通過大量的數(shù)據(jù)樣本來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，第二個是訓(xùn)練好后在系統(tǒng)中進行推理。在推理的過程中，不斷積累一些數(shù)據(jù)，反過來再不斷修改神經(jīng)網(wǎng)絡(luò)，進一步把結(jié)果提升。

　　生物識別技術(shù)為人工智能提供大數(shù)據(jù)來源

　　生物識別通過高科技手段利用人體固有的生理特性，如指紋、人臉、虹膜等以及行為特征包括筆跡、聲音、步態(tài)等進行身份鑒定，身份識別的前提是信息收集。百度深度研究院專家指出，沒有數(shù)據(jù)采集，數(shù)據(jù)整理、研究和分析，人工智能無從談起。

　　因此可以說生物識別作為生物特征收集和感知的重要載體，通過生物識別采集數(shù)據(jù)是人工智能應(yīng)用的重要一環(huán)。隨著數(shù)據(jù)庫的不斷積累、算法進一步優(yōu)化，人工智能將拓展到更多應(yīng)用領(lǐng)域，并帶動多個產(chǎn)業(yè)發(fā)展。

　　另外，一直以來，行業(yè)內(nèi)都存在質(zhì)疑算法能力的說法，都認為算法最終會遇到天花板，未來發(fā)展會有瓶頸期。但事實證明，這種說法是站不住腳的。以AlphaGo與Alphazero的比較來看，算法的前景是無法估量。隨著數(shù)據(jù)庫的積累、算法將不斷優(yōu)化。

　　人工智能算法演進拓展生物特征識別的應(yīng)用領(lǐng)域

　　正如依圖科技羅憶所言“正是由于算法性能的不斷深入，針對安防行業(yè)帶來的變化以及應(yīng)用場景都在呈現(xiàn)幾何級數(shù)的增長。以前由于算法精度達不到，某些場景下應(yīng)用是無法實現(xiàn)的，隨著算法技術(shù)越深入，能應(yīng)用場景就會越多。”也正是由于算法的精進，生物特征識別技術(shù)的識別能力不斷提升，其應(yīng)用的領(lǐng)域也將不斷拓展。

　　以人臉識別為例，早期的人臉識別探索主要依靠一些手工標定的幾何特征(比如眼鏡、嘴巴等器官的位置、距離)進行分類，實用的成果較少。目前，隨著算法性能的不斷深入，國內(nèi)外大部分的人臉識別團隊算法識別準確率(在LFW數(shù)據(jù)集上)超過99%，其中既有百度、Google、騰訊這樣的互聯(lián)網(wǎng)巨頭，也有安防監(jiān)控領(lǐng)域硬件制造商?？低?、大華股份、天地偉業(yè)等，也有人工智能初創(chuàng)企業(yè)依圖科技、云天勵飛以及云從科技等，這些團隊的結(jié)果都得益于深度學(xué)習(xí)算法。毫無疑問，深度學(xué)習(xí)成為目前人臉識別領(lǐng)域最主流的研究方向。

　　這其中數(shù)據(jù)成為提升人臉識別算法性能的關(guān)鍵因素，很多應(yīng)用更加關(guān)注低誤報條件下的識別性能，比如支人臉支付需要控制錯誤接受率在0.00001之內(nèi)，因此以后的算法改進也將著重于提升低誤報下的識別率。對于安防監(jiān)控而言，可能需要控制在0.00000001之內(nèi)(比如幾十萬人的注冊庫)。

　　隨著技術(shù)的日益進步，人臉識別必將更多的走進每個人的日常生活，比如越來越多的銀行與券商借助人臉識別進行身份核實，大大提高了工作效率;基于人臉識別的社保領(lǐng)取，方便了大批行動不便的老人;證件照查重、嫌疑犯檢索協(xié)助公安機關(guān)破案。然而必須認識到的是，目前的人臉識別技術(shù)遠遠沒有達到足以應(yīng)用到任意場景的程度，尤其是對安全性要求、識別率要求很高的場景下。過度宣傳“識別率達到99%”“識別率超過人類”之類的內(nèi)容并不利于人臉識別的長遠發(fā)展。