【科普】吴飞教授：《走进人工智能》---第5讲 从机器学习到学习机器：智能算法的心之所向∣规则指导下的人脸识别

由高等教育出版社、高等教育电子音像出版社出品，浙江大学上海高等研究院联合上海人工智能实验室智能教育中心共同打造了原创人工智能前沿科普有声通识数字栏目——《走进人工智能》，主理人为浙江大学上海高等研究院常务副院长，浙江大学人工智能研究所所长、中国图象图形学学会理事、动画与数字娱乐专业委员会副主任 吴飞教授 ，本栏目已在喜马拉雅平台正式上线。

本期内容为《走进人工智能》：第5讲 从机器学习到学习机器：智能算法的心之所向∣规则指导下的人脸识别

《走进人工智能》

第5讲

从机器学习到学习机器：智能算法的心之所向

你好，这里是吴飞的数字专栏《走进人工智能》。上一讲我们介绍了数据作为人工智能模型的燃料，使得人类进入数据密集型计算时代。在专栏的第五讲，我为你准备的内容是“从机器学习到学习机器：智能算法的心之所向”。在人工智能领域，算法是极为重要的因素，一般而言算法是一个有限的、定义明确的、机器可实现的指令序列，用来解决一类问题或执行一类计算任务。这一讲中我们以人脸识别为例，分别介绍规则指导下的人脸识别、模型定义下的人脸识别，以及数据驱动下的人脸识别，它们代表着机器学习算法随人工智能发展而经历的不同阶段。

1952，IBM公司的工程师阿瑟·塞缪尔（Arthur Samuel）在一台商用IBM 701机器上研发了一个西洋跳棋算法，该算法可通过观察当前棋子走位是否影响棋局胜负来不断提高算法能力。1956年，阿瑟·塞缪尔受邀在达特茅斯会议上介绍了这项研究，第一次提出了机器学习（Machine Learning）这个词汇，将机器学习定义为“不需要明确编程告诉机器如何学习，而是赋予机器学习能力的一项研究”，目标是构造一种学习机器（Learning Machine），使它像人一样具有自我学习能力、而非让机器按部就班地完成预设任务。

机器学习算法的作用就是让机器完成人类能够实现的一些技能，或完成某一项具体任务。接下来我们以人脸识别为例，介绍机器学习算法随人工智能发展而经历的不同阶段。按照算法出现的先后顺序，我们首先介绍怎样通过构造规则来指导机器完成人脸识别。

规则指导下的人脸识别：让知识被机器可读

人脸由眼睛、鼻子、嘴巴等人脸器官组成，每一个人脸器官又由一些像素点通过一定的空间布局来构成，如睁开的眼睛可视为上下弧线组合而成的椭圆、两只眼睛左右对称、鼻子在眼睛下面且两个对称鼻孔为圆形形状、闭合的嘴巴为两条弧线等。

早期的人工智能研究者就是通过“手工构造规则”来形成机器可以理解的知识，从而完成人脸识别任务的。比如，可以构造如下规则：如果某个区域中包含两个形状像睁开的眼睛一样的左右对称椭圆、其下方存在两个形如鼻孔的左右对称的圆形形状、然后存在形如闭合的嘴巴一样的两条弧线，则可以判断这是一张人脸。一旦构造了这些规则，机器学习算法就可以“按图索骥”，实现人脸识别。但是很显然，上述所构造的人脸检测规则虽然精巧，但在实际中难以使用，比如戴上墨镜的人脸、开怀大笑的人脸、侧身而立的人脸等等，都难以通过上述规则检测出来。应该说，对于人脸所存在的复杂模式，即使我们形成了再多的规则来识别它，仍然会挂一漏万。

产品名称：走进人工智能∣有声通识十五讲

主理人：吴飞

出品机构：高等教育出版社 、高等教育电子音像出版社

合作机构：浙江大学上海高等研究院、上海人工智能实验室智能教育中心

出品时间：2022年1月

中国图象图形学学会高校志愿者招募

中国图象图形学学会关于征集2022重大科学问题、工程技术难题和产业技术问题的通知

中国图象图形学学会关于组织开展科技成果鉴定的通知

2022年CSIG图像图形中国行承办方征集中