人臉識別可以幫助破案嗎？

當然可以，我們能將罪犯的五官與嫌疑犯進行匹配、識別，而生活中攝像頭的輻射范圍也到了犄角旮旯。關(guān)于這個問題，這是最常見的思考邏輯。

但現(xiàn)實卻困難得多。首先，如果犯罪有影像資料，并非一定有助于識別五官，因為目前市面上 95％ 的攝像頭都是低分辨率。再者，蓄意犯罪的人大多會進行面部遮擋。

這個難題所代表的正是人工智能正沿著技術(shù)軸心一步步上升時，其在商業(yè)中難以真正實現(xiàn)行業(yè)落地的困境。目前，對人臉識別及其重視的 AI 公司在技術(shù)發(fā)展上都取得了不小的成績。FACE＋＋聲稱最多可以通過 106 個點實現(xiàn)即便在快速移動的視頻流中，關(guān)鍵點依然能完美貼合人臉；百度 AI 平臺給出的人臉識別準確率可達 99．77％。但人臉識別最常見的使用場景都需要被檢人的配合：機場排隊進行人臉識別、會議的安檢通道也需要對參會人員依次進行匹配。

當真正有擾亂秩序者出現(xiàn)，人臉識別的安防能力將在哪里？無人駕駛何時能真正「無人」？翻譯機何時能夠真正代替翻譯？技術(shù)樂觀派都相信，只要不斷提高準確率，不斷訓(xùn)練模型，不斷深耕人工智能技術(shù)，這些問題就會迎刃而解。那時候，人臉識別不會有一點誤差，無人駕駛能識別所有障礙物，翻譯機將是世界公民。

商人身份的吳明輝則不贊成由公司來把技術(shù)做到極致。他認為，把技術(shù)做到 100％、99％是學(xué)校、科研應(yīng)該做的事，而商業(yè)是如何讓 85％ 的技術(shù)也能實現(xiàn)落地。

用「人工智慧」來扣起人工智能的商業(yè)閉環(huán)

回到最開始的問題，這位父親是警察的北大計算機碩士給出了如何通過「85％ 的技術(shù)」破案的答案，「我們可以把當時的這個人的比如體貌特征拿出來，比如深藍色的襯衫、短發(fā)、男性、沒戴眼鏡等等。如果這個人遮擋面部，比如帶了口罩跑進商場，換了一套衣服又該怎么辦呢？這時候按照公安的邏輯推理，是觀察有沒有一個人沒有進去但是出來了�！�

吳明輝認為目前 99％ 以上的案件并沒有一個完整的高清的人臉識別，但利用數(shù)據(jù)依然可以破案，只要將人在具體行業(yè)中積累的特殊智慧交給人工智能。他對極客公園創(chuàng)始人張鵬說：「互聯(lián)網(wǎng)上的數(shù)據(jù)非常多，快遞物流、消費記錄、身份信息等等。這些數(shù)據(jù)如果結(jié)構(gòu)化了應(yīng)用到行業(yè)里邊，就可以變成知識，知識其實是效率更高的一種數(shù)據(jù)。比如，這些數(shù)據(jù)可以在公安情報人員辦案時使用，但這些數(shù)據(jù)是多元異構(gòu)，需要有一套接近于破案時大腦思考模式的系統(tǒng)來幫助公安更好的使用這些數(shù)據(jù)�！�

據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布的統(tǒng)計報告顯示，截至 2018 年 6 月，中國網(wǎng)民規(guī)模已達 8．02 億人，互聯(lián)網(wǎng)普及率達 57．7％。其中，使用手機上網(wǎng)的網(wǎng)民數(shù)量為 7．88 億人。同時，中國的網(wǎng)絡(luò)購物和網(wǎng)絡(luò)支付用戶有 5．69 億人。外賣平臺、社交網(wǎng)絡(luò)、電商平臺等應(yīng)用繁榮的背后，越來越多的數(shù)據(jù)正在呈加速度累積。

2014 年，斯諾登事件出現(xiàn)后，吳明輝更加確定中國未來一定要有自主知識產(chǎn)權(quán)的軟件平臺、數(shù)據(jù)平臺。于是，從他的另一家公司「秒針」里調(diào)出 20 個人成立了一家能幫助人更好使用數(shù)據(jù)的公司「明略數(shù)據(jù)」，用「知識圖譜」的方式開發(fā)了全球第一個能做推理的人工智能引擎「明智系統(tǒng)」，再結(jié)合不同行業(yè)的數(shù)據(jù)從而逐步構(gòu)建公安大腦、金融風(fēng)控大腦、工業(yè)安全大腦。吳明輝介紹說，這個引擎是結(jié)合了人類智慧和數(shù)據(jù)的關(guān)聯(lián)關(guān)系后打造出的能為人理解的知識體系，在這個知識體系的支持下所有 AI 算法的效率會變得更高。

目前，明略數(shù)據(jù)已成功服務(wù)部分省級公安廳和市級公安局，中國人民銀行、交通銀行、光大銀行等金融機構(gòu)，中國中車、上海地鐵等行業(yè)客戶。

吳明輝坦言，在技術(shù)上明略數(shù)據(jù)可能比不過很多頭部的 AI 創(chuàng)業(yè)公司，但其卻可以在真正的行業(yè)應(yīng)用上遠遠跑在多數(shù)公司前頭，這背后的原因是他們能針對某個行業(yè)去定制人工智能算法。他說，絕大多數(shù)技術(shù)模組，比如做視頻、做語音，我們比他們（指專攻技術(shù)的 AI 創(chuàng)業(yè)公司）差點沒關(guān)系，他們做到 95％，我都不用做 94％，85％ 就行了。85％ 能幫助公安破的案就比他們多多了。

他認為 AlphaGo 是非常好的一個例子：「如果你不告訴 AlphaGo 一些人類的基本邏輯，它可能就傻算，耗大量的電費，但輸入規(guī)則和策略后，就完全不同�！�

AI 時代的產(chǎn)品經(jīng)理

貼近行業(yè)還有另一個好處，每天都將有新的數(shù)據(jù)反哺這個產(chǎn)品�！冈谠O(shè)計產(chǎn)品過程中都面對的一個難題，就是一定要形成反饋。」吳明輝拿出了自己的一套產(chǎn)品理論，「廣義的人工智能就意味著你這個系統(tǒng)可以自我迭代。但這件事情并不是一個科學(xué)家就能搞定的事情，因為整個迭代和進步是需要有商業(yè)環(huán)境的。正是出于這樣的原因，人工智能的企業(yè)跟傳統(tǒng)的企業(yè)相比，不僅需要優(yōu)秀的技術(shù)團隊，還要有強大的品牌拓展和營銷能力。」

他解釋說，就像我們給警察局提供的軟件，每天警察都能給到最新的數(shù)據(jù)反饋，來確定系統(tǒng)輸出的判斷是否有問題。比如，軟件提供的一些嫌疑人線索，最終這些人是不是真的罪犯，警察是會給反饋，而這些反饋數(shù)據(jù)將能使軟件優(yōu)化、迭代。

數(shù)據(jù)對于智能產(chǎn)品而言是重要的原材料。同樣是耳熟能詳?shù)?AlphaGo，其需要從大量的人類對戰(zhàn)棋局數(shù)據(jù)中學(xué)習(xí)出何種對弈方式。再者，視覺識別也需要大量有用的數(shù)據(jù)進行模型訓(xùn)練。

正因為有如此多不同于市面上其他企業(yè)的產(chǎn)品見解，吳明輝將自己自詡為「企業(yè)級服務(wù)領(lǐng)域里最靠譜的產(chǎn)品經(jīng)理」。在他看來，AI 時代需要的產(chǎn)品理念已經(jīng)與傳統(tǒng)互聯(lián)網(wǎng)時代有很多不同的地方，雖然仍有些一脈相承的思想，比如重視所服務(wù)行業(yè)賽道所對應(yīng)的成本有多大。

「如果一個產(chǎn)品定義為 AI 的時候，大家對它有非常高的期望，如果有一點差錯，你就會覺得不好。但目前的機器學(xué)習(xí)幾乎不可能做到生產(chǎn)出完全不出錯的產(chǎn)品�！箙敲鬏x說，「傳統(tǒng)互聯(lián)網(wǎng)，并沒有對『完美』如此執(zhí)著的追求�！�

這位產(chǎn)品經(jīng)理給出了他的彌補方案：當沒辦法精進人工智能的算法時，只能選擇去演進 AI 情商，去通過一個巧妙的設(shè)計補回來可能出現(xiàn)的錯誤。

當電梯里面擠滿了人，人會說：「不好意思，我擠一擠」。而機器只能靠 AI 算法，評估空間大小，從而決定是否進入電梯。如果評估失誤，還可能出現(xiàn)擠壓到人的情況。吳明輝很自信地說，這時候的我們的產(chǎn)品設(shè)計是，在進去之前機器會先說「我年紀小，腿腳不靈，給請大家給我讓讓路�！�

資本市場似乎也認可了吳明輝的這些策略。今年，明略數(shù)據(jù)宣布獲得 10 億人民幣 C 輪融資，華興新經(jīng)濟基金、騰訊產(chǎn)業(yè)共贏基金是本輪投資方。而其 2015 年獲得硅谷天堂近億元投資 A 輪融資；2016 年 8 月獲得 2 億人民幣 B 輪融資，紅杉中國領(lǐng)投，分享投資以及硅谷天堂等跟投。

「這些產(chǎn)品想法都是通過燒錢和不斷地踩坑鍛煉出來的。歷史上我融過投資人的錢也有幾十個億了，如果我從第一天不踩坑的話可能能省出三分之二來�！箙敲鬏x說。不過，明略數(shù)據(jù)在 AI 領(lǐng)域落地的步伐讓他確定這些錢不是白燒了。