文章專區

Take Home Message
•傳統AI人臉辨識模型的建立需要大量訓練資料，且難以應對必須辨識新人的情況，此時就需要一個能「捕捉特徵」的AI模型。
•透過對比學習的方式，就能訓練出熟悉捕捉個人特徵的AI模型，使模型可以抓出同一人的相似特徵，並區分不同人的差異。
•我們可以使用Colab平臺打造AI人臉辨識模型，在訓練時僅需一張照片，就能讓程式抓出不同人的特徵並儲存、訓練模型。

 
在人工智慧（artificial intelligence, AI）應用愈來愈廣泛的21世紀，許多設備、公司都會應用到「人臉辨識」的系統。不過AI人臉辨識背後的原理是什麼？如何運用深度學習（deep learning）的方法進行人臉辨識呢？
 

人臉辨識的AI模型該怎麼設計？

在講述AI模型的設計原理之前，我們先說一個故事。
 
兔子老闆在臺灣經營了一間牧草買賣公司，有一天他看到隔壁公司的員工都是「刷臉」就可以開鎖，他進公司後覺得很羨慕，於是決定幫自家公司也做個人臉辨識系統。還好兔子老闆的公司只有四位員工，所以我們可以給每位一個編號。

 
怎麼設計這個人臉辨識系統的AI模型呢？在建立AI模型前，首先要知道我們是將什麼資料「輸入」模型，並預期會「輸出」什麼結果。而在這個故事中，我們輸入是一張照片，輸出的則是代表四個人的四個分數，得分最高的表示AI辨識出照片是那個人。
 
不過這種設計方式有兩個問題。第一，深度學習基本上是「讓電腦自己看著辦」，也就是我們並不會手把手教電腦每個人有什麼特徵，只是給他看某人的照片，告訴他正確答案是第幾號。於是電腦大約需要1000張照片才學得會一個人的長相――要向每位同仁要1000張照片好像不太合情理？
 
就算兔子老闆很有威嚴，大家真的各自交出1000張照片，模型也順利訓練完成，大家終於鬆了一口氣。但是公司的人不是永遠固定不變的，如果有一天來了一位新報到的員工，我們總不能告訴他：「本公司規定，新人要交自己的1000張照片！」而且這時候我們只能分辨四個人的模型己經不敷使用，要砍掉重練！

如果有個很會「抓特徵」的模型？

假如有一個AI 模型，它很擅長捕捉出照片中不同人物的長相特徵，當輸入一個人的照片後，它便能輸出AI 模型對這個人的「理解」。而這個理解只是一個向量、抽象的理解，我們沒辦法知道具體的意義，只知道是AI 給這個人的特徵。

接著將公司每一位同仁的照片都送進這個「擅長捕捉特徵」的 AI 模型中，如此一來每個人的特徵代表向量就出現了。再將這幾個向量放到資料庫中，以後有人進來，只要把監視器拍到的影像送入此模型，就可以比對拍到的影像和誰的代表向量最接近，藉此辨識出是哪個人進公司了。

有新進員工加入也不是問題，只要把他的照片送入這個模型並找到代表他的特徵代表向量，最後再存入公司的資料庫就可以。

如何訓練模型捕捉特徵？

這種「擅長捕捉特徵」的模型要怎麼訓練呢？畢竟我們很難訓練資料， 如果隨便找一個人的照片輸入AI 模型中，它究竟要怎麼知道什麼是這個人最合適的特徵代表向量？

很有意思的是，雖然我們沒辦法教電腦什麼是「正確答案」，卻可以讓電腦知道，他生出的特徵代表向量「好」或「不好」。要怎麼做呢？ Google的AI 科學家想到，在訓練時可以每次準備三張照片，其中兩張是同一個人，另一張則是不同人的照片。將三張照片送進「找特徵」的AI 模型後，會出現三個特徵代表向量。那麼，同一個人的特徵代表向量當然應該要接近，不同人的差距要愈大愈好。也就是說，告訴電腦我們的目標，電腦就會慢慢調整成我們想要的樣子。

經過一次次學習後，電腦就會變成一個很會抓個人特徵的AI 模型。由於我們用來訓練AI 模型的照片會有「正向」（同一個人）的數據，還有「負向」（不同人）的數據。理論上正向樣本要愈接近目標愈好、負向愈遠愈好。後續在訓練模型時也發現，正向樣本較少（畢竟就是一個人）、負向的樣本較多（其他人的照片都是負向）的狀況下模型的訓練效果較佳。因此，每次在訓練AI 模型時應該多輸入一些不同人的照片。後來更導出對比學習 （contrastive learning）的概念，也就是對任一張目標照片， 一次取一張正向的樣本，但負向樣本會取數張， 成為 AI 運用中一個很重要的想法。

一起來實作， 辨識IVE 成員吧！
今（2024）年3 月，韓國六人女團IVE來臺灣開演唱會，但如果你不是IVE 的粉絲，可能會分不太清楚六位成員。這時候我們就可以試試看用前面提到的概念， 打造一個能夠辨識IVE 成員的AI模型！

我們可以使用Google 的Colab 雲端運算平臺來打造這個AI 模型。就算沒有什麼程式經驗也不需要太過擔心，程式中會提醒你。讀者可以點擊此連結 Colab 雲端運算平臺，並且按下「Open In Colab」的按鈕。

在操作時需要使用Google 帳號登入Colab，然後在「檔案」選單選擇「在雲端硬碟中儲存副本」，這麼一來程式就會存在你自己的Google 雲端硬碟中，這就會完全變成你的程式了。

首先，我們需要知道怎麼執行每一行程式：可按下程式儲存格前面的 「play」按鈕， 也可以直接用shift-enter 快捷鍵。整個程式只有兩個重要需要自己動手輸入的地方，第一個是你希望辨識的成員姓名，英文（作為資料夾名稱用）和中文的部分。也就是說，不一定要辨識IVE 成員，你想做出辨識任何人的AI模型都可以！

第二個需要動手操作的就是重點了。程式會幫忙開好每位成員的資料夾，此時要幫每位成員都找「一張」照片、放入資料夾中，之後程式在執行時就會先找到每一位成員的特徵代表向量， 並且儲存。

執行到最後，程式會給你一個網址，讓你可以在任何瀏覽器上執行這個AI 人臉辨識模型。也就是你可以將連結分享給親朋好友，讓他們看看你親手打造出來的IVE AI 辨識模型。
    

實作的討論

還記得每位成員我們只給一張範例嗎？你會發現AI 其實有點厲害，居然只需要少少的資料就能正確辨識。但如果你是IVE 的粉絲，還是會發現AI的辨識能力遠遠不及你。

其實這也是在實作上常會碰到的問題，模型的確能做到某種程度的辨識，但我們希望它能做得更好。於是針對不同成員，我們可以給AI 模型更多的照片，尤其是那些AI 辨識錯的照片。這種做法的確能改善AI 辨識的精準度，但卻不是最好的做法。原因在於AI 不像人類，真的認得一個人時會說：「哦這是兪真（IVE成員之一）！」AI 沒有辦法融會貫通，它只是覺得這張照片比較接近「兪真的某一張照片」，但辨識結果的第二名可能就給了其他人的照片。

另一個比較好的作法是我們可以找到分別的特徵代表向量，再用其他機器學習的方式去分類這些特徵代表向量。你也可以想成這是AI 「消化吸收」的過程。經過大量訓練後，AI 就會變得更有能力、也可以更肯定的判斷出這是誰了。