基于AI神经引擎的Face ID，真能让人放心吗?

　　2、3D建模技术。目前三星、支付宝、vivo X20、小米Note 3等普遍使用“2D识别方案”，用普通照片比较容易破解。iPhone X投射3万个红外点光源作为特征点，结合面部的深度信息，构建3D立体脸部模型进行识别，大大提高了识别的准确性和安全性。仅仅靠二维照片，再也没有可能通过Face ID验证，即使做成逼真的3D脸模，也不能通过精密的数据比对和对眼睛附加检测的考验。

　　3、搭载AI 单元的仿生芯片。人工智能是当下尖端科技的风口，苹果这一次又领先了。A11仿生芯片不仅较上一代芯片(A10)图像处理能力提升30%，而且集成神经网络引擎，成为苹果第一枚搭载AI神经网络单元的移动芯片。

　　AI神经网络单元每秒六亿次运算，主要用于胜任机器学习任务，识别人物、地点和物体，计算人脸不同部位的位置与距离，判定是否为使用者本人，同时能够学习到人脸图像中的一些隐性规律和规则，为Face ID提供强大的性能支持。

　　早期的人工智能学习算法识别成功率普遍不高，完全不能和人眼识别能力相提并论。卷积神经网络理论的提出，为人脸识别提供了强有力的技术支持。通过局部连接、权值共享和池化采样，大大减少神经网络的权值数量，降低网络模型的复杂度，实现了对庞大的3D人脸数据的快速化处理。同时对人脸图像的缩放、旋转、平移以及其它形变的识别鲁棒性更好。目前基于深度学习神经网络的人脸识别技术可以达到几乎100%的正确率，人类肉眼识别精度只有97.53%。

　　为了进一步提升安全水平，苹果使用了1,000,000,000 张照片来训练这个神经网络系统， Face ID因此“认识”了足够多的面孔，确保以后不被照片或模具欺骗。利用AI 单元，可以持续地学习用户脸部的长相和表情，在完成首次人脸信息的采集和录入后，随着时间的推移，即使你戴眼镜了、开始长了胡子等，Face ID 仍然能继续认出你，并不断根据新的数据来校准识别模型，以保证识别率。

　　Face ID真的能够让人放心吗?

　　就在iPhone X正式发售倒计时时，坏消息也不断传来，有分析师指出，由于3D感应系统由结构化光系统，飞行时间系统和前置摄像头组成，结构过于复杂，良品率很低不足10%，首批100万部的生产要推迟到12月份才能完成。

　　除了良品率以外，用户对Face ID最关心的无外乎两个性能，识别速度和识别精度。苹果的Touch ID刚出现时，由于识别速度偏慢，在相当长一段时间并未被广泛接受。Face ID要处理的三维脸部数据量比起Touch ID自然是高出不少，不过得益于性能更强悍A11处理器以及其整合的AI神经网络单元生物引擎，还有基于神经网络的算法，从目前来看Face ID识别速度比起Touch ID应该有长足的提升，响应速度更快。

　　而Face ID的识别精准度则是iPhone X安全性的关键，以往二维识别技术在这方面显然无法与基于三维成像的Face ID相提并论。而与现在用户普遍接受的Touch ID指纹识别相比，从公开的数据来看，安全性应该是提升了不少，不过能不能让广大用户满意，会不会遭到投诉，我们还要拭目以待。

　　智能相对论(微信id:aixdlun)：2个前人工智能行业管理咨询老鸟+1个老媒体人组成的三人帮，深挖人工智能这口井，评出咸淡，讲出黑白，道出深浅。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!