生物特征识别运用在哪里，支付宝为啥输入密码的时候需要脸部验证？
因为处于账户安全考虑。默认开启了刷脸登录功能。
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。
人脸与人体的其它生物特征（指纹、虹膜等）一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提，与其它类型的生物识别比较人脸识别具有如下特点：
非强制性：用户不需要专门配合人脸采集设备，几乎可以在无意识的状态下就可获取人脸图像，这样的取样方式没有“强制性”；
非接触性：用户不需要和设备直接接触就能获取人脸图像；
并发性：在实际应用场景下可以进行多个人脸的分拣、判断及识别；
除此之外，还符合视觉特性：“以貌识人”的特性，以及操作简单、结果直观、隐蔽性好等特点。
大数据具体是做什么？
“Big Data is like teenage sex:Everyone talks about it，nobody really knows how to do it，everyone thinks everyone else is doing it，so everyone claims they are doing it too.”
2013年被称为大数据元年，各行各业都逐渐开启大数据应用时代。直至现在，大数据依然为人所津津乐道。
何为大数据？
1PB够大吗？
如果你没有直观印象，可以联想一下你的电脑硬盘容量，标配是500G-1TB，大部分人用了一两年，可能这部分容量都没用完。而1PB=1024TB=1048576GB。
在实际中，一个小有名气的游戏一天的数据量就在数十TB左右，甚至更多。
如果你以为PB单位已经是最大了？那就大错特错了！！！！
在PB之上，还有EB（Exabyte 百亿亿字节 艾字节），ZB（Zettabyte 十万亿亿字节 泽字节），YB（Yottabyte 一亿亿亿字节 尧字节），而这些单位也只是为了方便统计海量数据所给出的当前单位，在未来还可能出现更大的单位。
因特尔公司首席执行官Brian Krzanich表示，2020年互联网用户每天将产生1.5GB的数据。
HIS数据预测，到2025年，全球互联网（IoT）连接设备的总安装量预计将达到754.4亿，这部分设备每天产生的数据量可想而知。
按照前面的数据关系，得出1ZB大概是1.1万亿GB，等同于全世界沙子数量总和。
从上图中不难看出，互联网数据每年都在爆炸式增长。当然，大数据并不只是数据量大而已，它还有其他更深的含义。
对于大数据，麦肯锡全球研究所给出的定义是：
”一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。“
大数据具有五大特点，称为5V。
1. 多样（Variety）
大数据的多样性是指数据的种类和来源是多样化的，数据可以是结构化的、半结构化的以及非结构化的，数据的呈现形式包括但不仅限于文本，图像，视频，HTML页面等等。
2. 大量（Volume）
大数据的大量性是指数据量的大小，这个就是上面笔者介绍的内容，不再赘述。
3. 高速（Velocity）
大数据的高速性是指数据增长快速，处理快速，每一天，各行各业的数据都在呈现指数性爆炸增长。在许多场景下，数据都具有时效性，如搜索引擎要在几秒中内呈现出用户所需数据。企业或系统在面对快速增长的海量数据时，必须要高速处理，快速响应。
4. 低价值密度（Value）
大数据的低价值密度性是指在海量的数据源中，真正有价值的数据少之又少，许多数据可能是错误的，是不完整的，是无法利用的。总体而言，有价值的数据占据数据总量的密度极低，提炼数据好比浪里淘沙。
5. 真实性（Veracity）
大数据的真实性是指数据的准确度和可信赖度，代表数据的质量。
数据一直都在，变革的是方式
大数据的意义不仅仅在于生产和掌握庞大的数据信息，更重要的是对有价值的数据进行专业化处理。
人类从来不缺数据，缺的是对数据进行深度价值挖掘与利用。可以说，从人类社会有了文字以来，数据就开始存在了，现在亦是如此。这其中唯一改变的是数据从产生，到记录，再到使用这整个流程的形式。
1. 数据生产
在人类社会的早期，民以食为天，数据的产生大多与商品，食物，土地等挂钩。旧石器时代的部落人民在树枝或骨头上刻下凹痕来记录日常的交易活动或物品供应。
为了衡量商品长度，中国人发明了尺、里、寸、丈、步、仞等长度单位；为了衡量重量，发明了升、斗，斛等重量单位。
在互联网时代，数据的生产变得更为容易。美国互联网数据中心曾指出，互联网上的数据每年都将增长50%，每两年便将翻一倍，而目前世界上90%以上的数据是最近几年才产生的。
每人每天都会产生海量数据，如视频数据，电商数据，社交数据等等。
全球每60秒产生的数据
2. 数据记录
千年之前，人们用龟甲石鼓、简牍绢帛到造纸术成熟后的刻本等一切触手可及的器物来作为数据的载体。
千年之后，人们用图书，报纸，硬盘，光盘，存储器等各种更为灵活，简便的方式记录数据。
3. 数据利用
古人利用利用甲骨文占卜判断凶吉，利用占星术预测朝代兴衰；利用蚂蚁搬家，燕子低飞，蚯蚓出洞来预测天气。
互联网时代，企业或产品利用电商数据为用户推荐商品，利用社交数据做广告营销等等。
在大数据概念兴起之前，大部分企业并没有注意到数据的宝贵价值，只是在纯粹的生产和记录数据。更有甚者视海量数据为累赘，因为数据的存储与管理需要耗费企业大量的成本，极少有企业能把数据作为一种资源，嗅到大数据背后的价值，从而加以利用。就算到现在，数据资源的整合利用能力依然是考验每个企业的一大难点。
大数据应用
大数据作为一个能够改变产业应用的技术，只有切实落地才能带来真正的价值。
其实大数据的应用范围非常广，不单单限于互联网行业，在其他诸如金融，制造业，交通物流方面也都有非常大的应用价值。
1. 大数据让借贷款更加放心
在金融行业中，以借贷款为例。在贷款前，贷款借出方会先利用大数据对借款人进行贷前审核，以此来保障贷后的还款率。
借出方从各个渠道合法收集借款人的标签信息，如学历，职业，薪资状况，历史借还款情况等（据说一个用户的标签维度可以达到7000个）。海量数据被放入反欺诈模型，还款能力模型，身份验证模型等数个中做训练，最终得出是否通过本次贷款申请，贷款的额度，贷款人的还款意愿等评估信息。
借款人数据收集的越多，标签维度越细，数据越真实，则审核效果越全面。
2. 大数据让广告营销更高效
广告作为互联网行业最常见的变现手段之一，大数据赋能广告营销，让广告从惹人恼转变为广告即内容，广告即服务。
曾几何时，你会发现日常生活中看到的广告居然那么懂你。点开淘宝，你最爱的商品被推荐在Banner首页；打开微信朋友圈，映入眼帘的是你正想要做的汽车保养；打开百度搜索，你前两天看的别墅信息赫然出现。
这一切的实现都得益于大数据赋能广告。
在广告投放前期，通过大数据手段大量的整合、分析数据，包括用户的浏览习惯、消费行为、浏览记录、对广告的点击数量等，并从中挖掘出有效的信息；构建全面的用户画像，结合广告业务，精准定位目标用户，保证广告定向投放。
大数据构建用户画像
在广告投放的中后期，通过实时数据反馈，结合用户所处地域，时间的变化，动态优化广告素材，调整广告的呈现方式与广告的展览位置，让同一个用户在不同的场景下享受不一样的广告服务，实现一人千面，增加广告营销效果，提升广告主KPI。
3. 大数据赋能零售
新零售时代，客户的需求无时无刻不在变化，大数据赋能零售，让零售在人，货，场上进行变革。
零售商可以借助大数据对未来市场需求进行预测，抢先一步对库存进行管理。在流量高发的前期，及时补足库存，提升商品供应率；在流量散去的前期，及时去库存，避免库存积压。
借助大数据分析用户地域分布情况，商店流量，消费者习惯等那个，在合适的地区开设商店，建造仓库。在物流发货时，从数据出发，合理规划运输路劲，降低运输成本。
利用数据还可以统一上下游供应链交互，解决数据不对成问题，减小牛鞭效应，提升供应链中每个环节的利用效率。
总结
数据一直都在，大数据变革的只是方式。大数据并不神秘，神秘的是对未知数据的探索与利用。
深度学习的应用领域和就业方向是什么？
AI技术强势落地的行业有哪些
强大的技术需要结合行业产业落地才能实现真正的价值。
那么深度学习所支撑的AI技术，具体根植于哪些行业当中？又有哪些行业通过AI技术，能够焕发新的活力？
1、汽车行业从2017年开始”无人车”的概念经常出没于大众视野之中。
所谓的“无人车“其实是汽车实现了自动驾驶。根据国际惯例，目前针对汽车自动驾驶级别划分5个等级(Level) 从L1-L3级别的汽车已经实现量产，仍然需要人类驾驶。而L4以上才是真的实现了高度自动驾驶。目前，国内外科技公司争相研发L4自动驾驶系统，这其中具体使用到如下方面的人工智能技术：
语音识别与合成：自动驾驶的车需要针对人类指令做出反应，理解并执行，这个过程中语音识别就非常重要；而在听到指令后，通过AI合成语音来回复驾驶员，就使用了语音合成技术。
NLP-自然语言处理：但是只是语音技术还不够，理解指令才能对应做出操作。而理解指令、控制车辆，包括输出回复内容，都是自然语言处理技术的工作范围。
图像识别：自动驾驶车辆需要通过图像，对于行驶路况进行判别、寻找到合适的路径，尤其是行人/障碍物的判断。这其中就需要图像识别技术来支撑，对底层算法的精准度、反应速度要求是极高的。
如果说AI各项技术是漫威中的无限宝石，那么自动驾驶系统可以说是灭霸那只无限手套——集齐各种AI技术于一身！即将带来翻天覆地的变化！
2、医疗影像
近期AI技术赋能医疗同样相当火爆。国家政策也明确扶持这个行业方向。目前国内可以实现部分癌症AI筛查系统，而国外则有诸如OsteoDetect骨折检测辅助软件系统出现。医疗保健AI技术可以有效解决当前公共医疗资源分配不均的问题，也能提供医生更精密的判断依据。这其中图像识别的AI技术至关重要。
图像识别：以骨折检测系统为例，以往是通过二维X光片定位病患的病变位置，而借助系统，可以分析二维X射线图像中骨折情况，并且标记骨折位置便于医生进行进一步的检测。这就能够有效提升诊断准确率，提升治疗效率。
3、新零售行业新零售也是最近很火的一个概念。新零售中的布货环节与支付环节都会运用AI技术。前者尤其针对生鲜这种保质期短的货品，能够精准控制进货量；后者则是采用人脸支付技术，让消费者快捷支付。
智能预测：通过深度学习技术对生鲜进货量进行预测，降低商品报损率的同时，节省店铺订货人力与时间成本，有效提升店铺利润。PaddlePaddle曾用这个技术帮助大型零售商店每年节省百万报损。
人脸支付：通过机器检测人脸并匹配账户信息，联动付款即可实现“刷脸支付”。这一支付手段进一步节省了用户的时间，提升了结账效率。
需要注意的是，整个新零售行业中，支付领域竞争极为激烈，如果想在人脸支付中胜出，如下方面必须强势：1） 技术能力：技术过硬，算法精准，以最强大脑中“小度机器人”的双胞胎照片精准分辨的水平。
2）账号体系互通能力：如果同一家零售企业内有不同的销售平台，用户账号固定的情况下，需要彼此之间信息互通，这样用户便利程度最大化，进而促进客单量上升。
3）系统防御能力：人脸识别技术需要能够防住各种打印照片、人脸视频攻击，尽可能控制风险，减少出现信息被窃财产损失的可能。
4、工业生产现代化工业生产需要依靠实现更精准的分类分拣，以便后续生产环节使用。
日本在此方面先行一步，通过把工程师的经验转化为深度学习算法，进行工程岩体的分类，准确率与人工齐平，效率大幅提升。
同样，在中国也有开发者成功使用PaddlePaddle帮助平谷桃商进行桃子分拣，极大提升分装效率，节省分拣成本。这其中运用到了深度学习图像分类模型，输入样本图片，通过训练产出模型，高效分拣的同时，降低了人工工作可能由于疲惫带来的错误率。
AI技术方向以及对应工程师分布如上所述，我们已经了解到最近比较火的AI技术方向了：1）图像识别：利用计算机对图像进行处理、分析和理解，识别不同模式的目标和对像的技术。2）人脸识别：基于人的脸部特征信息进行身份识别的一种生物识别技术。3）语音识别：让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。4）语音合成：是通过机械的、电子的方法产生人造语音。5）NLP自然语言理解：一种本体辅助的自然语言句子编程方式。
这些方向需要哪种深度学习工程师呢？集中在如下几类
1）算法工程师：需要对于数理模型理解深入，在此基础上研发。比如以NLP机器学习算法工程师为例，需要负责意图理解、槽位解析、多轮查询理解等核心算法进行研发，需要熟悉机器学习基础理论和常用算法，有2年以上相关项目经验、有深度学习经验。2）后端工程师：负责让算法模型工程化，更紧密的结合产品，发挥作用。3）前端工程师：负责 Web端功能设计、开发和实现，与一般的前端不同，深度学习的前端也需要了解AI领域，技能点要求更多。
特别要注意的是，对于算法工程师，不同的AI技术方向会做不同的算法能力要求。具体而言，语音识别、语音合成和NLP自然语言处理、图像处理等方向，都需要对各自领域进行专、精、深的学习和挖掘。
可能值得投入的深度学习行业方向了解深度学习在AI技术中的应用，又了解了AI技术以及落地的行业，对于具体要选择哪个方向，根据目前每个技术方向的发展程度，参考如下：
1）人脸识别：配合新零售，未来人脸识别也将覆盖到更多场景。与此同时，人脸识别技术虽然早在上个世纪就已经出现，但是仍然有不小的想象空间，可预见的应用场景会越来越广泛，技术也会精益求精！
2）NLP自然语言理解：当前AI技术在识别人类话语后，如何可以实现有效的人机交互，并且机器如何能够高度还原人类语言状态，还是处于不断探索和试验阶段。什么时候AI能够真的写出一本节奏紧凑感情丰富的小说呢？非常值得加入一起探索！
3）语音合成：语音合成目前已经进入参数技术时代，但是训练一个模型需要的数据量仍然很大，对于个人的个性化语音合成，录音、数据处理、运算等方面要求还是很高。未来是否能做到真的任意一手机，三句话就可以合成自己的声音，用自己的声音给自己读小说？也是个值得想象的领域呢！
为什么一定要选小白鼠作为实验动物？
小白鼠是所有科学、医学实验中最常见的实验体，我们看到的所有毒蛇的毒性（半数致死量ld50）数值全部都是皮下注射或者腹腔注射小白鼠得出来的数据。那么，你有没有想过，为什么要选小白鼠作为实验动物，而不是其他的动物呢？今天我们就来聊一下这个有意思的问题。
首先，我们简单地来了解一下小白鼠小白鼠并不是单一某种鼠的名字，而是泛指所有实验用的鼠类，其中主要包括两种：白化品系的实验小鼠和白化品系的实验大鼠。
实验小鼠是小家鼠驯化后的产物，确切地说是西欧小家鼠或者是东欧小家鼠驯化的后代。从现有的记录看，早在17世纪，英国生物学家罗伯特·胡克是第一个用小鼠作为实验动物的人，之后在相当长的时间内，世界各地的科学家们都是直接选择小鼠作为实验动物的。
直到1909年，哈佛大学的遗传学家克拉伦斯·库克·利特尔才利用近交的方式培育出了第一个实验小鼠的品系-小鼠近交系DBA/2。
实验小鼠品系的第一代是由白化的小家鼠培育出来的，具体的方式就是让一对白化的小家鼠不断地繁殖，然后再通过近亲繁殖的方式，让它们之间的基因相似度达到98.6％以上，而想要达到如此高的基因相似度，一般都需要经过20代以上的亲代和子代近亲繁殖。
虽然近亲繁殖会有种种弊端，但是小家鼠的繁殖能力强，在人为的干预下，可以将那些不健康的个体筛选掉，留下健康的后代，这样就避免了近交衰退的问题。
实验大鼠与实验小鼠的培育方法几乎是一样的，不同的是实验大鼠是由褐家鼠驯化而来的，第一代也是由白化的褐家鼠进行培育的。不过，相比较实验小鼠，实验大鼠出现的时间早了两年，它是在1907年由美国Wistar研究所培育出来的，因此这个品系又叫Wista大鼠。具体的方式与实验小鼠一样，我们就不过多的赘述了。
因此，小白鼠作为世界各大实验室内最常见的实验动物（90％以上），它们是由白化小家鼠和白化褐家鼠培育而成的，这两种鼠品系的培育方法是一样的，都是通过连续20代以上的亲代与子代（包括子代之间）近亲繁殖产生的。
小白鼠为什么成为了最常见的实验动物？在上面我们说过，小白鼠确实是最常见的实验动物，但它绝不是唯一的，只不过在实验动物中，小白鼠是相对“高级”的，其他的比如斑马鱼、果蝇、非洲爪蟾等实验动物无论是神经系统复杂程度还是身体复杂程度显然都比不上小白鼠。
那么，为何在众多的动物中小白鼠如此的“受宠”呢？我们从下面四个方面来分析一下。
第一：与人类的基因相似度高。
实验是人做的，而大多数实验的目的是为了更好地帮助人，因此，想要得到精确的结果，显然是选择一种与人基因接近度高的动物是必须的。而在所有的实验动物中，小白鼠与人类的基因相似度高达85％，而且小白鼠染色体上的碱基对也与人类染色体上的碱基对非常的接近。
由于在实验的过程中，可能会出现这样那样的问题，所以，显然不能拿人来做实验，而选择一种与人基因相似度高的动物做出的实验结果，在应用时，显然不确定性会降到最低。因此，小白鼠与人的基因相似度较高，是它们作为最常见的实验动物的主要原因之一。
第二：数量和繁殖能力。
说到与人基因相似度高，没有什么动物能够与灵长类动物中的黑猩猩相比了，因为它与人基因相似度高达98.8％。显然如果用黑猩猩做实验动物的话，误差会更小，但是这是不现实的。
首先，放眼整个地球上，黑猩猩的数量也就只有3万多只，而世界上的实验室数量就不止这个数了，因此，如果用黑猩猩作为实验动物，可能实验结果还没有出现（需要反复的长时间的实验），黑猩猩就灭绝了。
而小白鼠就不会出现这种情况，在全球的实验室中，小白鼠的数量何止几十万，而且还有专门的小白鼠繁育厂家作为后续补充，所以，从数量上看，选择小白鼠也是最合适的。
其次是繁殖力。黑猩猩的繁殖与人类比较相似，首先有一个长达8-9个月的妊娠期，还有1-2年的哺乳期，在这期间，黑猩猩是无法繁殖的，最关键的是黑猩猩到12岁才能性成熟，进行繁殖。
而小白鼠就不同了，虽然小白鼠的寿命平均只有1-3年，但是它从出生到具备繁殖能力仅需要1-2个月，而且它们的妊娠期只有平均20天左右，这样一只雌性小白鼠一年就能生4-7窝，一窝8-15只幼崽。这种繁殖能力是其他哺乳动物所无法比拟的。
因此，从数量和繁殖能力上看，小白鼠作为实验动物也是最好的选择。
第三：品系的培育
在上面我们介绍了小白鼠品系的培育，之所以会培育近交系动物，目的就是让实验结果的误差降到最低，因为即使是同一种动物，由于个体的差异也会导致一些实验结果出现偏差，而近交系小鼠的培育让参与实验的个体基因相似度高达98.6％以上，这个基因相似度是在本身就是同一种动物的前提下，因此实验小鼠个体之间误差很小，这样实验结果出现的误差就很小。
但是，实验动物品系的培育是非常难的，因为近亲交配会导致一些隐性的有害基因变为显性，从而影响后代的存活率和健康个体的数量，所以对于繁殖能力较差的动物来说是很难培育品系的，只有像老鼠这种一年多产的动物才能培育出来。
因此，品系培育相对简单也是小白鼠作为主要实验动物的原因。
第四：饲养成本
作为一种消耗量巨大的动物（世界范围内的实验室都在用），实验动物本身的饲养成本也是一个因素，因为如果对吃的食物比较挑剔、食物比较的贵（比如吃肉），这也是一个庞大的开销。而老鼠是出了名的不挑食，尽管白化成了小白鼠，它们也是不挑食的，这样只要有食物，它们就会吃，就能活，也大大减少了实验室的开支。
总结一下在世界范围内的实验动物中，小白鼠占了90％以上，它之所以如此的“受宠”主要原因有四个：与人类基因相似度高、数量和繁殖能力强、近交品系容易培育以及饲养成本低。
而且小白鼠并非一个单独的鼠种类，而是由白化的褐家鼠（实验大鼠）和白化的小家鼠（实验小鼠）通过连续20代以上的近亲繁殖形成的品系。
好了，关于小白鼠为何作为主要实验动物的原因，我们就分享到这里，如果小伙伴们还有补充的，请在评论区一起讨论~
关于【生物特征识别运用在哪里】和【支付宝为啥输入密码的时候需要脸部验证】的介绍到此就结束了，热烈欢迎大家留言讨论，我们会积极回复。感谢您的收藏与支持！
发表评论