除了菊纹识别，AI还有哪些奇奇怪怪的识别能力？

本篇文章4654字，读完约12分钟

最近发表在《自然生物医学工程》上的“斯坦福智能厕所”已经成为最受欢迎的人工智能应用。这种马桶不是一种只能“自动清洁、干燥和除臭”的伪智能马桶，而是一种真正的智能马桶，它可以分析人的粪便和尿液，还可以识别人的群居模式。

斯坦福大学的研究人员说，就像世界上没有两片完全相同的叶子一样，世界上也没有两片完全相同的菊花图案(为此，研究人员专门创造了一种新的组合词“方型”。

菊花模式识别的用处在于它没有直接诊断疾病的功能，只有识别功能。因为研究人员仔细发现，智能马桶不仅是一个人使用的，虽然冲水按钮上安装了指纹识别，但有可能马桶在排便后不会冲水，这将导致“不同的人”。

菊花模式识别很好地解决了这个问题。毕竟，排便时识别身份是绝对准确的。赞美斯坦福研究人员的智慧，并配以一幅美丽的图片来冲淡每个人的大脑所制作的图片！

祝贺人类。在拥有了脸、指纹、声纹、虹膜和dna之后，我们开启了一种识别人类身份的新技术。当然，人类大数据有很多丰富的矿藏，人工智能技术对人类大数据的研究可以说是无止境的。

借此机会，我们可以对近两年来人工智能在人类特征、疾病和行为等方面的研究做一个粗略的总结，看看人工智能技术在人类中有着多么精彩的识别应用。

人体最大的财富是一个移动数据库

人工智能已经进入我们的日常生活，这是一个不争的事实。唯一的区别是我们是否能意识到人工智能的存在。人脸识别和指纹识别是几乎每天都在使用的手机的功能。智能扬声器的语音识别功能随时恭候您的来电。常用的输入法是预测接下来要输入的单词。您经常观看的新闻客户和短片记录了您的偏好，并推荐了您最喜欢的内容...

比你更了解你的不是你的母亲，而是无处不在的人工智能。让你比做自己更真实的不是你设置的标志，而是你一直保存的数据。如果你仍然担心西方世界中模拟人的自由和解放，最好多了解人工智能对我们身体的了解程度，就像对我们的手背一样。

在人体的大型数据库中，人工智能还挖掘出了哪些有趣的宝藏？

除了菊花模式识别，实际上还有一种鲜为人知的人工智能技术用于个人识别，即步态识别。因为我们每个人都有不同的生理结构和稍微不同的行走习惯，人工智能可以根据人们的行走姿势来识别他们。

与人脸识别、指纹识别、声纹识别和虹膜识别相比，步态识别具有距离远、视角全、不易伪装等优点。尤其是当抓到“坏人”并在安全领域找到迷路的老人和孩子时，他们要么故意伪装，要么加入到人群中。通过摄像机在公共区域的大规模远距离拍摄，人们可以根据自己的步态识别进行跟踪。

当然，识别的前提是需要在早期阶段输入数据进行比较，或者在敏感区域需要排除。未来，步态识别可能首先应用于有犯罪记录的人。除了拍照和记录dna，这些人还得在摄像机前走两步。

唇语识别也是近年来越来越成熟的人工智能技术。对于能听、说、看的正常人来说，这项技术非常小。然而，这对世界上5%的聋人来说是一个巨大的福音。通过这个新的唇读人工智能系统，有听力障碍的人可以得到专家唇翻译的结果。

未来最可行的方法是让听力受损者佩戴谷歌眼镜(Google Glass)等智能设备，通过隐藏的摄像头读取对方的嘴唇，并通过增强功能显示翻译的单词……这个界面将会很友好。

相同的相似手型识别更加灵活和紧凑。通过ssd-mobilenet算法，可以快速训练人工智能模型识别手势的手形。至于功能，发明者想用它给每个空.人发送表情符号虽然不实用，但表达出来还是很甜蜜的。

一个新发布的人工智能识别应用程序有很高的技术含量。这就是上个月由英特尔和康奈尔大学联合推出的人工智能嗅觉识别技术。利用英特尔正在开发的loihi人工智能芯片和一系列化学传感器，所开发的人工智能算法可以采用类似人类的嗅觉能力，识别数十种有毒化学气味并对其进行标记。

这让那些对机器视觉和语音识别不敏感的人又有点兴奋了。我们大脑中负责嗅觉的部分最多告诉我们这种气味有点奇怪，而在loihi芯片上训练的模型可以告诉我们这种气味是什么。将来，它可能只需要一支探测笔来检查和接收房屋和新房子，以及一些关闭的空房间。

此外，还有一些典型的医学场景，例如，帕金森病患者会有一些奇怪的特殊味道。通过人工智能嗅觉识别，可以实现早期发现、早期预防和治疗。

当涉及到人类疾病的识别、诊断和预测时，人工智能扮演着超乎你想象的角色。

人类疾病只是不正常的数据

对于人类疾病的诊断，人工智能技术的参与早已司空见惯。在COVID-19流行之初，由于缺乏核酸检测试剂，对疑似病例的肺部ct图像进行人工智能诊断成为当时的一项重要补充。人工智能将ct诊断的效率从10分钟提高到20秒，诊断准确率达到96%，显示了人工智能技术在医学诊断中的战斗力。

除了人工智能诊断的这些大规模应用之外，我们还注意到一些非常小的应用。

阿尔茨海默病的早期识别是人工智能技术的一个重要应用。过去，当阿尔茨海默病的临床症状出现并最终得到诊断时，患者大脑的神经元已经严重受损，基本上错过了干预治疗的可能性。将机器学习应用于pet神经影像扫描，使人工智能算法能够学习大脑葡萄糖蛋白水平的细微变化。通过学习一个大数据集adni，这个系统可以在大约6年前识别出阿尔茨海默病的诊断。识别准确率可达98%。

当然，这项人工智能技术需要更多的国家和更多的人来研究，以校准算法的准确性。

临终关怀对我们来说可能仍然是一个陌生的词，但它也是近年来在医疗机构中普及的一种护理方法。然而，临终关怀会遇到一个棘手的问题:如果实施得太早，会造成不必要的资源浪费；如果实施得太晚，当病人病入膏肓时，就不能达到临终关怀的目的。如果能找到在三个月到一年内死亡的病人，可以采取更合适的医疗干预措施。

2016年，斯坦福大学的一个人工智能团队通过神经网络研究了20万名患者的病历，对其中16万人进行了“死亡算法”培训，并对其余4万名患者进行了测试。该算法对3-12个月内死亡的患者识别准确率达到90%，对存活1年以上的患者识别准确率达到95%。

当然，这种“死亡算法”的过程仍然是黑箱操作，危重病人的样本仅仅是根据美国医疗水平较高的医院的数据获得的，并不具有普遍性。对大多数人来说，生与死只有一个平均参考值，而生与死的界限仍然是一个复杂的因素，很难准确预测。

与预测危重病人死亡时间的客观数据不同，人工智能预测自杀更为困难。自杀的原因本身既复杂又不确定。悲剧发生后，我们才能追查其原因。

也许一个人自杀的原因是由几十个甚至几百个因素造成的，心理的、生理的和经济的。人类的预测几乎和盲目猜测的概率一样。机器学习可以训练人工智能根据大量有自杀倾向和自残行为的病人的病历来识别自杀企图。美国范德比尔特大学的性能团队通过了这个算法测试。结果表明，预测一个人在未来两年内是否会自杀的准确率为80-90%，预测一个人在一周内是否会自杀的准确率为92%。

但这一预测只适用于住院的病人。事实上，许多有自杀倾向的人不去医院治疗。此外，很难解释预测自杀概率的原因，但是研究人员发现睡眠障碍和自杀概率之间有很大的关系。这一点值得我们警惕。

尽管这些人工智能算法在人类疾病诊断中仍存在一些缺陷，但预测识别算法在医学领域的应用是一种创新尝试。人工智能可能会彻底改变目前的医学诊断和疾病治疗方法，从流感到癌症，从抑郁症到自杀干预。人工智能的引入将大大提前患者的诊断时间，并使及时的干预和治疗成为可能。

有争议的人工智能面可靠吗？

俗话说，心是天生的，所以相反，一个人的内在特征可以通过他的外表来判断吗？例如，性取向。这一点似乎得到了人工智能算法的支持。

2017年，专门研究做事的斯坦福团队引入了这种人工智能算法来预测人脸方向。仅根据面部特征就可以判断一个人是否爱上了A，男孩女孩的判断准确率分别高达81%和74%。

来自南非的学生约翰重新创建了这个人工智能算法，从一个约会网站上抓取了50万张照片，并选择了性别和性取向分布均衡的2万个数据集。然后，他提取了照片中的面部特征，并将它们转换成4000多个元素的特征向量，以训练回归模型来预测新照片中人物的性取向。男生的考试成绩也达到了68%，女生达到了77%。

显然，这一发现极具争议性。除了侵犯个人隐私和威胁少数民族的人身安全，如与甲发生性关系，这种识别模式只能证明面部特征和性取向之间的相关性，而不是因果关系。

然而，对相关性的研究也很糟糕。因为斯坦福团队的研究不仅使用人工智能来判断性取向，还可以判断人们的智商、政治倾向甚至犯罪倾向。

当然，我们人类有这样一个直觉或经验的判断系统。我们也会根据一个人的表情和举止来判断他的智力和暴力倾向。这似乎是从儿童A开始的自然能力，经过考验的老警察可以从庞大的人群中找到可疑的人。这种能力真的很神秘，但是我们经常会犯错。有一个例子，马云在网上多次被投资者错过，这是一个很好的反例。很难通过外表来判断一个人的才能。

人工智能算法通过学习特定人的相关面部数据，可以快速准确地判断特征。然而，涉及到各种问题。

首先，如果使用有偏差的数据，就有可能训练有偏差的算法模型。例如，与A发生性关系的人可能更在意他们的外表，化妆或美化照片。例如，犯罪率较高的人的数据由有偏见的司法机构提供。

其次，这些特征在人群中有一些均衡的分布比例。人工智能给出的识别概率并不比这些自然概率高多少。只要存在一定比例的误差，人工智能的预测结果就会造成一些严重的后果和风险。

因为我们有这样的预测冲动，现在借助人工智能算法，几乎更难抑制研究人员和商业公司将这些算法应用于生产和生活的冲动。

例如，人工智能采访。如果你能让人工智能只用一张照片来评价你的专业能力和工作表现，你可能会觉得很不公平。虽然这有效地提高了一些大公司简历的筛选效率，但也可能造成许多“意外伤害”。拍照时，也许你的嘴巴不够大，眼睛不够坚定，这导致了低分。

另一个例子是人工智能人格测试。澳大利亚墨尔本大学的一个团队设计了一个人工智能生物特征模型，该模型可以通过将面部特征与考官的个性特征联系起来来分析十几个考官的个性特征，从而进行深度学习。

尽管这些研究和应用极具吸引力，但在实际应用中应该谨慎。尽管偏见和歧视无处不在，但如果人工智能技术为这些偏见和歧视提供了强有力的相关证据，那么对普通人来说显然不是一件幸运的事。

通过以上对人工智能识别技术的概述，我们惊讶地发现，人工智能揭示了人体的许多秘密。从最基本的身体数据的识别和检测，到复杂疾病的识别和原因判断，到人类深层行为的识别和预测，人工智能正在一步一步地深入其中，试图将人类行为完全恢复到可预测和可计算的既定程序。

从理论上讲，这是可能的。我们必须克服人工智能算法的黑箱属性，找出高识别率背后的复杂原因。最后，人工智能成为一种可解释和可追踪的技术。在情感上，我们仍然希望我们是自由的，人类的一些行为不能完全由外部客观因素决定。

在人工智能的应用中，我们应该始终保持一种警惕，即人工智能算法在识别和预测具有复杂原因的行为时，只具有相关性，而不具有因果性。具体到一些实际的人工智能应用场景，结果仍然只是参考价值，不能作为人们判断的最终依据。就像人工智能不能因为一个人认为他有很高的犯罪倾向而提前逮捕他一样，一个智商不够的人将被剥夺受教育的权利。

我们也想给空留下空间，让人工智能技术不断发展和升级。毕竟，掌管最终审判的权力仍然掌握在人类手中。也许在不久的将来，这些奇怪的人工智能应用将会在我们身边泛滥，成为我们规划和指导未来生活的重要参考。