?編者按：為展現(xiàn)智能科技動態(tài)，科普中國前沿科技項目推出“人工智能”系列文章，一窺人工智能前沿進展，回應種種關(guān)切與好奇。讓我們共同探究，迎接智能時代。

?

相信大家在好萊塢大片中都看到過這樣的場景，主角利用倒模技術(shù)復制他人指紋，甚至可以打開銀行保險柜，你是不是已經(jīng)開始為自己的“錢袋子”擔憂了？日常生活中指紋識別的場景處處可見，但是安全性卻有待商榷。

不過，來自英國愛丁堡大學和利茲大學的研究人員日前在英國《Scientific Reports》雜志上發(fā)表的研究結(jié)果表明，舌頭表面微小的乳突隱藏著個體之間獨特的生物學信息，這或許可以解決我們的這一煩惱！

“看舌識人”的基石：乳突的微觀世界

3D掃描技術(shù)進行特征提取的過程

（圖片來源：參考文獻1）

舌頭表面布滿了各種乳突，它們是味覺和觸覺感受器的載體。其中，菌狀乳突和絲狀乳突是最常見的兩種類型。菌狀乳突較大，分布稀疏，頂部呈半球形，是味蕾的所在之處，負責感知味道。而絲狀乳突則較小，數(shù)量眾多，形狀復雜，主要負責感知食物的質(zhì)地和口腔內(nèi)的摩擦。盡管乳突的形態(tài)和功能已經(jīng)被廣泛研究，但科學家們對乳突在不同個體之間的獨特性仍然知之甚少。

近年來，隨著人工智能的發(fā)展，我們有機會更深入地探索這些微觀結(jié)構(gòu)。該研究通過3D掃描技術(shù)和機器學習獲得舌頭的3D點云數(shù)據(jù)構(gòu)建了舌頭乳突的數(shù)字圖像，在進行了幾何特征和拓撲特征分析后發(fā)現(xiàn)，人的舌頭上的乳突形狀具有獨特性，乳突的形狀在不同個體之間顯示出顯著的差異性。

事實上，這些差異如此之大，以至于僅憑單個乳突的特征，研究者就能夠以48%的準確率識別出參與者的身份。這表明舌頭乳突可以作為一種獨特的生物標識符。

每個人的乳突都是有差異的

（圖片來源：參考文獻3）

我們?nèi)粘Ｉ钪斜容^常見的身份識別方式主要有指紋識別、虹膜識別等，本研究所揭示的舌頭的獨特性為現(xiàn)代身份識別又增加了新途徑，而且舌頭作為識別方式有其天然的優(yōu)勢。

首先舌頭具有獨特性和唯一性，單一乳突就有一定的獨特性，那么舌頭上密密麻麻的乳突自然能夠更好地保障識別的準確性了。

其次，舌頭具有隱蔽性舌頭位于口腔內(nèi)部，相對較為隱蔽，不易被他人直接觀察或復制，降低了身份特征被惡意獲取和偽造的風險。

此外，舌頭的生理特征在人的一生中相對穩(wěn)定，不會因年齡增長、體重變化或常見的外部因素而發(fā)生顯著改變，保證了長期可靠的識別效果。而且由于舌頭的復雜結(jié)構(gòu)和內(nèi)部特征，要偽造或模仿他人的舌頭特征極其困難，增強了身份驗證的安全性。

人工智能：解讀舌頭乳突的幾何和拓撲特征

研究過程中的乳突識別和拓撲特征提取

（圖片來源：參考文獻1）

盡管每個人的舌頭乳突的幾何和拓撲特征各不相同，但是靠我們的肉眼可是很難做到“看舌識人”的，究其原因在于，人類很難理解和記憶如此復雜的幾何和拓撲特征。而這些復雜的特征，恰恰是人工智能所擅長的領(lǐng)域。

人工智能的能力包括對圖像特征的深度理解和精確識別。通過使用先進的機器學習技術(shù)，人工智能能夠從圖像中提取出我們?nèi)庋垭y以察覺的細微差別。

人工智能通過學習和分析大量的圖像數(shù)據(jù)，可以準確地識別并分類這些復雜的幾何和拓撲特征。特別是在醫(yī)療和生物學領(lǐng)域，人工智能的應用為我們提供了前所未有的洞察力。比如，前文提到的研究人員利用人工智能分析3D掃描圖像，發(fā)現(xiàn)舌頭乳突的幾何和拓撲特征可以作為獨特的生物標識，用于識別個體和診斷疾病。

基于人工智能的圖像識別流程通常包括以下幾個步驟：

首先，收集和準備大量高質(zhì)量的圖像數(shù)據(jù)。接下來，使用數(shù)據(jù)預處理技術(shù)對圖像進行去噪、歸一化等處理，以提高圖像質(zhì)量和一致性。然后，將預處理后的圖像輸入到人工智能模型中進行特征提取和模式識別。

在圖像識別的過程中，人工智能模型是關(guān)鍵所在。其中卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一種專門用于處理圖像數(shù)據(jù)的深度學習模型。那么卷積神經(jīng)網(wǎng)絡(luò)是如何工作的呢？

利用CNN處理圖像數(shù)據(jù)的全過程

（圖片來源：參考文獻4）

卷積神經(jīng)網(wǎng)絡(luò)通過一系列步驟來識別圖像中的內(nèi)容。讓我們來一步一步看一下這些步驟：

分塊看圖：首先，卷積神經(jīng)網(wǎng)絡(luò)會把整幅圖像分成小塊，就像你用一個小窗戶在圖像上滑動一樣。每次只看一小塊，然后繼續(xù)移動這個小窗戶，直到看完整幅圖像。

尋找特征：在每個小塊中，卷積神經(jīng)網(wǎng)絡(luò)會尋找特定的特征，比如邊緣、顏色變化和紋理。這就像是你在看一張照片時，會注意到不同物體的邊緣、顏色和質(zhì)感。

逐層分析：卷積神經(jīng)網(wǎng)絡(luò)有很多層，每一層都會從前一層提取的特征中找到更復雜的模式。最開始的幾層可能會識別簡單的邊緣和顏色變化，接下來的幾層會識別出更復雜的形狀和物體。

整合信息：通過逐層分析，卷積神經(jīng)網(wǎng)絡(luò)會把所有特征整合起來，形成對整個圖像的理解。這就像是拼圖一樣，把每一個小塊拼在一起，最終形成完整的圖像。

分類結(jié)果：最后，卷積神經(jīng)網(wǎng)絡(luò)會根據(jù)提取到的特征，判斷圖像中是什么。例如，它會告訴你這是一只狗、一輛汽車，還是一片風景。

另一種先進的模型結(jié)構(gòu)是Vision Transformer。與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)不同，Vision Transformer引入自注意力機制來更好地捕捉圖像中的全局特征。它可以更好地處理圖像中的全局間依賴關(guān)系，適用于處理具有復雜背景和多種對象的圖像。

ViT處理圖像的過程

（圖片來源：參考文獻2）

總的來說，人工智能通過其強大的計算能力和復雜的模型結(jié)構(gòu)，使我們能夠深入理解和分析如舌頭乳突這種復雜的幾何和拓撲特征。

訓練好的機器學習模型甚至可以預測乳突類型

（圖片來源：參考文獻3）

應用前景：從日常生活到高端科技

這項研究為身份識別提供了一些新思路，相信未來不管是日常生活還是一些高端科技領(lǐng)域舌頭識別都可以與現(xiàn)有的指紋識別、面部識別等技術(shù)相結(jié)合，形成多模態(tài)的生物識別系統(tǒng)，進一步提高身份識別的準確性和可靠性。

未來舌頭識別技術(shù)具有以下潛在應用場景：

一是智能家居領(lǐng)域，如個性化的家居設(shè)備控制和訪問權(quán)限設(shè)置可以根據(jù)家庭成員的舌頭特征實現(xiàn)智能化的家居管理。

二是金融服務(wù)領(lǐng)域，如利用舌頭識別技術(shù)保證高安全性的賬戶登錄和交易認證，為重要的金融操作提供額外的安全層級，以及信用卡或移動支付的身份驗證，增加支付過程的安全性。

三是安防領(lǐng)域，重要場所的門禁系統(tǒng)如政府機構(gòu)、科研實驗室、機密檔案庫等，再如邊境管控和出入境檢查，都可以利用舌頭識別技術(shù)輔助確認人員身份。

四是醫(yī)療保健，用于患者身份驗證，確保醫(yī)療記錄的準確性和安全性，防止醫(yī)療信息錯誤匹配。以及特殊醫(yī)療設(shè)備的使用授權(quán)，例如某些需要嚴格身份認證才能操作的高端醫(yī)療設(shè)備。

五是司法領(lǐng)域用于罪犯身份識別和監(jiān)管，確保對罪犯的準確追蹤和管理。

結(jié)語

看到這里，或許會有讀者認為用舌頭識別是否讓人感覺侵犯隱私，是否會讓人覺得不適呢？其實看了舌頭識別的潛在應用場景就能發(fā)現(xiàn)這一技術(shù)的應用場景本身就多是適用于比較先進的科技領(lǐng)域其實本身就是私密領(lǐng)域的場景，況且其可以與其他識別方式復合使用形成多模態(tài)的生物識別系統(tǒng)以增加高端科技等領(lǐng)域的安全性，所以大可不必擔心這一技術(shù)所帶來的心里不適，因為沒人看得見。相信隨著人工智能技術(shù)的持續(xù)發(fā)展，舌頭識別技術(shù)將有更廣泛的應用場景，能更好地為人類身份識別服務(wù)。

參考文獻：

[1]? Rayna Andreeva,?Anwesha Sarkar,?Rik Sarkar.Machine learning and topological data analysis identify unique features of human papillae in 3D scans[J].Scientific reports,2023,Vol.13(1): 21529

[2]? Hongming Xu,?Qi Xu,?Fengyu Cong,?Jeonghyun Kang,?Chu Han,?Zaiyi Liu,?Anant Madabhushi,?Cheng Lu.Vision Transformers for Computational Histopathology[J].IEEE reviews in biomedical engineering,2024,Vol.17: 63-79

[3]? Burcu Tiryaki;Kubra Torenek-Agirman;Ozkan Miloglu;Berfin Korkmaz;?brahim Yucel Ozbek;Emin Argun Oral.Artificial intelligence in tongue diagnosis: classification of tongue lesions and normal tongue images using deep convolutional neural network[J].BMC Medical Imaging,2024,Vol.24(1): 59

[4]? Xu Wang;Jingwei Liu;Chaoyong Wu;Junhong Liu;Qianqian Li;Yufeng Chen;Xinrong Wang;Xinli Chen;Xiaohan Pang;Binglong Chang;Jiaying Lin;Shifeng Zhao;Zhihong Li;Qingqiong Deng;Yi Lu;Dongbin Zhao;Jianxin Chen.Artificial intelligence in tongue diagnosis: Using deep convolutional neural network for recognizing unhealthy tongue with tooth-mark[J].Computational and Structural Biotechnology Journal,2020,Vol.18: 973-980