“刷臉”有什麼大不了，我馬上可以“刷腦”了咧

曾幾何時， 生物特徵識別還是一個可望而不可即、只有在高度保密機構裡才能一睹真容的“高端技術”。 而技術進步是飛快的， 一眨眼的功夫， 智慧手機的普及就讓每個人對指紋識別和人臉識別習以為常。 那麼， 對於“準確地辨別誰在使用自己”這件事， 身份識別都經歷了哪些過程？未來又將往何方去？

第一批“玩家”：指紋、虹膜和語音

紋理和振動， 這是生物特徵領域不變的核心。 而最早被利用在身份識別當中的生物資訊——指紋和聲紋， 正是其中的代表。 “世界上沒有任何兩個人的指紋是一樣的”， 一直以來，

指紋都是人類最有效的“身份證”。 然而， 隨著指紋和聲紋識別應用的深入， 大家漸漸發現：這些特徵雖然獨一無二， 卻並不“海枯石爛”——指紋特徵可能會因不慎劃傷或人為磨損而改變， 聲音更是會隨著年齡的增長而變化。 於是， 虹膜紋路作為第一種被認為終身不變的生物特徵登上了舞臺。 唯一的問題是， 虹膜資訊是相當容易遭到竊取的——畢竟， 總不能在照相的時候不看鏡頭吧。

電影中以隱形眼鏡為載體的偽造虹膜特徵

“後來者”居上：面部和眼紋識別的興起

既然傳統生物特徵問題不少， 人們自然要著手研究新的生物識別方式。 於是， 面部結構和眼紋進入到了業界的視野當中。 兩種新型生物特徵的共同特點是：除了紋理以外，

更加關心“形狀構造”。 面部識別通過對臉部特徵點及其在影響中的透視深度進行建模， 可以以很高的準確率對比被識別人的頭骨模型是否正確。 近期備受矚目的iPhone X的Face ID就使用原深感攝像頭投射3萬個不可見點捕捉使用者面部資料， 創建具有透視效果的面部深度圖， 從而認出你的臉。 類似地， 眼紋識別在關注物件眼球的鞏膜血管分佈的同時， 實際上也可以讓眼睛輪廓參與到識別當中， 因而更加難以被偽造。 例如近期螞蟻金服發佈的眼紋識別技術， 可以在實驗室場景下精准識別長相極端相似的同卵多胞胎。 目前看來， “刷臉”和“刷眼球”在相當一段時間內， 都將是生物特徵作為身份憑據的主流。

蘋果Face ID有透視效果的人臉模型

深度學習加入：新“作料”， 新味道

乍看來， 生物特徵識別無非是影像處理和模式匹配的組合， 機器學習也許能夠讓匹配準確率增加一些， 但也不過如此。 隨著深度學習及其基礎——卷積神經網路（CNN）的大放異彩， 人們第一次發現：原來人工智慧自己就可以對圖像進行處理，

甚至在得到特徵的時候還可能有“獨到”的見解！很快， 生物特徵識別領域就將CNN在可能的應用上用了個遍， 還得到了比過去更優秀的識別效果。

要知道， 對於今天能夠見到的每一種基於圖像的生物資訊， 識別的方式無非是揀選出其影像中的各種有特點的“細枝末節”， 形成範本， 進而由範本的獨特性來實現識別的唯一性。 由此， 生物特徵識別的性能， 在很大程度上取決於範本中所選取的細節的有效程度。 CNN的優勢， 就在於所產生的範本更有“代表性”， 精確度更高。 可以說， 隨著深度學習的加入， 你的手機和電腦將會很快地從“認出你”的水準升級到“記住你”的新等級。

當然， 目前深度學習在生物特徵識別中還處於研究和初步應用階段，

業界不得不面對的是， 神經網路較大的存儲空間和計算資源佔用問題。 另一個問題在於， 深度學習“記得快”， 卻可能“忘得太慢”。 比如， 如果要從一個訓練好的網路中刪除掉有關某一眼紋的“知識”， 就絕不是一件容易的事情了。

未來：從“刷臉”到“刷腦”

未來還會有什麼新的生物資訊加入到“識別大軍”中來？現階段來看， 最有潛力的或許就是腦電波（EEG）信號了。 目前， 許多研究已經表示， 人的腦電很可能和指紋一樣， 具有某些個體唯一性的特徵。 同時， 腦機介面（BCI）的發展也可謂是日新月異。 目前， 一家葡萄牙公司已經在其Brainflight項目中展示了以腦電信號操控無人機的技術。 如果現有有關腦電的各種技術能夠進一步成熟並加以融合的話， 相信在未來的幾十年內，人們就將有望看到“刷腦”這種科幻般的景象成為現實了。

腦電已經被用來操控無人機了

γ：不過這件事可能對於一時衝動的人們來說並不是啥好消息，一旦你以為的“想想而已”，那邊已經刷腦消費了，實在是防不勝防啊！

*本文頭圖及正文圖片均來源於網路

相信在未來的幾十年內，人們就將有望看到“刷腦”這種科幻般的景象成為現實了。

腦電已經被用來操控無人機了

γ：不過這件事可能對於一時衝動的人們來說並不是啥好消息，一旦你以為的“想想而已”，那邊已經刷腦消費了，實在是防不勝防啊！

*本文頭圖及正文圖片均來源於網路