如何進行人類識別

■湖北省水果湖高級中學高二（2）班王若溪

隨著人工智能（AI）和仿生生物材料科技的進步，人造生物體與自然界生物體的差距正一步步縮小。利用仿生生物材料制作的AI機器人達到與真人外表無異的水平，比如中國科技大學研制的機器人美女“佳佳”、日本一家公司研制的餐廳服務仿生機器人等。它們眼神銳利，動作靈便，與真人無異，而且顏值極高。

一、識別智能仿生機器人的設想

由于智能仿生機器人在外觀上與真人無異，不能靠肉眼簡單地從外觀上進行區分。人類有必要掌握一種技術，將智能仿生機器人與自然人快速區分，從而在重要場合首先開展“人類識別”，而不僅僅是現有的“人臉識別”，第一時間排除其是否為智能機器人。然而，目前這方面的研究在國內外都是空白。

不管仿生生命體如何逼真，我認為，機器人與人類在以下四個方面存在顯著的非接觸式測量差異。

1.人有相對穩定的體溫，而機器人的溫度源于電子元器件工作時的散熱，未必符合這種規律。

2.不管機器人外觀的仿生材料看起來如何逼真，其材質終究是人工合成材料而非真實的肉體。

3.由電子元器件構成的機器人工作時的電磁輻射效應有別于自然界的生物體。

4.智能仿生機器人盡管形象逼真，但面部表情在短時間內無法達到人類那么豐富、細膩的程度。

基于上述四個基本認識，我設想了一種基于體溫、材質、電磁輻射、面部微表情的多維度非接觸式機器人判別方法。其中，體溫通過紅外測溫儀進行檢測，材質通過多光譜分析儀分析，電磁輻射通過電磁輻射測量儀測量，面部微表情通過可見光攝像頭捕捉。

將獲得的四種數據進行深度學習特征提取和融合，融合后的多維特征圖譜可作為區分人與機器人的依據。

二、識別方法

1.收集大量人類個體樣本，采集上述四種數據，采集時盡可能覆蓋不同的環境條件，如溫度、濕度、光照、面部表情等。

2.對數據進行深度學習特征提取和融合，獲得刻畫人類屬性的內在特征模式，形成真人的多維特征圖譜庫。

3.選擇若干款仿生機器人，建立機器人特征圖譜數據庫。

4.對于某個給定的待判別的“人”（可能是真人也可能是機器人），提取上面四種數據下的特征圖譜。

5.對照真人特征圖譜庫和機器人特征圖譜庫，根據分類結果判別其是否為機器人。

目前，存在大量可供參考借鑒的現有研究。例如，分析醫用紅外測溫儀測量誤差及補償措施，與水銀體溫計比較，非接觸式紅外測溫誤差范圍在-0.13℃至0.11℃。

基于多光譜成像的人臉活體檢測的研究成果更豐富，比如硅膠、塑料、橡膠等面具以及照片、3D模型這些不同類型偽裝道具的光譜特性差異很大。

微表情是人類在試圖隱藏某種情感時無意識做出的短暫的面部表情，包括厭惡、憤怒、恐懼、悲傷、快樂、驚訝和輕蔑等7種通用感情。最近，人工智能技術已經在微表情識別中取得了一定的進展。

這些現有研究成果一方面可為本設想的實現提供借鑒，另一方面也從側面證實了設想的可行性。

智能仿真機器人識別框架