隨著影象識別和人工智慧技術的進步，AI人臉識別已經廣泛地應用於我們的生活中了，平時去超市或者在自動販賣機買東西的時候可以用人臉解鎖支付，外出住賓館可以用人臉+身份證驗證入住，坐飛機也可以透過採集人臉影象對比是不是本人。人臉識別我們都很熟悉了，但是魚臉識別還是第一次聽說。

日本最近搞了個魚臉識別專案，主要是將大規模的魚群透過識別分揀出不同的種類，以達到解放勞動力、提升效率的目的。參考人臉識別的過程，主要分為目標檢測和影象識別兩個步驟，目標檢測就是從成分複雜的影象中框選出可能目標的輪廓，影象識別就是從資料庫中匹配出一個和選出的輪廓最相符的目標。

魚臉和人臉一樣都能夠在影象上分辨細節，別看在我們眼裡魚類長得都是一個樣，就好像我們看外國人會有點臉盲，但是影象能夠精準地區分其中的不同。理論存在，再來看看實際是不是可行。日本青森縣做了一項實驗，首先將捕撈上來的大批活魚放置在一個簡單的分揀儀器中確保魚能夠單獨出現不要重疊，然後將分開的魚用傳送帶輸送到帶有攝像頭的AI識別系統裡，35分鐘就分揀出了重達1噸的鮭魚、鱈魚、青花魚和鯡魚。

實驗還挺成功的，但是熟悉影象識別和人工智慧領域的人都知道，評價一個模型好壞的量化指標主要還是看準確率，100%的準確率是不可能達到的。科研團隊曾經用大小、形狀、顏色各異的魚類樣本進行機器學習，但是活魚總是動來動去的，既不利於影象的捕捉，也很容易干擾資料庫的對比。目前檢測的準確率能夠達到90%左右，科研團隊一定在裝置維穩和影象預處理下了很大功夫。

搞一個魚臉識別專案雖然有點出人意料，但第一個做這件事的國家是日本，又讓人覺得是情理之中。日本作為一個海島國家，豐富的海洋資源讓日本國民將魚類作為主要的食物來源，每年差不多要消耗掉75億噸魚類，儘管人口不多，這個消耗量在世界都能達到名列前茅。捕魚也許還能自動化一點，但是分揀魚類就很麻煩，依靠重量分揀不靠譜，形狀好像也都差不多，還真的只有花紋和顏色才能把不同品種的魚類區分開。

如果魚臉識別能夠落地，對於日本老齡化嚴重、勞動力不足的問題能夠起到不小的緩解作用。原本需要大量人工處理的魚類分揀工作，現在只需要安排少量人手看管操作機器、修正機器分揀的錯誤就可以了，能夠解放很多生產力，提升了魚類分揀的工作效率。我國在教育和老齡化方面有很多經驗可以從日本發展中的一些階段取取經，雖然我們不缺勞動力，但是退休高齡的人員不能從事太過消耗體力或者需要高新技術的工作，看顧操作機器或將成為一個選擇。