此次百度大脑所挑战的跨年龄识别，同样运用的也是深度学习原理，但是也有区别。
即使下棋用了深度识别，但是本质依然是暴力计算，只不过深度学习模型让其大大减少了无用的暴力计算程度。而图像识别并简单的非暴力计算就可以达成，因为面对太多的不确定性，每一张图片中都充满了太多意外的问题，例如光照因素、侧脸、脸部眼镜口罩等遮挡物，等等都会影响到机器的结果。
因此，长期以来，机器在各种棋艺上对人类有着颇多挑战，但是从没有看过机器挑战人脸识别的案例，正是因为难度极高，即使有深度学习的助力，依然不能立即取的立竿见影的成果。
此外，此次比赛是跨年龄识别，这更又是一个世界顶级难题，对于下棋的深度训练来说，最终可以通过胜负给机器一个反馈结果，机器可以有效的进行反复训练，直到胜出为止。但是人脸的跨年龄识别就没有这么幸运了，这其中的数据实在太少，训练数据难以收集。没有足够多的数据，基于深度学习的神经网络很难学习到跨年龄的类内和类间变化。
正所谓巧妇难为无米之炊。
而此次百度大脑挑战跨年龄识别，则是在数据稀缺的情况下做出的挑战，其通过更改各种算法策略，以及深度训练模型，最终实现了一个非常好的结果。
人脸识别难于下围棋，但引起的感受效果不同
机器善于做的就是做重复性的逻辑性工作，而对于围棋这种黑白分明，完全依赖经验的事情，对于机器来说其实更为容易，因为并不需要面对不确定的环境。
而像人脸识别这种工作就不是如此了，机器不仅能够依赖的经验有限，更需要面对随时出现的不确定性，因此整个攻克难度依然巨大。
当然，归根到底上述所说的都只是方向上的问题，人工智能再人脸识别的这个研究方向整体上，难于下棋。因此，人脸识别要想取得一点点的进步，所需要花费的代价比下棋的代价大多了。
下棋是机器所擅长的领域恰恰又是代表着人类的智力巅峰，因此给我们所有人造成的震撼也就更大一些，而人脸识别则是机器的弱项，但又是我们每个人与生俱来的能力，并不能让人产生很大的震撼，因此甚至会有人认为下棋的难度大于人脸识别，这不过是站在人的立场上去考虑问题而已。
结语：
最后，我们需要公平的看待这两场比赛，AlphaGo与百度大脑，由于各自从属领域不同，因此不存在谁优谁劣的说法，只不过是从人的立场上去看，产生的主观感受不同而已。
事实上是这二者的表现，均体现了人工智能在不同领域的顶尖水平，都值得尊敬。
作者微信公众号：“首席发言者”
