關(guān)于人臉識(shí)別和隱私的五個(gè)常見誤解

　　人工智能自誕生以來(lái)，在人們的贊美與質(zhì)疑中不斷發(fā)展著。許多負(fù)面的聲音也基本來(lái)自于不熟悉人工智能技術(shù)如何工作的人。盡管批評(píng)人臉識(shí)別可能很吸引人，但我們需要學(xué)習(xí)這項(xiàng)技術(shù)到底是如何工作的，將事實(shí)與虛構(gòu)分開，并合理通過(guò)設(shè)定使用指南等常識(shí)規(guī)則，來(lái)實(shí)現(xiàn)它的好處。以下是關(guān)于人臉識(shí)別和隱私的五個(gè)常見誤解，它們有助于澄清這一強(qiáng)大的新興技術(shù)。

　　誤解1：面部識(shí)別可以跟蹤和監(jiān)視任何人。

　　不對(duì)。

　　與人們普遍認(rèn)為這項(xiàng)技術(shù)的使用方式相反，面部識(shí)別系統(tǒng)無(wú)法識(shí)別出系統(tǒng)中（沒(méi)有記錄）不在搜尋范圍內(nèi)的普通人。如果你沒(méi)有選擇加入面部識(shí)別系統(tǒng)，或者沒(méi)有被列入搜查或觀察名單，你就不會(huì)被該系統(tǒng)識(shí)別。

　　人臉識(shí)別最常見的用例之一是監(jiān)視“特定相關(guān)人員”。根據(jù)生物特征安全條例，只有那些被認(rèn)為具有威脅性的個(gè)人可以被添加到系統(tǒng)中，協(xié)助安防監(jiān)控團(tuán)隊(duì)保護(hù)人民和空間環(huán)境。安保人員會(huì)尋找什么樣的人呢？也許是沒(méi)有監(jiān)護(hù)權(quán)虐待孩子的家長(zhǎng)出現(xiàn)在孩子的學(xué)校，一個(gè)商店的扒手慣犯，或者是一名因不滿前公司而對(duì)工作地點(diǎn)有嚴(yán)重威脅的離職員工。

　　這樣可以通過(guò)在特定位置對(duì)個(gè)別群體的即時(shí)性識(shí)別和關(guān)注來(lái)改善機(jī)場(chǎng)、學(xué)校和其他地點(diǎn)的安全問(wèn)題。在這些場(chǎng)景中，面部識(shí)別系統(tǒng)能“看到”的人非常少——所有不匹配的人都會(huì)被忽略，默認(rèn)情況下，如果人臉數(shù)據(jù)與監(jiān)控列表中的人臉不匹配，人臉數(shù)據(jù)可能會(huì)在幾秒鐘后自動(dòng)刪除。使用面部識(shí)別來(lái)識(shí)別已知的威脅比僅僅依靠入口的保安人員7*24小時(shí)的手動(dòng)監(jiān)控有效和準(zhǔn)確得多。面部識(shí)別系統(tǒng)比人類更善于記住“感興趣的人”的長(zhǎng)相，并在他們一進(jìn)到某些區(qū)域就能認(rèn)出他們。

　　另一個(gè)人臉識(shí)別的常用例是安全區(qū)域的訪問(wèn)控制。在這種情況下，人們可以“選擇進(jìn)入”，這樣他們就可以使用他們的臉來(lái)進(jìn)入建筑物或某些限制區(qū)域。生物識(shí)別技術(shù)可以取代或補(bǔ)充目前用于保護(hù)周邊環(huán)境和控制建筑進(jìn)出的方法。例如，有人可能會(huì)借或偷出入門禁卡，自由通過(guò)某些入口。擁有門禁卡的任何人都可以隨意進(jìn)入，但如果使用面部識(shí)別，除非在門口的是身份信息符合的人，否則大門不會(huì)打開。

　　誤解2：如果你的“面部識(shí)別”數(shù)據(jù)被盜，黑客可以跟蹤你的一舉一動(dòng)。

　　不對(duì)。

　　人臉識(shí)別“簽名“數(shù)據(jù)實(shí)際上比其他標(biāo)識(shí)符更不易被攻擊。人臉識(shí)別系統(tǒng)將數(shù)字圖像轉(zhuǎn)化為基于人臉特征的數(shù)字表示。這就創(chuàng)建了一個(gè)獨(dú)特的”人臉簽名“，然后可以將其與數(shù)據(jù)庫(kù)中的一個(gè)身份關(guān)聯(lián)起來(lái)，并與出現(xiàn)在攝像機(jī)中的人臉進(jìn)行比對(duì)，以確定是否匹配。每個(gè)面部識(shí)別系統(tǒng)都有自己獨(dú)特的方式來(lái)存儲(chǔ)這些數(shù)據(jù)。

　　關(guān)于人臉識(shí)別和隱私的更大的問(wèn)題是，每個(gè)人的臉已經(jīng)在社交軟件公共頁(yè)面和個(gè)人資料上了。如果一個(gè)人想跟蹤別人，使用社交媒體比使用面部識(shí)別系統(tǒng)要容易得多。

　　從技術(shù)上講，一旦面部圖像公開，面部識(shí)別系統(tǒng)就可以根據(jù)該圖像創(chuàng)建面部簽名。這是為什么需要強(qiáng)有力的生物特征隱私立法的另一個(gè)原因，包括有關(guān)怎樣以及何時(shí)可以將某人添加到面部識(shí)別系統(tǒng)的嚴(yán)格規(guī)定，這樣有助于防止技術(shù)被濫用。

　　誤解3：面部識(shí)別應(yīng)該被禁止，因?yàn)樗鼛в蟹N族偏見。

　　不對(duì)。

　　其實(shí)，任何新興技術(shù)的提供者和運(yùn)營(yíng)者都必須遵守高標(biāo)準(zhǔn)，確保技術(shù)的開發(fā)和使用符合人權(quán)和消費(fèi)者權(quán)利。人臉識(shí)別是一種強(qiáng)大的工具，但還不能代替如人類監(jiān)控一樣，根據(jù)確鑿證據(jù)做出深思熟慮、可操作性的決定。其工作主要是實(shí)時(shí)提供數(shù)據(jù)，幫助安全人員發(fā)現(xiàn)潛在問(wèn)題或調(diào)查事件后的問(wèn)題。

　　不可否認(rèn)，一些面部識(shí)別算法目前確實(shí)顯示出令人不可接受的種族偏見問(wèn)題，然而，這項(xiàng)技術(shù)很有價(jià)值，不應(yīng)該完全禁止。那么為什么還要繼續(xù)提倡使用面部識(shí)別呢，即使檢測(cè)結(jié)果并不總是那么完美？

　　1.一些面部識(shí)別系統(tǒng)比其他系統(tǒng)表現(xiàn)出更低的偏差水平：美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究所最近的一項(xiàng)研究發(fā)現(xiàn)，在許多經(jīng)過(guò)測(cè)試的算法中，亞裔和非裔美國(guó)人的面孔的誤報(bào)匹配率比白人面孔高10到100倍。這種程度的偏差顯然是不能接受的，但研究也發(fā)現(xiàn)了一些“重要的例外”算法。這些算法在不同種族群體中得到了相當(dāng)一致的結(jié)果，精度方差低至0.19%。這表明面部識(shí)別系統(tǒng)本身并沒(méi)有很高的偏倚率，還可以改進(jìn)。面部識(shí)別供應(yīng)商應(yīng)該負(fù)責(zé)減少算法中的偏見，而不是完全禁止這項(xiàng)技術(shù)。一種類似于食品營(yíng)養(yǎng)標(biāo)簽的標(biāo)簽系統(tǒng)可以提供透明度。而采購(gòu)人員也不應(yīng)該把那些不符合跨種族、年齡和性別最低一致性要求的系統(tǒng)納入其采購(gòu)考慮范圍。

　　2.使用人臉識(shí)別可以減少現(xiàn)實(shí)世界中的偏見：人臉識(shí)別的核心功能，即根據(jù)已知人臉的知識(shí)庫(kù)來(lái)識(shí)別，這是人類一直在做的事情，比如犯罪現(xiàn)場(chǎng)的目擊者、根據(jù)監(jiān)控圖像尋找嫌疑人的警官、或者監(jiān)視商店扒手的店員。每一種技術(shù)都有其固有的一些偏見，這些偏見來(lái)自于過(guò)去的互動(dòng)、媒體，并被跨種族效應(yīng)放大。所有人都有固有偏見，在面部識(shí)別算法中發(fā)現(xiàn)的偏見可能源于開發(fā)它們的人類的偏見。雖然沒(méi)有辦法完全消除人類或算法中的偏見，但面部識(shí)別技術(shù)在比較人臉圖像時(shí)找到正確匹配方面已經(jīng)和人類一樣優(yōu)秀，甚至更好。它也能以指數(shù)級(jí)的速度做到這一點(diǎn)。

　　3．面部識(shí)別算法變得越來(lái)越好：訓(xùn)練人工智能模型來(lái)減少偏見和消除跨種族影響，要比在每個(gè)保安、執(zhí)法人員和犯罪現(xiàn)場(chǎng)目擊者身上消除偏見容易得多。自從面部識(shí)別技術(shù)首次被開發(fā)出來(lái)以來(lái)，它已經(jīng)取得了長(zhǎng)足的進(jìn)步，而且這項(xiàng)技術(shù)在膚色和性別的準(zhǔn)確性方面也在不斷提高。隨著技術(shù)的改進(jìn)以及廣泛應(yīng)用，所有用戶的誤匹配率在不斷下降，偏差閾值可能會(huì)隨著時(shí)間的推移而變化。完全禁止人臉識(shí)別將會(huì)阻止一項(xiàng)技術(shù)的持續(xù)改進(jìn)。人們通過(guò)對(duì)人臉識(shí)別如何工作進(jìn)行培訓(xùn)，了解它的局限性，使用正確性高、偏差低的系統(tǒng)，可以極大地減少安全、執(zhí)法和刑事司法場(chǎng)景案例中的偏差問(wèn)題。

　　誤解4：所有的面部識(shí)別系統(tǒng)都是一樣的。

　　不對(duì)。

　　用于識(shí)別和匹配人臉的算法可能會(huì)根據(jù)開發(fā)方式、訓(xùn)練和測(cè)試人臉的數(shù)據(jù)而有很大不同。人類仍然在不斷建立和訓(xùn)練這些模型，因此，如果不加以解釋，人類的偏見就會(huì)悄悄出現(xiàn)。開發(fā)人員在構(gòu)建算法時(shí)是否考慮了種族和性別偏見？他們是否有適當(dāng)?shù)牟煌挲g、性別、種族和膚色的面部數(shù)據(jù)集？還是在訓(xùn)練模型識(shí)別人類時(shí)，他們的模型主要為某一種或幾種面孔？這些因素直接影響人臉識(shí)別系統(tǒng)的性能和準(zhǔn)確性。

　　除了算法的執(zhí)行方式，系統(tǒng)處理敏感數(shù)據(jù)的方式也各不相同。數(shù)據(jù)是托管在本地還是云端？誰(shuí)擁有并能夠訪問(wèn)這些數(shù)據(jù)？?jī)H僅是客戶還是技術(shù)供應(yīng)商？數(shù)據(jù)的任何部分都可以賣給第三方嗎？面部識(shí)別系統(tǒng)如何保護(hù)與該系統(tǒng)交互的個(gè)人權(quán)利和隱私？這些可能是贏得民權(quán)組織和對(duì)人臉識(shí)別持懷疑態(tài)度的消費(fèi)者并讓他們接受的一個(gè)決定性因素。確保隱私的方法應(yīng)該通過(guò)設(shè)計(jì)并構(gòu)建到面部識(shí)別系統(tǒng)中，這是另一個(gè)可以通過(guò)立法來(lái)調(diào)節(jié)生物識(shí)別技術(shù)的領(lǐng)域。

　　并不是所有的面部識(shí)別系統(tǒng)都是一樣的。準(zhǔn)確性和偏差結(jié)果差異很大，還有一些供應(yīng)商將數(shù)據(jù)賣給第三方以獲取利潤(rùn)。良好的生物識(shí)別技術(shù)提供商會(huì)推薦使用策略，構(gòu)建更準(zhǔn)確的算法和低偏差，遵循隱私原則，并提供培訓(xùn)，指導(dǎo)終端用戶負(fù)責(zé)任的對(duì)數(shù)據(jù)捕獲、保留和透明化數(shù)據(jù)收集文檔相關(guān)條例。

　　誤解5：僅僅通過(guò)面部識(shí)別結(jié)果，就可能被誤判為罪犯。

　　不對(duì)。

　　雖然人臉識(shí)別可能是執(zhí)法環(huán)節(jié)中的一個(gè)有價(jià)值的工具，但它的運(yùn)作是離不開人類監(jiān)督的。這種誤解認(rèn)為，面部識(shí)別系統(tǒng)在刑事調(diào)查中擁有“最后的決定權(quán)”。在執(zhí)法環(huán)境中，人臉識(shí)別用在為訓(xùn)練有素的分析人員提供基于相似度評(píng)分高的潛在匹配選項(xiàng)。人類通過(guò)這些數(shù)據(jù)以及獨(dú)立的證據(jù)來(lái)做出最終決定。

　　在使用人臉識(shí)別之前的時(shí)代，警察必須手動(dòng)查看數(shù)犯罪現(xiàn)場(chǎng)的照片、錄像，繁重的工作量使他們疲憊不堪、壓力過(guò)大，或者就只能用照片查看一些區(qū)域。事實(shí)上，人臉識(shí)別并沒(méi)有做任何本質(zhì)上的創(chuàng)新，它只是增強(qiáng)了現(xiàn)有調(diào)查過(guò)程的操作方法，提供了以前不可能達(dá)到的效率水平。這使得安全部門能夠調(diào)查以前無(wú)法調(diào)查的案件，或者調(diào)查原來(lái)嚴(yán)重程度較低而無(wú)法分配到調(diào)查需資源的案件。通過(guò)快速識(shí)別潛在的犯罪嫌疑人，面部識(shí)別可以受害者帶來(lái)好處、賠償和快速結(jié)案。

　　目前重要的是要教育公眾、民權(quán)人士和立法者，讓他們了解面部識(shí)別系統(tǒng)是如何工作的，以及怎樣將這項(xiàng)技術(shù)好的方面得以善用。人臉識(shí)別可以找到失蹤兒童，可以用來(lái)加快醫(yī)院的檢查速度，增強(qiáng)機(jī)場(chǎng)安全性，提供無(wú)觸控式的訪問(wèn)控制。人臉識(shí)別并不是也不是與生俱來(lái)的好或不好，任何技術(shù)也都有被濫用的可能性。但是通過(guò)合理的立法、負(fù)責(zé)任的系統(tǒng)開發(fā)和部署，考慮隱私，我們就可以最優(yōu)化實(shí)現(xiàn)人臉識(shí)別帶來(lái)的好處。