曾有学者预言，人类正在进行有史以来第二次最重要的迁徙：第一次是数万年前人类祖先走出非洲；现在，他们正面临从物理世界步入数字世界的“大移民”。
而在第二次“移民”过程中，就像人类在现实生活里对“我是谁”的循环追问，自信息文明诞生伊始，人类就非常清楚安全告知机器“我是谁”的重要性，并不断在身份认证方式上推陈出新，发明各种密码和数字证书。
然而，随着人类与机器共享的“秘密”越来越多（十年前丢手机就是换一张卡那么简单，现在意味着整个数字世界的重构），安全系数越来越大，基于密码的识别方式已日趋无力——如今，学术界也已达成共识，身份识别的下一幕，来自每个人的生物体征。
今天的智能手机——这一人类的“外挂大脑”上，已配有指纹识别，人脸识别和虹膜识别，而随着十年之后整个IOT产业的井喷，以及安防领域的日趋重要，生物体征势必成为人类分身数字世界时最严苛的身份认证。
大体来说，生物特征包括生理特征和行为特征：前者包括指纹，虹膜，人脸和眼纹等；后者对大众稍显陌生，包括步态和唇语等。这些生物特征都具备很强的稳定性和唯一性，可匹配于不同应用场景。今天，不妨从中选取几种代表性生物识别，其中有的你可能熟悉，有的不熟悉，但不管怎样，它们都将在未来，成为人类移民数字世界时最重要的关卡，也是保卫人们在现实世界安全的重要利器。
跨年龄人脸识别
抛去指纹识别不谈，人脸识别是最为大众熟知的认证方式。
其实人脸识别并非易事。人类的脸部结构存在极大相似性，且表情颇具易变性，更何况不同的观察角度，光照条件，遮盖物（墨镜，头发，胡须等）都会增加机器识别难度。
不过，当现如今AI已发展到“只要人类正常情况下1秒就能做的事，它几乎也能做到”的地步，人脸识别的技术进步也令人欣喜。AI可以将人类进化而来的“直觉系统”转为为数据分析，根据眼睛，眉毛，嘴巴，鼻子等器官特征和几何位置关系检测人脸，将待识别的人脸特征与已得到的人脸特征模板进行比较认证。
当然，得益于iPhoneX出色的市场教育工作，上面的事你可能都知道了，但颇值一提的是，iPhoneX那般“实时识别”远非人脸识别的全部，当机器记住一张人类面孔，它其实可以做到更多，比如“跨年龄识别”。
举个例子，还记得八月底，由中央电视台和中国科学院共同主办的人工智能节目《机智过人》在CCTV1周末黄金时段首播（足以见得人工智能在大众认知中的渗透度……），第一集中的“御眼重明”系统便呈现了“跨年龄人脸识别”技能，用1秒就从36张图片中选出了撒贝宁和江一燕儿时的照片。
常识是，在影响人脸识别率的一切因素里，时间是最难对抗的部分。为了实现跨年龄识别，“御眼重明”从1000多万人的2亿张人脸图片中学习了人脸的600多个特征，再搜集几万对成年人与其本人小时候照片的人脸数据，提取人脸特征后，通过双层异构网络进行特征迁移学习，找到成年人脸和儿童照的特征空间映射关系，准确率在人脸特征清晰情况下可达95%以上。
跨年龄人脸识别有什么用？举一个例子，你知道，许多失踪儿童长大后，连亲生父母都认不出他的样子，但机器认得，你完全可以想象：借助“御眼重明”系统，电影《失孤》中的父母就可以不再通过持续多年的满城寻觅，而是到公安机关录入孩子照片，机器通过数据库对比，寻找到匹配对象。
人脸识别技术，正在为这个社会带去更多福祉。
远距离生物识别
事实上，除了人脸识别，其他更“小众”的识别方式，也在不同场景下渐次绽放，譬如在《机智过人》中出现的“步态识别”。
如果你看过《碟中谍5》，一定会对电影中“最后一道安保系统”——步态识别印象深刻：它可以对生物体的身体和步态进行360度无死角扫描，识别进入者身份。
嗯，所谓步态识别，就是只通过走路姿势，在极短时间内，摄像头就可识别特定对象。不同于人脸识别需要“主动配合”，哪怕一个人在几十米外背对摄像头，机器也可通过算法把你认出来。在《机智过人》节目里，来自银河水滴科技的步态识别就与记忆大师袁梦PK，识别10个身高体型相似的“嫌疑犯”，21只体型毛色相似的金毛犬，以及金毛犬剪影，最终银河水滴获胜。
与人脸识别一样，步态精准识别，也受益于在海量数据加持下的人工智能技术。银河水滴就组建了自己的数据团队，并对约十万张不同背景下，姿势穿着各异的人形进行了精细分割标注，如今的跨视角步态识别精度高达94%左右。你可以想象，这项技术会在安防领域大有作为。
而“远距离生物识别”不只一种，除了脚下步态，来自人类嘴唇的“唇语识别”亦可发挥威力。唇语识别是一项集机器视觉与自然语言处理于一体的技术：通过机器视觉从图像中连续识别出人脸，提取口型连续变化特征，随即将连续变化的特征输入到识别模型中，识别出讲话人口型对应的发音，计算出可能性最大的表达语句。
事实上，谷歌人工智能公司DeepMind去年在AlphaGo击败人类后，就把与人类的下一个竞赛场切换至读唇术上：他们与牛津大学的研究者使用总长超过5000小时完成了对人工智能的训练，然后使用去年3月至9月间播出的节目进行测试，结果发现，给予相同的视频素材，专业唇语识别专家能达到12.4%的正确率，而AI系统识别正确率则是46.8%，高出大概3倍。而唇语识别在国内的领跑者海云数据也已训练了超过1万小时的新闻类节目。
与步态识别一样，唇语识别在安全领域意义重大。要知道，公安系统中的视频信息量非常庞大，但很多都以“默片”方式存在，只看得清嘴型，却不知说些什么。而当机器学会“读唇术”，即可判断视频中的人讲出来的关键性内容。
总之不难发现，“远距离生物识别”正在构筑一张“数字天网”，俯视现实世界。难怪有人会说，如今人类犯罪率整体下降最根本的原因，就是技术进步提升了犯罪成本。
另一种关于眼睛的识别
当然，谈及生物识别，尤其是基于生理特征的生物识别，虹膜是一个大众熟知的名字。相互错杂的细丝，斑点和条纹，让虹膜具备天然不可复制性，相信你多少有些了解。所以今天不妨重点介绍另一种与眼睛有关，却稍显陌生的识别方式：眼纹识别。
在新一集《机智过人》中，来自蚂蚁金服的生物识别机器人“蚂蚁佐罗”迎来全球首发。后者具备金融级别的人脸识别技术，其中很重要的识别点位就是人类眼纹——在节目录制现场，“蚂蚁佐罗”成功识别同卵四胞胎兄弟的关键，就是利用了人类眼纹的唯一性。
什么是眼纹？
最通俗地话说，虹膜识别是识别眼睛中“黑眼仁”的纹理，眼纹识别则是识别“眼白”的血管排布情况（巩膜部分）。与虹膜一样，每个人的眼纹也具有唯一性，而这种唯一性也意味着，如何从普通摄像头拍摄到的图像中提取血管分布细节；如何从血管排布中提取出区分每一个人特定的生物特征；如何应对眼球反光，眨眼和眼睫毛等干扰因素……都是摆在“蚂蚁佐罗”面前的道道难关。
不过问题来了：既然虹膜识别技术已相对成熟，市场教育工作也已完成，为何还要另辟蹊径，完成对眼纹的识别探索？
诚然，虹膜识别在容错率，信息量及稳定性方面更有优势，但在工业界，“脱离成本谈技术”并非睿智之举。拿手机来说，虹膜识别需要专业硬件支持（远红外摄像头），这对智能手机的改造以及规模化商用是个挑战——这也是为什么早在90年代虹膜识别就已商用，但多年来主要应用场景只是军用和一些特定领域。
另外，人类虹膜的采集过程需要用户较高的配合度，这对普通小白用户来说学习成本更高。相较之下，眼纹识别对摄像头没有特殊要求，手机前置摄像头就能满足要求，采集过程中只需要用户自然看着手机就可以。所以，从用户体验和成本上来说，都更有利于规模化商用和大众普及。
那么下一个问题是：眼纹识别的应用场景有哪些？
如你所知，对于蚂蚁金服这种互联网金融服务巨头来说，身份认证是无比重要的环节。目前眼纹识别最重要的应用场景，就是通过眼纹识别叠加人脸识别，在不增加用户负担情况下，对识别对象进行多维度交叉验证，提高识别的准确度和安全性。目前，蚂蚁金服研发的眼纹识别技术还是实验室产品，但被业内视为是中国或者说是全球生物识别技术研发的标志性突破。“蚂蚁佐罗”今年的工作重点和目标，是将应用于线下场景的眼纹技术也能基本研发成熟并开始试点。要知道，人脸识别的线下金融级应用场景，譬如刷脸支付，用的是1：N验证，即从N张照片中找出相符的一张，这比1：1验证的难度要高，出错概率也会大一些，而在叠加眼纹识别后，除了提高准确率，还能大大提高1：N中N的数量级。总之，叠加了眼纹识别后的面部识别，可能是人们迈向虚拟世界最安全的通行证——要知道，“蚂蚁佐罗（ZOLOZ）”的读音，与西班牙语“SOLOS”相同，而“SOLOS”的古意，正是“ONE”和“唯一”。
结语：“无密码”社会的来临
今年2月，科技媒体《MIT科技评论》公布了2017年全球十大突破性技术榜单，将蚂蚁金服、旷视科技、百度人脸识别技术纳入榜单，理由是：作为全世界首批上线人脸识别技术的国家，中国的人脸识别技术精度已达到金融交易的级别，刷脸支付进入成熟期。
嗯，时至今日，没人会怀疑，中国生物识别技术已整体性领先世界，且如上所述，中国拥有全球最丰富的识别方式和应用场景。而值得一提的是，《机智过人》中出现的人工智能团队，都已在各自领域达到国际领先水准（蚂蚁金服是唯一一家掌握眼纹识别核心技术的公司；银河水滴在步态数据和算法方面处于世界领先，户外步态数据库超过第二大数据库近100倍），也算见证了中国当今最新锐人AI技术的崛起。
最后想说，其实纵观整个人机交互的历史，就是一个人机交互难度下降的过程，在未来，随着生物识别的日趋主流，人类与机器之间的“信任关系”势必将迈向一个新篇章。
我相信会有一天，“密码”将成为过去式，人类历史上那些与密码惊心动魄的故事，也将成为未来博物馆讲解员的谈资。我也相信，就像“无现金”在中国的飞速普及，人们期许中的“无密码”社会，也将在中国率先来临。
