如何評價《最強大腦》第四季第一期中人機對戰？
如題。如何評價《最強大腦》第四季第一期中王峰老師對戰機器人小度，就人臉識別領域具有很大難度的大跨度跨年齡人臉識別展開對戰。
這利益相關：跨年齡人臉識別演算法由百度IDL人臉組學長們提供演算法支持，以及其他部門的團隊合作。我是IDL人臉組的intern，也會在畢業後加入IDL人臉組（雖然經常被組內好基友們叫做老司機，但論演算法、編程我真的是我們組的lower bound了?(? ? ?ω? ? ?)?），有幸參與到學長們跨年齡識別演算法迭代的過程中，跟著幾個大神學長一起熬夜奮戰好多個日日夜夜。廢話完畢。在這裡簡單講下相關的學術知識，僅做科普跨年齡人臉識別以及一些小趣事用【由於本人水平有限，可能有不少錯誤，希望各位人臉的前輩和同學們能夠指正】-----------------------分割線-----------------------
01-16日凌晨更新於實驗室
update：想說個小細節，為了做這個跨年齡人臉識別的項目，我們投入了很多。尤其是最後一個月，亮哥、獻哥、x康學長、我，總共四個人，想到可以把自己的技術展現給大家，想到演算法性能的不斷提升，那一個月打了雞血一樣的每天凌晨一、兩點回家。【再也沒人像我們這樣傻逼自己加班了吧】迭代了好幾版跨年齡的演算法，到最後一個星期的時候，甚至工作到早晨才回酒店，而且都是我們自願的。工程師應該都知道，當演算法性能不斷提升的時候，什麼也阻止不了你的熱情。另外，比賽完後，我們貢獻的不止這些，跨年齡人臉識別演算法我們正在儘快落地，希望可以盡我們工程師的力量幫助打拐、尋找迷失兒童。這是我最愛的團隊，和諧、有愛，希望大家持續關注我們IDL人臉組的工作，也希望工程師幫助打拐的路能夠一路順暢！【一碗濃濃的雞湯】後面的跨年齡人臉識別幫助打拐的道路我會持續更新在這條帖子裡面的！！！祝福自己和我們的團隊。btw，IDL整個工作氛圍很輕鬆的，在BAT裡面絕壁是最輕鬆的，回想起我們十點上班、七點下班的那段日子。為了做這個跨年齡?(? ? ?ω? ? ?)?------------------分割線-----------------01-17再凌晨一點，還在學校實驗室寫代碼引用參與比賽的曹博士的一句話，「背後太多的故事，不能說給大家聽了，技術是RD的信仰。技術能夠為大家的生活帶來一些改變，是RD 的目標，但可能尚未達到。」首先對一些跨年齡人臉識別不如阿法狗的說法表示小小的反對，尤其是人臉識別前面加了跨年齡的時候。喂喂喂，輪子哥還說阿法狗暴力搞吶。跨年齡人臉識別的背後涉及很多不同的演算法和思路。然後接下來帶點科普文的性質講解下這次比賽和其背後的原理。[官方的簡版技術講解參考【重磅】吳恩達率百度大腦完勝「最強大腦」王峰，AI技術解密]
1.首先講講這期節目比賽設置的一些相關知識。《匆匆那年》節目的設置在人臉識別研究的學術界，叫做cross-age face identification，也就是所謂的跨年齡人臉識別。這是一個非常有難度的挑戰，現在有很多關於人臉識別的論文，都僅僅是關於解決對某種特定場景robust的問題：比如Pose-Aware Face Recognition（鏈接http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Masi_Pose-Aware_Face_Recognition_CVPR_2016_paper.pdf），表情、光照條件、整容、occlusion等影響因素。關於跨年齡識別，實際上，就是對age invariant。比如這裡第一個比賽的probe set是童年照，gallery set是若干張成年照。第二個比賽項目則相反。都是在做年齡跨度很大的人臉識別。2.分析下這兩個比賽設置的具體情況：在第一個節目設置中，我們可以初略估計她們的童年照為0-3歲左右，成年照大概20-25歲，年齡跨度大概20歲，而且觀察者看的是跳舞的視頻，另外存在整容的可能性。在第二個節目設置中，採用的是小學畢業照，估計12歲左右，成年照20-30歲左右，但是gallery set的size在第二個節目中達到了1500人以上。對跨年齡熟悉的同學可以參考下最近幾年跨年齡識別的work，以及他們在fgnet、megaface中fgnet的部分、cacd-vs、morph的結果。難度非常大！！！以fg-net為例，下圖是年齡分布對識別accuracy的影響，可以看到年齡越小，accuracy的下降趨勢越嚴重！所以這就是我個人認為這次人機大戰難度很大的原因！！！！！！！！！！！我們團隊在演算法迭代+數據收集上做了很多努力，才可以做到很高的識別率。並不僅僅是大家想像的上個triplet玩一玩？不能說太多，老大已經點贊了這條知乎，裝逼被發現了。逃(?｀∧′)
3.放個小度的演算法支持IDL人臉組的跨年齡人臉識別小toy給大家玩一玩，偶爾會有小錯誤，但是準確率還是很高的。這裡大家盡量上傳原圖做測試吧，不然圖片被壓縮了蠻影響準確率。http://face.baidu.com/static/ai/index.html
http://face.baidu.com/static/ai/index.html (二維碼自動識別)
如果有識別出錯的case，歡迎告訴我，演算法需要不斷分析、提升。感恩的心！效果如圖：
謝邀。首先恭喜百度，雖然PR的目的很明顯，畢竟前幾天alpha go橫掃N個世界冠軍又刷爆了一波眼球，但這種趣味性的比賽對於大眾對AI的認識還是有幫助作用的。個人認為目前國內AI界的宣傳泡沫很明顯，各種各樣的宣傳魚龍混雜，有的過於神化，有的過於妖魔化。作為從業者，還是希望各位大牛老師能夠偶爾站出來給大家一個正確的科普姿勢。
賽前Lin Yuanqing老師在朋友圈安利了好久這個人機大戰，但是一直也沒真正關注過，看到新聞後回去看了下Lin老師的訪談，原理基本如樓上周博磊所說：人臉檢測 -&> 預處理(增強，alignment，normolization，或者frontalization等) -&> 特徵提取 -&> 匹配與識別。
就比賽內容本身來講，人臉比對（face verification）是CV里一個比較經典的問題了，深度學習在這塊的benchmark上識別準確度超過人已經不是新聞了，最早的新聞在LFW上我記得百度就有超過99.7%的準確度，之後NUS，FB，Google又先後刷新，這個資料庫就飽和了。相對來說Cross-Age Verification是一個更難的問題，如何在相對稀疏的數據集上（需要同一個人不同年齡段的訓練數據）學習到更好的特徵，保證跨年齡的同一個人的兩張人臉的距離比不同人相似年齡的兩張人臉距離小就是關鍵了。
這裡不得不提百度用來訓練的包含200W人，兩億數據的資料庫了。深度學習，數據和演算法（硬體默認大公司都可以用錢堆，Nvidia背後數錢數的歡）就跟倚天劍和屠龍刀一樣，二者兼得則可號令江湖，誠不我欺！
最後，在通用識別領域，計算機還有很長的路要走，我輩共勉。。謝邀，這陣子在國內，剛好看了這期《最強大腦》的最後10分鐘。這個小時候照片和長大後照片比對任務本身是個進階版的face verification任務，大致做法我感覺是先在圖片裡面做人臉檢測，然後把檢測到的圖片和目標圖片做cross-age face verification。這裡人臉檢測和face verification任務都已經是用深度學習相對成熟的問題了，具體原理的話大家感興趣可以看看CUHK的xiaogang wang老師組在TPAMI上發的face verification的論文(http://www.ee.cuhk.edu.hk/~xgwang/papers/sunWTpami16.pdf)。face verification這方向我好像並沒看到百度有論文發表，歡迎童鞋補充（更新：謝 @王峰補充，百度15年有篇相關論文 https://arxiv.org/pdf/1506.07310v4.pdf）。
總的來說，這種search, retrieval match 的任務正是機器AI常規而且非常擅長的任務。因為機器可以並行匹配所有結果，而人這種任務都是串列比較，所以機器比人厲害我並沒任何吃驚，這裡我倒是覺得那位人類選手非常厲害。節目在這個時間點出來，自然而然讓人把小度跟google deepmind的alphaGo對比。這兩者的技術難度，創新程度，和PR能力，還是有一段差距，但都挺不容易，需要龐大的工程支持。這cross-age face verification的技術本身蠻實用，正如章子怡所說，這在幫助尋找拐賣兒童有很大用處。據我所知，SenseTime（商湯科技）用類似的技術幫助公安局篩查犯人，取得了不小突破。期待以後有更多這樣的AI技術用在現實生活中。
最後，《最強大腦》里吳恩達老師幫百度站台，跟章子怡和劉國梁這樣的組合也是看著有些喜劇，大家當娛樂節目來看看就好。。。作為入人臉識別深坑有大半年的在讀研究僧，真心佩服IDL的這個work。很多時候論文中的超高精確度都是針對特定數據集，對於現實場景的實驗結果慘不忍睹！
不好意思啊我強答一下，剛看完了挺興奮的，也想聊點啥，請輕拍啊！回頭有時間我再補充，好好回答。
我個人覺得在這個項目上王峰不代表名人堂最高水平。王峰都說了人臉識別是他相對弱的方面，他以前常勝記錄也是記憶方面的。這種頂級對決，選自己擅長的方向很重要啊。（最弱的方面都那麼厲害，王峰真的很牛。頻繁地給女友李璐鏡頭，這是怕他太有魅力了，多次提醒名草有主嗎？）
印象中人臉識別有好多很厲害的選手。
有個分辨韓國小姐的，整容大國出來的，長得那麼像都找出來了。
還有一個畫著舞台妝穿著古裝載歌載舞，找對應的水霧玻璃背後素顏側臉的。
還有上季那個肉包子蒸熟了還能認出來的，估計女大十八變對他來說也不是難事吧。
可惜除了記得那肉包子熱氣騰騰可能很好吃之外，他們的名字我一個都想不起來了。。。
總之，我想說的是，咱們人類還厲害著呢，還留了好幾手呢。
不行了，現在滿腦子都是熱氣騰騰的肉包子是咋回事。。。以下是去年8月的個人的真實經歷 因為過於震驚所以截圖記錄了下來
這張圖是丈母娘用手機現場拍的 在任何搜索引擎里都找不到相同的一張
說作秀的 說圖像識別都是被人玩兒剩下的都消停消停吧
今天去上模式識別課程，緒論課上老師又討論了這個問題。
總結起來有兩點：一是從學術界來看，人臉識別問題已有20年以上的研究歷史，機器識別的能力比人要強早已是不爭的事實。所以機器勝出是很正常的結果，當然這和百度工程師們開發的高效和魯棒演算法也是分不開的。二是百度也借這個機會展現了自己在人工智慧領域的積累，扭轉自己2016年的不利形象，我覺得這期節目應該是早有策劃的。
一般來說，評價一個人臉識別演算法的性能好壞可以通過這個演算法在LFW庫(LFW Face Database : Main)上的表現來判斷，在這個資料庫上計算機首次實現對人類的超越需要追溯到2014年CUHK的這篇論文(https://arxiv.org/abs/1404.3840)，其中提出的GaussianFace模型以98.52%超過了人眼識別的97.53% Mean ACC。
同樣以LFW為基準，事實上百度IDL在2015年就提交過基於private dataset訓練的深度學習模型的結果，並且公開了一份簡單的演算法報告(Face Recognition via Deep Embedding)，主要使用了multi-patch訓練的多網路模型提取特徵，多特徵融合使用triplet loss降維兩個方法，其在LFW上的表現也達到了當年的最高值99.77%，模型結構參見下圖
值得一提的是，目前在LFW排行榜中靠前的結果絕大多數是基於大規模的private dataset訓練深度學習模型得到。由此可見，在深度學習逐漸制霸各領域的時代，數據獲取能力的重要性。
最後回到題主的問題，在這樣的背景下，百度大腦在晚上《最強大腦》上的表現應該說基本上發揮了其應有的水平，在更深一層的cross-age人臉驗證上的表現也值得認可，可以期待這些技術日後在工程上得到廣泛應用。可以肯定的一點是，這次「人機大戰」暫時沒有出現像當初AlphaGo出世般的革命性突破，也希望百度今後能拿出稱得上他們巨額投資的作品。點名反對說人臉對比不如阿法狗的。
在以上回答中，我見識到了人類進步最大的敵人——傲慢。不知道為啥一票黑百度機器人的？難道為了政治正確連智商也不要了？
事實上，無論這個機器人是誰家的，都證明機器在人類非常擅長的角度，打敗了人類。人類智慧的危機之下不討論如何與機器長久共生，反而去爭論這個技術是誰家的，還有別家也牛逼……這是什麼心裡？
今天這個機器人哪怕是谷歌的，也改變不了被打臉的是全人類的事實。這才是恐怖點吧。
人類擅長的是什麼？人類擅長的是聽，是看，是自然語言理解，是根據細節進行的推理。這些都是人類天生就會的，而對於計算機來說，如果不是機器學習的發展，就算你的計算資源無限大，機器也不能明白人在說什麼。
但是，現在機器已經開始做到了，他們進入了人類的領域。今晚的對抗不是打卡機那種比對，是要跨越時間層的，要加入推理，機器人提取了什麼特徵誰能說清？研發也不一定說的清。
就包括阿法狗，相信它現在下棋的套路是怎麼判定的，它的工程師也不能完全說明白，只能說原理和邏輯，或者就一些case去拆解原理和邏輯。但是那個黑盒裡到底是啥？你知道？
所以說，雖然我站出來挺了機器人技術，但是本質上我覺得人工智慧在倫理上或許很快要面臨抉擇。當人工智慧發展到超驗階段，誰敢保證不會出現黑客帝國。
還有，最後勸一句——不要一個個說的好像自己分分鐘就能搞定這一切，機器學習難得是底層架構，而不是人家給你開源好的平台，好多人灌點數據進去出結果了就不可一世的在這打嘴炮…更有一堆連數據格式都調不對的貨在這指點江山…事實上，相信機器學習底層的邏輯全世界加一起估計也不會有幾個人是真正明白的。
最後，說機器人表現沒有超出你們預期的，你的預期和蒙古國海軍一樣是征服宇宙？它要是真有征服宇宙的那天，第一個哭的就是今天表現出傲慢的人類。相信我，你不會想看到這天的。
看你們還敢不敢再往百度傳自己照片，全成別人訓練數據了
人臉識別、語音識別。呃，都是在技術比較成熟的領域來挑戰，真是信心滿滿呀 23333
章子怡真美啊。能請到諾貝爾獎得主真厲害，不知道要花多少錢。我還有一個關於看娃娃照找長大的妞那個比賽的小疑惑：百度AI識別照片識別出了雙胞胎，output有兩個：一個信心72.98%一個72.99%，違反了遊戲規則。最後Andrew Ng手動選擇了72.99%的，答對了。為什麼會出現這種情況？是規則百度AI聽不懂，還是出了bug？萬分之一的差距對機器來說有必要(不守規矩的)兩個答案都寫出來嗎？
只貼圖不說話
看了些評論之後有幾點疑問：
1.百度是什麼時候知道題目的？
（1）李威的微博顯示百度早幾個月之前就知道題目了。
（2）節目一播完新智元的微信消息就發出來了，ppt肯定不是播完再做的了，那是錄製完到播出之間做的？還是錄製前就做好了？如果錄製前就好的，那麼裡面的人物照片怎麼解釋？
這兩點如果有一點成立，哪怕只有少量人臉識別經驗的人都知道怎麼train接近100%了。
2.現場的機位是怎樣的？
這是觀眾看到的：
這是選手和機器人看到的：
背景怎麼沒人了？
3.集體照的人臉檢測結果似乎不太理想吧？這漏檢可是有點多了，那怎麼保證嘉賓選的人一定不在漏檢的人裡面，呵呵。因為一旦漏檢就不可能識別對了。
這個節目以後還是會看的，當娛樂節目就好，「讓科學流行起來」這口號有點噁心人
我不信只有我一個人看出來節目組的潛規則。
很簡單，因為節目組一定會選擇劉雨昕作為觀察對象。
這是綜藝啊！綜藝！蜜蜂少女是來玩的嗎？是來宣傳的啊！劉雨昕就是這個組合的首推藝人啊！
相信還有人記得去年SNH48的那個項目。
同一個套路，那麼多女孩，作為吃瓜群眾的我們只需要盯緊一個人——鞠婧禕啊！
不選鞠婧禕選誰啊？唯一出名的啊！
所以我說，小度一上來就輸了這一層。
他哪裡想得到人類還有這套路？我覺得，讓我用手機連上谷歌文字、圖片搜索，再加上手機拍照、存儲功能，我可以完勝任何人。
這擺明實是在黑小度。本來毫秒級別之內就能出的結果，硬是被剪輯成跟人類速度差不多。
可能節目組擔心結果出太快，會讓觀眾以為小度作弊。對技術方面不懂，不談，只說幾句自己能看懂的部分或者說是自以為看懂了的部分，不喜歡請跳過。用章子怡的一句話來說「這比電影更好看」（大概意思是這樣，具體記不清了）理一下故事情節：名人堂由於隊員對執行主席的決定不服，導致內訌，所以一致決定坑王峰一把（又或許是藉此理由來避免丟人的可能），去打一場必輸的仗，推舉他去決戰人類大敵——小度，然而又受到同類的鄙視和鼓勵，又勉為其難的站出來，為了人類的榮譽的團結！！雖然還是由王峰這個在人臉識別領悟不是很厲害的人去迎戰人臉識別第一的小度，最終各種意外，人類惜敗與贊助商百度的小度，但是王峰的這種勇士精神還是值得鼓勵！！（全體起立鼓掌 ，好劇情，劇情主線宛如美國大片，情節衝突堪比甄嬛傳的宮斗，不愧是我大中華的綜藝節目）
看了前三季的最強大腦，看到第四季的這集之後，我只有一個想法：到底是有多膨脹才敢這麼玩啊~~誰在意人工智慧好不好啦？誰要用非專業的水平去評價高科技了！我們作為普普通通熱愛看節目的廣大人民群眾，就是覺得你寫節目腳本我們沒意見，畢竟現在欄目就這樣，我們也不是多吹毛求疵，但是你寫的這麼假就不對了！就這種分分鐘感覺被侮辱了智商的感覺，感覺跟最強大腦這個標題很違和啊~~人工智慧最近雖然很火，但是因為完全外行也真是沒法評論。我只是覺得，人工智慧是挺好的，但是跟人比贏不贏這種事有必要看的那麼重要麼！廢話！他要是還沒人類自己來的快來的準確，要他何用啊！！！這就跟計算器和算數似的，我有它我就肯定用啊！要是沒它我不是也能自己算么！
最強大腦真是越來越假，雖然我會繼續看，但是受不了這種不按性格設定背台本的編排方式，李威、鄭才千居然會慫？人家隔壁圍棋界看到阿法狗都是想躍躍欲試的好么，很明顯最強大腦和百度特意安排了百度機器人擊敗「最強」的王峰這個節目效果，最強大腦、百度都在蹭人工智慧的熱度，而百度也要開始噁心到人工智慧界了，你AI牛逼我承認，但你究竟是塞了多少錢讓所有世界冠軍都要「懼怕」你啊
推薦閱讀：
※如何看待馮大輝推出的readhub？
※近二十年來，有哪些用不到電的重大科技突破？
※PP 租車 B 輪融資 6000 萬美元。為什麼能在創立一年內刷新租車行業融資記錄？
※剛考上大學的女生，求推薦筆記本，預算4000左右，不玩遊戲，輕薄？
※有哪些輕便簡潔時尚 ，性價比高的 MP3 播放器推薦？