正如依圖科技羅憶所言“正是由于算法性能的不斷深入，針對安防行業(yè)帶來的變化以及應用場景都在呈現(xiàn)幾何級數的增長。以前由于算法精度達不到，某些場景下應用是無法實現(xiàn)的，隨著算法技術越深入，能應用場景就會越多。”也正是由于算法的精進，生物特征識別技術的識別能力不斷提升，其應用的領域也將不斷拓展。

　　目前來看，人工智能中深度學習的運行，不外乎分為兩個部分。一個是通過大量的數據樣本來訓練神經網絡，第二個是訓練好后在系統(tǒng)中進行推理。在推理的過程中，不斷積累一些數據，反過來再不斷修改神經網絡，進一步把結果提升。

　　生物識別技術為人工智能提供大數據來源

　　生物識別通過高科技手段利用人體固有的生理特性，如指紋、人臉、虹膜等以及行為特征包括筆跡、聲音、步態(tài)等進行身份鑒定，身份識別的前提是信息收集。百度深度研究院專家指出，沒有數據采集，數據整理、研究和分析，人工智能無從談起。

　　因此可以說生物識別作為生物特征收集和感知的重要載體，通過生物識別采集數據是人工智能應用的重要一環(huán)。隨著數據庫的不斷積累、算法進一步優(yōu)化，人工智能將拓展到更多應用領域，并帶動多個產業(yè)發(fā)展。

　　另外，一直以來，行業(yè)內都存在質疑算法能力的說法，都認為算法最終會遇到天花板，未來發(fā)展會有瓶頸期。但事實證明，這種說法是站不住腳的。以AlphaGo與Alphazero的比較來看，算法的前景是無法估量。隨著數據庫的積累、算法將不斷優(yōu)化。

　　人工智能算法演進拓展生物特征識別的應用領域

　　正如依圖科技羅憶所言“正是由于算法性能的不斷深入，針對安防行業(yè)帶來的變化以及應用場景都在呈現(xiàn)幾何級數的增長。以前由于算法精度達不到，某些場景下應用是無法實現(xiàn)的，隨著算法技術越深入，能應用場景就會越多。”也正是由于算法的精進，生物特征識別技術的識別能力不斷提升，其應用的領域也將不斷拓展。

　　以人臉識別為例，早期的人臉識別探索主要依靠一些手工標定的幾何特征（比如眼鏡、嘴巴等器官的位置、距離）進行分類，實用的成果較少。目前，隨著算法性能的不斷深入，國內外大部分的人臉識別團隊算法識別準確率（在LFW數據集上）超過99%，其中既有百度、Google、騰訊這樣的互聯(lián)網巨頭，也有安防監(jiān)控領域硬件制造商?？低?/u>、大華股份、天地偉業(yè)等，也有人工智能初創(chuàng)企業(yè)依圖科技、云天勵飛以及云從科技等，這些團隊的結果都得益于深度學習算法。毫無疑問，深度學習成為目前人臉識別領域最主流的研究方向。