这是SissibleVision首席执行官George Brostoff的来宾帖子。
可以肯定地说，AI在2017年经历了巨大的增长。尽管有些谈话似乎与营销炒作接壤，而这已经领先于实际功能，但毫无疑问，AI和机器学习能力在广泛的用例中正在扩大。从Google Home一直到坐在一个名为IBM Watson的冷藏房间的Power 7服务器 - AI在这里。
作为一个在生物识别驱动的身份验证领域工作20多年的企业家和安全怪胎，我对AI的潜力极大地转换和改善移动设备上的安全身份验证感到非常兴奋。越来越强大的人工智能和机器学习解决方案一直在越来越小的形态进入，并最终将其部署在智能手机和平板电脑中。
当然，有许多不同的玩家探索这个空间。苹果的新iPhone X具有神经发动机，作为其A11仿生芯片的一部分。中国手机制造商华为在其KIRI 970芯片上有一个神经加工单元（NPU），并将其即将到来的伴侣10描述为“真正的AI手机”。 Google的Pixel 2手机拥有AI驱动的成像芯片。有传言说，三星的下一个Exynos Soc也将具有专用的AI芯片。英特尔，NVIDIA和其他人都在开发自己的人工智能处理产品。比赛肯定正在进行中，每天都在加速。
尽管这些新的AI芯片最初获得了吸引力，从而提供了改进的语音和图像识别以及促进语言翻译，但我认为，它们的真正变革价值是它们能够启用快速，安全，用户友好和虚拟的证明安全性。将当前一代的3D摄像机连接到AI芯片，将在移动设备上提供下一代的安全身份验证。
除此之外，我们确实需要退后一步，并在更大的背景下查看AI转换。尽管当今的开发非常出色，但它们是基于一个简单的事实，即创建专注于特定类型任务的自定义处理器更有意义。设计单个专用组件是一种更聪明的方法，该组件可以非常有效地处理一组特定的任务，这就是我们在具有AI和机器学习功能的芯片的情况下看到的。
Mobile AI允许智能手机比较和映射距离，以检测不是授权用户确切大小的面具或打印输出。这些芯片允许设备识别IR反射率的差异，以检测生命皮肤与乳胶，塑料或其他材料，并捕获和比较独特的3D面部轮廓。此外，通过跟踪一个人的各种面部特征之间的尺寸和差异，可以创建确认的授权用户模板，从而降低误报或虚假拒绝的风险，当用户尝试访问其设备时。
更广泛的业务影响是巨大的。想象一下对移动银行和其他金融交易以及零售和医疗保健的影响。如果消费者认为AI正在与他们一起工作，几乎可以提供对应用程序和数据的欺骗访问，则它将推动用户的信心增加，这将转化为更有意义的交互，这又导致了可归因的收入。
尽管我们仍处于早期阶段，但我对移动AI的潜力迎来了一个安全且用户友好的移动身份验证的新时代，以及对将会带来更广泛的业务福利的影响。
免责声明：Biometricupdate.com博客已提交内容。此博客中表达的观点是作者的观点，不一定反映了Biometricupdate.com的观点。
