相比较而言，人脸识别方案比数据库需要更少的数据处理，但人脸识别的神经网络需要在特征点收集方面进行更详细的训练。在分析功能之前，我们需要解释一下AI这个流行词。需要注意的是，AI前三的跑分都是在开发平台上测试的处理器。
现在人工智能的类型太多了，随着人工智能的普及，应用范围的拓展，还将进入更多的领域。现在人工智能所涉及的学科有认知科学，数学，神经生理学，信息论，控制论，不定性论，计算机科学，心理学，哲学，语言，自然科学和社会科学等等几乎所有的学科。应用领域有翻译，智能控制，专家系统，机器人学，语言，图像理解，遗传编程，自动程序设计，大信息的处理，储存，管理，执行一些生命体无法执行的任务，或者复杂的和规模庞大的任务等等。
手机上的AI技术有什么用？
自从麒麟970率先加入NPU模块后，手机处理器似乎又回到了当初核心数量大战的时代，高通和苹果纷纷在处理器中加入AI计算模块，通过针对AI计算设计模块，不断提高处理器AI算力。那我们该如何衡量这些处理器的AI算力呢？我们不妨试试这些软件。不过说AI跑分之前，我们首先要搞清楚各大厂商所谓的AI核心到底有什么用，是干什么的。
而要分析作用之前，我们需要先解释清楚AI这个流行词。华为Mate 20 Pro8GB RAM/全网通电商报价京东商城 6299天猫商城 5699ZOL商城 6300手机上的AI到底是什么东西所谓AI，其实就是指人工智能，如果将范围缩小在硬件层面，就是指模拟人类大脑结构的人工神经网络。说白了，就是模拟人的神经结构和功能的数学模型或计算模型，通过大量的人工神经元联结进行计算。
不同于传统逻辑推理，基于大量数据统计的人工神经网络具有一定的判断力，在语音识别和图像识别上特别有优势。单层神经元网络而目前手机真正能用到AI也就是神经网络的功能也就集中在图像识别这一领域，各大厂商新加入的各种拍照方面的算法优化，也正是得益于手机图像识别能力的提升。所以，现在最能体现手机AI算力的跑分软件，都使用了图片处理来衡量处理器的AI算力，AI Benchmark就是其中的代表。
AI Benchmark这款软件主要测试了手机使用神经网络识别和处理图像的能力。并通过9个独立的神经网络执行不同的图像识别任务，考察各大处理器的AI处理能力。这9个不同神经网络分别针对不同的识别任务，其一是对象识别/分类，通过输入不同的图片进行训练，AI能够对数量庞大的图片进行区分，在AIbenchmark中，它还使用了不同像素的分辨率来进行识别，以进行更精确和细小物体的检测。
对象识别测试这一点与我们现在常见的智慧识别息息相关，虽然各大厂商都已经推出了这项功能，但是在识别准确率上都有所差别，因此这一项在跑分中还是拥有一定的说服力。此外，识别也分为物体识别与面部识别，在面部识别上，AI将会将面部图像分解为不同的特征点，然后通过与库里特征点进行比对，最终输出最近似的结果。面部识别测试在我们的手机上，除了图片搜图片这种多对多的识别方案，也包括多对一的面部识别解锁方案。
相比而言，面部识别方案需要比对的库里数据处理量虽然少，但是在特征点采集上面，面部识别的神经元网络需要经过更深次的细节训练。之前的AI应用在于识别-对比环节，而这一步的AI则偏向图像处理环节。例如在缺少光学变焦的手机上，如果你放大图片的话，你会发现细节部分的噪点会十分突出，这是因为它细节部分全部都是由算法补充出来的。
通过训练，AI可以识别缺失过渡部分周围的像素，计算后自动填充，使画面更加平滑自然。利用神经网络对图像去模糊，而语义图像分割是图像识别的进一步应用。也是基于大量的图像识别，然后对整个图像识别的结果进行分类标记。此外，AIbenchmark还测试了照片增强链接。这个功能相当常见，也就是常说的拍照AI模式。它可以识别画面场景，然后按照预设的算法进行调整，比如集体增亮画面，增加蓝天白云的饱和度等。
