正文
我们播一段笑声，你们能判断这是同一个人吗？这是非常难的。并且我们这个题目做完之后，还问了他们节目组的录音，他们就是在笑的时候，一定要跟平常很不一样，有那种喊出来、歇斯底里的笑声，这其实是难度非常非常大的，这个题目当时其实是没有做对。你们可以听一下错误答案，错误答案跟题目听起来更像同一个人的声音，跟第一个笑声是很难判断的。百度在《最强大脑》节目前精度还没有办法做的像人脸识别那么高，因此在当时的情况下我们还是错掉了。这个难度其实是非常高的，现在百度这块做的还是不够，因此我们也会继续的投入很大的力量把这块做好。
解释一下，为什么声纹识突然变得这么重要。第一点是现在身份认证这个场景是非常重要的，包括在银行，包括在很多很多的场景下，身份认证是非常重要，但是人脸识别已经是一种非常重要的方法了。像美国身份认证的标准，就是希望你用两种不同的方法同时认证，认证对了才算过了，他们的一个系统，因此像百度我们已经把人脸做的非常好。因此我们也希望在声纹上能够有一些非常大的突破，把声纹希望做的跟人脸类似或者差不多的级别，对身份认证帮助是非常大。
第二点百度非常重视，是我们所谓的基于 AI 的交互。比如是鼠标键盘，到最近是手机上的触摸屏，我们更希望下一代是基于语音图像或者 AI 非常自然的交互，特别是语音的。你们如果有关注百度，也知道百度投入非常大的力量，在做 Duer 的操作系统，就叫 OS，我们内部把它叫 OS，因为像这些基于语音质量交互的情况，语音已经是一个存在的信号，如果我们能利用那个信号的话，能够识别那个人是谁，说话的人是谁，这是非常非常有用的。因此在这块我们后续也在继续投入，我们技术上已经取得了一些突破，最后我们希望把声纹做的跟人脸识别那样高的精度。
人脸识别
下面我来说一下人脸识别，我今天着重要说的是几个，一个是跨年龄的人脸识别，一个跨代的人脸识别，在这个领域里面都算是非常挑战的，但是百度已经把它做的非常非常好。但是后面的技术其实都是基于我们对正常人的人脸识别的能力，上面的一些扩展，我们最关键是下面的，对普通情况的人脸识别已经能做得非常非常好，能很顺的把那个技术用到一些相对来说比较特殊的场景下。不知道在座的有多少位同学还记得，像这个是一个小孩的照片，这里面哪一个对应这个小孩的照片，如果没看过或者没记得的同学，你们觉得你们能找出来吗？
最后一个是对的，整体来说难度还是非常大的，这里面你们大家注意看，这里面还有一个双胞胎，双胞胎确实是难度非常大，也是在误差范围里面，但是我们比较幸运的还是猜对了，不能肯定我们把双方做的百分之百准确，但是有一定的概率还是能把它做准，这个最后还是把它做准了。刚才台上只有 20 个人，你可以看一下，难度最大的是这个题目，其实你要看 30 张这样的照片，这里面其实还挺难找得，比如我把这个放成一张，大家能找出这个是哪个吗？其实这些难度还是挺大的，正常的人，像这个还是非常非常难的，找到正确答案，大家不信的话，自己可以试一试，比如说家里面找一些照片或者朋友里面找一些照片，难度确实非常大。我们在做这个节目之前，大概测过，类似这样的一张照片，人去找，大概 20% 左右的准确率，我们有一个群，我们说把同学放进来，同学贴一张照片，你们帮我找找看，这张照片里哪一个是我，其实这个准确率非常低，人来做的话准确率是非常低的。
我们在大概 1 月初做了第一期的节目，后面我们希望把这个技术也能够用在一些实际的，对社会非常有益的场景。我们后来跟宝贝回家合作，他们大概给了我们 6 万条的信息，其实大概有一半左右是成人的照片。宝贝回家的平台是这样的，有父母小孩丢了，有小孩小时候的照片，比如像这样的一张照片，这是他小时候 5 岁的照片，这个小孩长大也有他自己的照片，这个小孩很聪明，他有一个 8 岁时候的照片或者更近期的照片，两边有两三万的照片在宝贝回家的平台上。我们的办法就是希望帮他们做对比，因为这是跨年龄的，其实这两张人脸是长得非常不一样的，不一样到什么程度，我相信这个小孩上传了这个照片之后，应该也会到这里面的库，看看有没有跟他长的比较像的照片，但这种情况都没有把对方给找到。我们试之前也有一些做人脸识别的东西，我们其实找到不止这个，还有一些也在验证中，我们也找到另外一个，其实他们已经对接上了，只是平台没有把照片拿下来，但是我们也找到了，这是原来根本没有人发现，我们是发现了，通过 DNA 的验证。
我稍微非常简要地说一下，我们经过了《最强大脑》的比赛，着重讲的跨年龄跟跨代的人脸识别，我可以很自信地说，在这一块现在没有人能做的比我们好，像我刚才也说核心的核心，还是我们的人脸识别基础技术做的非常好。大家也都知道人脸识别基本上是有两个技术，一个是检测，还有一个是识别，检测给一张照片我们能看人脸是在哪里，同时还有把脸上的一些关键点找出来比如嘴巴、眼睛、鼻子。这是检测，检测完之后这个人到底是谁，还有通常的人物验证，比如说验证这两个人是不是同一个人，这是不是不同的人。像百度其实在这上面起步做的非常早，2014 年跟 2015 年的时候，如果大家往回看，现在当然这两个数据都太小了，我们根本也不会去做，因为 2016 年之后没有再去做过这两个数据，因为太小了。但是 2014 跟 2015 年的时候，我们在 FDDB 跟 LFW 上，两年时间没有一家超过我们，在这之前技术有了非常非常好的进步，LFW 再往前做意义也没那么大，一万多张的照片，非常小的数据级。2015 年年底的时候，我们内部非常针对性的，针对我们要解决的问题，人脸识别，我们搭建了非常大的测试级，就训练加测试的集合，我们也是把一些非常简单的数据给它去掉，我们自然觉得是相对偏难的测试级。
当时这个测试级是 8%，我们很多时候讲是深度测试级，可能很多时候可以看 99.7%，这些针对都是 LFW，我们当时在那种测试底下能做到那么高的精度，如果把一些很容易的去掉，难的留下来，这是我们真正要解决的问题。因此当时测试级定的时候，我们拿了过去所有能做的最好的算法，在这个测试级上只能做到 92%。大概在去年百度世界大会，我们在数据跟算法上都进行非常大的迭代跟，8% 降到 2% 以下，这是非常大的提高，为什么呢？因为我们以前做一些算法，20%、30%、40% 就算是很高了，我们基本上是降了大概接近 3 倍，非常大的除以 3 了。其实到现在，在这个上面是低于 1% 的，因此的话几乎是 10 倍左右的提高，这个其实是非常大的提高，因为之前的系统已经是一种非常好的系统，不是很水的系统，我们在这个上面再有 10 倍的提高，并且这个测试级因为它是非常大的测试级，数据的话是非常非常难，因此这个是非常实在的，也就是因为这些，才最后看到《最强大脑》。
