机器做的识别，跟普通的人作一个识别的基础比较的话，机器的识别能力已经超过人类了，这是一个很重要的界线。很多最基础的功能上机器超过人类，机器就可以替代人从事这部分工作，有太多场合可以替代，比如机器几乎不会存在速度和体力的问题，一秒钟看1个人，还是5秒钟看10亿人机器都可以，很多场合都可以被替代，这是很重要的分界线。

刚识别这四组人像的问题，有的人可能会问，atv，在座的100多位都不认识这几个人，有可能识别不了，大家对陌生人的识别能力下降，可是对熟悉的、我的朋友的辨识，机器不太可能超越我。

我们做了一个实验。我们有一个公安的客户，他在一千万数据库当中，把他女朋友的照片放进去搜索，然后拿出相似的前十名出来，打乱了出来，问他哪个是他女朋友，他辨别不出来的，有可能一个是证件照一个是生活照的原因，有可能因为年龄的原因，也可能有化妆的原因。

所以你非常熟悉的人，比如你女朋友，你不见得比机器更认识你的女朋友，因为光照角度、化妆，人是很容易受主观性的影响。

今天机器做到一个程度，对非常熟悉的人的辨识，机器也可以很稳定的超越人类。再拓展一点，识别人，跟今天在座的观众差不多的体验。到更专业的领域，医学上，一个专家他可能训练了3年或者5年，机器还是可能超越人类。

我们还做了一个统计，我们尝试想回答一个问题，在中国大约13亿人中有多少人和你长得一样?长得一样的标准，就是你妈辨别不清楚谁是谁，这个问题纯粹是对世界的好奇。

结论是每一亿个人中有一个人和你一样，全中国平均有12个人跟你长得一样，你找得到12个“替身”，而且是你妈辨别不出来。这是很重要的一个科学统计的结果，这是在其他任何地方都不知道的结论。

这是什么意思呢?我们做人工智能，除了产业化的意义意外，今天的人工智能，把机器的边界不断往前推进的时候，它能够帮助人类看到我们的智慧、天生的能力边界在哪里。从前这个课题没法被讨论没法被回答，以前没有这么大规模的科学手段，这非常有意义。

虽然人脸识别非常普罗大众，大家讨论智能，容易讲AlphaGo，讲棋手。那我对智能有一个很重要的理解，人工智能应该是先解决一件什么事情，其中应该是人天生就会具备的能力，他应该是3岁、5岁小孩就应该有的能力，这是人成为人的一个最重要的基础，它的很多智能是由这些衍生出来的，不是人的掌握的那些知识，知识如果就能被替代的话，他说的我这种智能就是体现差异的，不是棋手才有的智能，也不是英国人美国人特有的智能，也不是上大学的人有的智能，只要你是人就会有这个智能。谈论这个事情，是回答人最本质的东西。

再往下，我们谈一谈社会上的意义，在某个案子里，我们基本上应该是布了全球最大的人脸搜索引擎，公安可以通过这个搜索引擎追逃逃犯。

这里还有个案子，是十几年前的杀人犯，逃到庙里做主持，通过一个系统交叉比对，就是把通缉犯来和现有的十几亿人或者一个省的一个亿人，做大规模的几万亿次的或者几十万亿次的交叉比对，大部分逃犯可能都是改了证件做了漂白的，这个可以说是大海捞针的方式。

也会有在派出所发生这样的情况，老人带着小孩走丢了，他说不清楚自己是谁，记不起身份证号码，以前这个很难办，公安也不知道该去收容所还是社保，很难处理这件事情。现在在派出所拍一下就知道这个人是谁，也比较简单。

这个是讲这个摄像头用到了哪些位置，像是在公共的摄像头，办案过程已经锁定了嫌疑人，公共摄像头抓拍到了嫌疑人，比较远而且是运动的、模糊的、低清像素的情况下，基本都能识别出来。

这是在网吧，以前的小案件很难报案，几百块或者几千块钱，比如手机被人偷，既没法查也比较难抓，现在是这种角落里的摄像头，即便有角度的差异，也基本上都可以查得出来。

还有比较典型的应用是在ATM机上，以前也比较难做，ATM机上鱼眼摄像头拍到人像，现在可以用这些人像抓捕疑犯。

中国的人工智能局面，先进的技术结合垂直的场景，研究也具有世界范围内领先意义。