目前，以深度學習算法為代表的人工智能技術發展，為生物識別提供了計算和分析支撐，海量的高質量生物特征數據也為訓練深度神經網絡提供了資源。相比傳統算法，深度學習是在圖像、語音領域大大提升了識別率。如在語音識別領域，傳統使用混合高斯模型，其在真實復雜環境中的效果欠佳，深度學習算法的應用使得識別錯誤率下降30%左右。生物識別的準確率得到大幅提升，這促使了生物識別技術大大拓展了應用范圍，如向移動APP、刷臉支付、新零售、新出行等領域拓展。

人工智能生物識別的未來趨勢

隨著3D成像和傳感模組開發，人臉識別、虹膜識別功能將成為智能終端的標準配置。去年，高通推出了前置iris生物識別模組及高端計算機視覺攝像頭模組。Iris生物識別模組主要用于虹膜識別，具有40ms的低延時，并能夠支持活體檢測。高端計算機視覺攝像頭模組通過紅外發光器發射出光束，IR攝像頭讀取該光斑圖案，對點狀圖在物體上發生的扭曲、以及點與點之間的距離進行計算，進而與RGB圖像進行復合，最后構成3D模型。這意味著搭載高通下一代處理器的智能手機能夠實現3D 人臉識別、虹膜識別功能。

以深度學習算法為代表的人工智能技術發展

基于生物識別技術的數字身份將成為未來主流的身份識別方式。當前主流身份識別方法仍是主要由身份標識物品(鑰匙、證件、銀行卡等)和身份標識知識(用戶名、密碼)等承擔。相比主流身份識別方式，采用生物識別技術的數字身份更具安全性和便捷性。圍繞數字身份，Microsoft、 Blockstack已開始布局，在移動設備、云存儲供應商及桌面NAS驅動器中推廣個人云存儲，將生物識別應用于數字證書和服務提供商之間的信任服務。