“FaceID 是一个坑。苹果果断跳了进去。”iPhone X发布会结束后，知乎的一名网友在名为《如何看待苹果发布会演示face id翻车?》的话题下如此戏谑道。倘若人脸识别技术真是个“坑”，不止苹果，谷歌、微软、阿里、百度等行业巨头都已前仆后继地跳了进去。
一夜爆红的人脸识别其实并不算新技术。2012年，脸部解锁功能首次亮相在搭载安卓平台的Galaxy Nexus上；2015年，微软开发了生物特征识别系统 Windows Hello，支持面部识别登录，谷歌推出号称当时最强的人脸识别系统FaceNet；同年，尚未离职的百度首席科学家吴恩达宣布百度的人脸识别技术已超越谷歌，马云则在德国通过支付宝成功“刷脸”购买了一张1948年汉诺威工业博览会的纪念邮票。
早在苹果之前，三星也是这个领域的最大玩家之一。然而“刷脸时代”的临门一脚，终究还是交给了苹果。
“运用3D 结构光技术，一个满是传感器的额头，以及比指纹Touch ID更安全。”三句话足以概括iPhoneX 的Face ID。苹果之所以选择2017年这个时间点发布自家的“人脸识别”，并非“十周年”情怀，一定程度上是因为支持这项应用的“深度学习技术”已发展到具备实用化水准。
深度学习是人工神经网络的一个分支，也是人工智能的主引擎。早在1943年,美国数学家沃尔特·皮茨(W.Pitts)和心理学家沃伦·麦克洛克(W.McCulloch)就提出了人工神经网络的概念。但直到半个多世纪后深度学习技术作为机器学习的第二次浪潮，才开始进入快速发展时期。这项实验室里的高深理论，最初的应用主要是在图像和语音领域。
从2011年开始，谷歌研究院和微软研究院的研究人员先后将深度学习应用到语音识别，使识别错误率下降了20%-30%。2013年4月，《麻省理工学院技术评论》杂志将深度学习列为年度十大突破性技术之首。
在深度学习出现以前，人脸识别方法一般分为高维人工特征提取和降维两个步骤。通俗来说，每个人的面孔都由额头、眉毛、眼睛、鼻子、嘴巴、双颊等少数几个区域组合而成，机器可以基于人脸几何结构来提取一些特征进行识别。
尽管我们每天都在根据面孔区分着亲人、朋友、同事等面容，但其实大多数人却很难准确地描述出自己到底是如何区分他们的，人们将其解释为“感觉”。但机器的“感觉”并不能与人媲美，在识别过程中，容易受到光照、姿态、表情、动态识别、图像质量、环境等问题影响，计算能力不足，“神经”系统不发达的人脸识别在早期很难有实用价值。
深度学习方法流行之后，人脸识别技术大幅进步，深度学习+大数据（海量的有标注人脸数据）成为人脸识别领域的主流技术路线。
“随着神经网络深度学习的发展，人脸识别是较早开始被关注，并被顺利快速产业转化的技术。当前最新的人脸识别技术，在特定情况下，可以做到99.99%的精度，所以在公安领域、金融领域、民用领域已经开始逐步试水以人脸识别技术为基础的服务功能。”萤石网络的技术专家Dominic谈及人脸识别技术时坦言。
作为知名安防巨头海康威视的旗下品牌，萤石也已布局AI+多年。人脸识别之所以会在2017年大热，从技术层面来看，Dominic认为有三个主要原因：1.算法的不断改进 2.硬件计算性能的数量级的提升 3.数据样本信息的爆发性增长。
提起深度学习，另一个广为人知的应用案例，就是去年战胜人类围棋国手，单挑李世石、柯洁的AlphaGo。相较于依靠暴力算法战胜国际象棋选手的深蓝，AlphaGo的胜利确实非常振奋人心，但归根结底还是借助于深度学习和出众的计算能力，而不是所谓的颠覆性的“新技术”。
几年前，人们对人脸识别的印象还停留在“一个颇具娱乐性的噱头”，热衷于上传照片“测测你的脸最像哪位明星”这类的H5游戏。如今，基于深度学习技术的人脸识别功能也已经越来越趋于实用，它被应用到诸多领域，并为人们的生活提供更为实际的便利。
深圳机场已经将人脸识别系统嵌入机场安检信息系统，当安检人员让你面对摄像头时，后端已经在做比对分析。通过该系统检查发现冒用证件乘机旅客人次，占该机场安检站近期查获该类旅客总人数的近三成。阿里推出无人超市杭州的一家餐厅联合支付宝为顾客推出了刷脸支付，用户无须担心付款时手机没电或者忘带钱包的尴尬。萤石网络则将人脸识别放进了电子猫眼中，能够认出你的家人朋友，在你按下门铃前，主人已经通过手机知道是谁来了。
Face ID将人脸识别再次推向了风口浪尖，表面看起来是苹果这样的企业又一次引领了技术潮流，但实际上只是技术浪潮来临时的一次顺风而行。
靠“脸”吃饭的时代，也许真的要来了。
