现阶段，人脸识别是人工智能领域最炙手可热的话题之一。Google和Facebook，以及国内一些创业公司都投入重金在该领域进行研发，并且有相当多的商业应用。随着Deep Learning算法的引入，计算机在人脸识别方面的准确率和鲁棒性得到了一个突破性的提高 [1, 2], 计算机算法犯第二类错误(把假当作真，即把非A识别为A)的概率也下降了很多，相比于识别失败率，这个参数在工业场景的应用中可能更为重要，因为他会更直接关系到产品的安全性。计算机人脸识别系统在安全方面的应用因此有了更好的接受度。
计算机人脸识别的准确率已经超过人类。目前的算法体现出来一些特征，从人脑的人脸认知和识别角度来看，显得非常的有趣。计算机人脸识别算法面对自然场景的人脸识别(Face Recognition in the Wild)问题时仍然有一些困难[3]，而这些困难又跟人脑在自然场景做人脸识别时面对的困难又有一些相似和不同。这些问题的根本原因，还是在于计算机与人脑在人脸识别任务上处理的方法，或者说算法原理方面的相似性和不同。
大略来看，在人脸方面我们可以问以下一类问题：
1. 人在做人脸识别时候的注意点 跟 计算机算法(特别地，深度神经网络)的“认知”重点有什么差异
2. 人在做人脸识别的学习过程中，需要的样本数量很多，但是跟深度神经网络训练所需的动则上百万个样本这样一个数量级还是有很大的差距 [4]，是什么导致了这个问题
3. 人脑人脸识别任务的一些低识别率场景是怎么导致的;计算机算法也会面对类似的问题，其原因是什么;两种算法(人脑的识别算法/模型 与 计算机的算法)如何相互参考
4. 计算机人脸识别算法最新趋势中跟人脑认知的差异
5. .......
作为研究人脑多年并转入计算机人脸识别领域的研究者，我发现自己处于这样一个独特的位置：我问出的问题跟这两个领域中的人都不同，但又能同时快速的获取和理解这两个方面的研究问题。因此决定把这个话题写成一个系列，作为我自身工作的总结。这是一个活动的长期系列，其完成没有时间表，所问的问题和所要解决的问题也会不断的扩张。本篇作为这个系列的第0篇仅作初期的预测和介绍，欢迎两方面背景的人赐教