上周三赶早会，我戴了去年凑单买的、印着橘猫脑袋的口罩，站在公司门禁前面刷了三次脸，机器愣是给我判定成”非本人”。最后是保安大叔探个头出来，遥控给我开的门。旁边站着等电梯的实习生憋笑憋得肩膀都抖。
你以为它在看你，其实它在数色块
很多人对图像识别的印象，还停在”机器长了眼睛，能像人一样看懂画面里有什么”。真不是。
它从来不是真的”看懂”了画面里的内容。你传给系统的任何一张照片，到了它那，都会被拆成成千上万个指甲盖大的小格子，每个格子对应一个0到255的数字，代表这个位置的像素有多亮。没有形状，没有意义，全是数字。
就这么实在。
没有玄学。
你以为它能认出”这是人的眼睛””这是人的鼻子”？根本不是。它之前被喂了几百万张带标签的照片，摸出了一套固定的数字匹配规律——比如你左脸那颗痣对应的位置，比周围的像素暗多少；你下颌线的边缘斜率是多少；甚至你额头的碎发在照片里占了多少个格子。只要这些数字凑够了阈值，它就会弹出提示：对，这是那个赶早会总踩点的人。
那些离谱的识别错误，真不是程序员摸鱼
之前刷到过好多人吐槽，说图像识别简直是人工智障——把手里拿的烤肠认成门禁卡，把路边立的塑料模特认成闯红灯的行人，把天上飘的塑料袋认成违规飞行的无人机。好多人对着屏幕骂算法垃圾，其实真的冤。
所有的识别错误，本质上都是训练数据没覆盖到的情况。
就像你刚到一家常去的奶茶店，第一次见店员的时候，她留着齐刘海，穿黑围裙，你记了个大概。结果哪天她换了高马尾，穿白T恤站在柜台后面，你站在点单区愣三秒，不敢上前打招呼——这不是你眼瞎，是你之前的记忆里，没有”这个店员穿白T恤”的版本。
我当时戴口罩刷不开门禁的事，后来跟做算法的朋友吐槽，他说这太正常了。上次他们小区的图像识别系统，把单元门旁边立的”禁止高空抛物”的告示牌，认成了站着不动的可疑人员，大半夜给物业发了三条预警。保安拎着警棍跑下去转了三圈，才发现是个硬纸板牌子。
说真的，我当时站在门禁前面臊得慌，现在想想也正常。毕竟系统里存的我的人脸照片，全是露着全脸的工牌照，根本没见过我戴印着猫的口罩的样子，更别说口罩把我下半张脸挡了快三分之二，它算来算去匹配不上数字，当然不敢开门。万一真把陌生人放进去，保安大叔这个月的绩效可就没了。
你天天在用它，只是从来没察觉
好多人觉得图像识别是离自己很远的黑科技，是自动驾驶里的摄像头，是太空探测里的图片分析，根本不是。它现在就是个天天在你手机后台打零工的工具。
你翻手机相册的时候，能一秒钟从几千张照片里找出三年前在海边拍的那张带椰子树的照片，不是因为手机长了记性，是图像识别提前给每张照片标好了数字标签——椰子树、沙滩、穿白裙子的人，这些标签都存着，你一搜关键词，它就把对应的那堆数字拽出来。
你拍作业的时候，APP能自动把纸上的手写公式转成可编辑的文字；你剪短视频的时候，系统能自动给你配字幕，不用你一个字一个字敲；甚至你朋友圈发图的时候，系统自动给你把照片里的路人脸打个模糊的码——这些全是图像识别在干活。
你别笑。
我上周就碰到过离谱的打码情况。当时想给和朋友的合照加个自动打码的效果，系统把我朋友的脸给认成了正常背景，压根没打码，反而把我们手里举的两杯珍珠奶茶，给认认真真打了两个马赛克。我盯着屏幕愣了半天，才反应过来——哦，原来训练数据里，奶茶和人脸的色块分布，在某个角度下居然长得有点像。
昨天我特意找了张戴同款口罩的自拍，传到了公司门禁的系统里。
今天早上刷脸，门一秒就开了。
保安大叔抬头看了我一眼，没笑。
哦对，我口罩上翘起来的那个猫耳朵，也没挡着它。