商湯研究院院長王曉剛日前表示，2014年，人工智能人臉識別技術的準確率首次超過人眼準確率，但目前，誤差率已經可以達到億分之一。機器做人臉識別如果相當于一個4位密碼，現在則相當于一個8位的密碼，人臉識別四年內準確度已經提升了4個數量級。

商湯研究院院長王曉剛日前在《麻省理工科技評論》新興科技峰會上發表了題為“AI賦能下的當下與未來”的演講，闡述了人工智能如何通過云和端改變生活和未來。

王曉剛回顧在過去的十年里，人工智能飛速發展最杰出的代表就是深度學習。其中有三個推動深度學習發展的因素：一是大數據，二是云和端的計算能力包括了GPU和AI芯片，三是深度學習算法不斷創新。

王曉剛稱，他舉例子，2014年的時候，在1:1情況下，機器做人臉識別可以達到萬分之一的誤差率；而現在，誤差率可以達到億分之一。2014年，人工智能人臉識別技術的準確率首次超過人眼準確率，但目前，誤差率已經可以達到億分之一。換句話說，機器做人臉識別如果相當于一個4位密碼，現在則相當于一個8位的密碼，人臉識別性能已經提升了4個數量級。

隨著算法的提升，應用邊界不斷擴大，從最開始1:1身份的比對，到后來動態布控，如抓捕在逃嫌疑人。一直到現在，可以在整個城市范圍內，從上千億的圖像中去搜索人臉，恢復人的活動軌跡。能夠達到這樣高的準確率實際上得益于神經網絡的強大，通過訓練超過1200層的神經網絡，從而超過人眼識別的能力。

神經網絡已經從2012年的5層發展到現在的1200層這樣一個過程，其網絡的復雜度、深度也在不斷的提升。但是為何在前端應用的時候，只用一個很小的稀疏的網絡，還需要訓練1200層這么大的網絡？

王曉剛說，原因是為了得到一個很小，但是識別率很高的網絡，你首先需要得到一個非常深、非常強的網絡進行學習。他比喻，這個小的但是識別率高的網絡，就好比是一個小學生，數據就好比是書籍，直接讓一個小學生，從大量的書籍當中提取知識，這是一件非常困難的事，首先要找到一個老師，老師有非常強的學習能力，這就是1200層網絡。它首先能夠從海量的數據里面，把知識提取出來，然后通過知識傳播的方式去教更小的網絡，讓其達到很好的識別性能。

算法的提升可以帶來非常多的應用，能讓城市變得更加安全。比如，有的犯罪嫌疑人都是十幾年以前隱姓埋名，改了身份證，最終還是被動態人臉布控系統所捕捉；此外公安局利用人臉識別系統結合城市里幾萬個攝像頭，能夠成功找到走丟的老人或孩童。

而目前商湯從這幾年累積的成果，2014年，能夠用20萬人臉來對機器進行訓練做到了98.5%的準確率，而人是97.5%；2015年用30萬人臉進行訓練，達到了99.55%的準確率；2016年，用6000萬人臉訓練可以達到了百萬分之一的誤識率；2017年，用20億人臉訓練可以達到一億分之一的誤識率，而這樣的誤識率才已可以真正地應用到各行各業，包括監控、金融、安防、手機等行業。

在硬件方面，他也提及商湯與高通的戰略合作，他認為如果人工智能想要普及，那么AI就要走到前端設備。而這些前端設備都離不開芯片。目前商湯的人臉解鎖技術已經被超過上億的手機用戶使用，都要靠高通的芯片支持。