雷锋网报道，2017年2 月 21 日，《麻省理工科技评论》（MIT Technology Review）中国版联合IBM中国研究院、网易科技、人民邮电出版社等举办了“2017年MIT Technology Review全球十大突破性技术” 榜单发布会。科大讯飞、百度、乐视、地平线、易宝支付、清华大学、中国科技大学、中科院等数十家机构的嘉宾参与了这次发布会。
在下午的圆桌讨论中，百度深度学习实验室主任林元庆、易宝支付联合创始人兼总裁余晨、清华大学电子系副教授汪玉、和米资本（Hemi Ventures）管理合伙人谷懿围绕人脸识别与支付的现状、技术应用和未来趋势展开了精彩问答。
本文是由雷锋网整理的圆桌会议实录：
主持人（石岚）：刷脸支付、刷脸验证，在国内实际应用已经有一段时间了。这样一个有中国特色的技术入选“十大突破技术”有什么必然性？
林元庆：其实这是百度第二年获得十大突破，去年是语音识别。今年也非常荣幸获得了跟人脸识别有关的“十大突破技术”提名。
我们在2016年加大了投入，因为我们觉得刷脸的时代已经来了，不仅仅是刷脸支付，还可以拿脸当通行证。百度办公区可以刷脸进入，乌镇也可以刷脸进，从去年世界互联网大会之后这套系统一直在运作。今年，大家会看到更多刷脸进景区的情景，我们预估至少有100个以上的景区会采用百度的刷脸技术。
主持人（石岚）：易宝支付在互联网支付领域已深耕多年。您对人脸识别等新技术融入现有支付体系有什么看法？从用户隐私、安全性等方面来说，人脸识别技术是否会在互联网金融领域开始普及？
这里我补充一点信息：我们有一个好朋友是从事安全领域，在业界也是小有名气。他不建议我使用这个功能，因为中国的隐私保护不到位，“10个指纹透露了1个，还有9个人家不知道，如果你有一张脸，你的脸能老换吗？”所以，把这个问题提给您，因为用户隐私确实是大家非常关注的一个问题。
余晨：首先澄清一下，易宝支付虽然是做行业支付，但不像大家熟知的面向消费者前端的支付例如阿里、腾讯。我们更多的是面向后端企业支付。所以我们并不直接接触人脸支付技术。
但是可以给大家举个例子，我们帮助实现了华为的手机钱包。在阿里开户的时候，有些场景还是需要人脸验证，人脸识别是我们通过第三方做进去的。
支付界有一句话，随着信用和数据的发展，支付这个行为最终会消失。支付的最高境界就是用户不再显性支付。未来只要你走到一个餐馆，技术都能够认出你，吃完即走，不用进行任何支付行为。从用户角度来说，这才是最理想的状态。
所以对支付和更广泛的金融领域来说，人脸识别一定会成为一个非常重要且大有可为的新兴技术。
另外关于人脸识别在隐私和安全方面的隐忧问题，因为人脸识别是基于生物特征的识别技术，与原来基于字码和文本字串的相比，它有一定的模糊性和不确定性。
就现在技术成熟度而言，人脸识别有一定的误识率。若是一般的应用有点误识率关系并不大。例如找嫌犯时利用人脸识别，有10个嫌疑人只要抓住那1个人就行了。但是用于支付大宗交易的话要求肯定不一样，一旦误识，损失就真的造成了。
至于指纹和换脸，人有10个指头，人脸只有1张，它们最大的特征就是无法改变。若是密码丢失或者被盗，还可以立即修改。但是一旦被他人获取并复制了生物特征，那就无法更改，除非去做整形手术。这是生物特征技术带给大众的担忧，甚至产生一些社会影响。以色列有一家公司可以通过人脸某些特征的识别来判断这个人是不是恐怖分子，因为他们觉得恐怖分子是写在脸上的，跟中国人看相一样。这个东西就造成了许多连带的社会问题。
但是从长远来讲，人脸识别和生物特征会帮助实现支付的最高境界，即没有支付。而在短期，你可能会看到一些相对局限的应用，比如用于小额支付，或者一些金融服务的开户。
主持人（石岚）：请问汪教授，除了通过传统的GPU进行人脸识别，国内通过FPGA进行相关计算已经展现出光明的前景。您是否可以介绍一下，目前FPGA以及深度学习处理器方面的研究进展，以及该技术在人脸识别的应用？
汪玉：其实这个问题实质上就是问：为什么FPGA更好？
我认为FPGA好，可能要从4个方面来看：
1、FPGA的功耗相对来说不是很高，虽然比芯片还是要高一些，大概是在几瓦到20瓦之间，一般来说，一个GPU是在10-200瓦不等，所以功耗上来看FPGA更有优势。
2、FPGA的能量效率比较高，每瓦特能够提供的计算次数在深度学习领域还算比较高的，一般来说，一个CPU的能量效率在1G左右一个计算能力。GPU每瓦20GUps，FPGA可以做到每瓦提供50、60 GUps。
3、虽然深度学习现在在很多地方用起来了，但是它的算法还在不断进步，如果这个进步还在不断持续，那么本身具备可重配性的FPGA就会带来一定的好处，可重配性是一个非常重要的事情。
4、如果你在FPGA里面把结构捎进去，那可能你的软件做的比较好，人使用软件会比较方便，若有一个一键式的Dpua就可以把想做的深度学习的算法放上去。
我们觉得FPGA是一个比较好的选择。当然芯片肯定是未来最好的选择，因为它的功耗更低，大概低不到一个量级；性能也会高一个量级，大概是100倍的提升。但是芯片的问题在于：
1、目前算法是否收敛。
2、深度学习是不是已经能够做所有的事情，只做一个深度学习的芯片还不够，可能还需要其他的东西。
这是我对于硬件的认识。关于跟人脸的结合和隐私安全问题，我认为如果只是在前端做一些计算，那有可能这个图片是不需要传回去的，所以部分的避免了隐私的泄漏。以后在嵌入式设备上，大家慢慢地会把人脸这件事情做起来，把一部分可能能够公开的信息再传回去，不会太有问题。而且我知道现在很多公司都在做特别小的网络，这样的话，不管是在嵌入式的GPU，还是嵌入式的CPU，甚至FPGA上都有可能用起来，所以我觉得未来会有很多应用场景。
主持人（石岚）： 下面我们问问谷懿，您多年来一直都在从事国际化投资，特别是在硅谷从事高科技投资。原来有一种说法，硅谷领先美国半年，美国又领先全球半年。但现在又有一种说法，在人工智能领域，或者由于人工智能的出现，中美的科技竞争已经拉到了同一个起跑线上。所以，你看到这些第一手的资料、趋势，你有什么样的判断？在中美两地的科技领域，特别是人工智能领域，相关创业公司和发展趋势有什么特点？
谷懿： 刚才说到刷脸这个部分，我前天刚从美国飞回来就是刷脸进关，我觉得还挺先进的，当然我不知道它有没有真的验证我的脸是不是我本来的脸，但我确实把护照放在那个地方，刷脸就进来了。在这点上，中国海关一定比美国海关先进。作为一个消费者来说，我觉得目前中美两国在应用层面的差距并没有以前那么明显。比如中国的支付就是一个明显例子，美国的支付比中国的支付要差很多，美国大多还是使用信用卡，但中国的微信、支付宝已经非常方便了。
我们主要在硅谷投资。我认为中美两地不太一样的地方是美国的生态系统更完善，每个公司可能做得更窄，更垂直，所以从基础层，芯片这个级别，到包括不同的深度算法，不同的传感器的算法层，然后再到应用层，每个层都有公司去投。而中国会做得更全一点，需要融更多的钱，去把摊子铺开。
第二个很不一样的是在客户层面，我发现很多中国客户愿意为新科技买单。我们投资的一些深度学习公司与中国金融机构有合作关系，从第一天就能展开真金白银的合作，这比与美国或者欧洲的银行合作容易得多。因为在欧美面临更多的监管和测试过程。我觉得这其实是一件好事，能够更快地将新科技用于实践。
第三点是时间方面，国内对于人工智能的前景更加乐观，仿佛AI的实现指日可待。而在国外会更加保守和谨慎。去年9月份，我们见了以色列一家做自动驾驶的图象识别公司MobileI，该公司CEO说了一些话令我深有感触，“在图像识别领域我们公司处于全球领先地位，但是我们感觉到识别正确率的提升遇到了瓶颈。从50%到70%其实很快，之后就开始变慢，直到如今坐拥众多资源，但是想要把准确率从90%提到95%或者更高，也不是那么容易的。”从这点来说，不管是做投资还是做公司，应当持有这种谨慎态度，毕竟技术的成熟需要时间的孕育，并不是投进很多资源就可以一蹴而就。
以上三点，是我看到的中国与美国不太一样的地方。
主持人（石岚）：谢谢谷总，非常言简意赅，因为我觉得中国人真的就特别自信。了解到一个数据，在现今世界各地人工智能相关的论坛现场，70%都是中国人。也因为这种乐观，所以也很愿意在这个领域投入更多的时间、精力。
雷锋网将持续跟踪刷脸支付讯息。
以上图片来源网络
来源：雷峰网
声明：本站部分文章及图片转载于互联网，内容版权归原作者所有，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！