人臉識別熱度持續(xù)升溫并逐漸開始商用,并向著自動化、無人監(jiān)督化方向發(fā)展。近一周(11月29日-12月6日)以來,騰訊對疑似未成年的《王者榮耀》用戶將要求進行人臉識別驗證、阿里AliOS智能駕駛艙搭載了具有人臉識別功能的攝像頭、7-11將在日本測試人臉識別結(jié)賬、美國白宮以及周邊范圍測試面部識別監(jiān)控系統(tǒng)、英特爾推出可通過面部表情控制的輪椅。此外,我國央行正在制定金融行業(yè)人臉識別標準。一時之間,人臉識別在各行各業(yè)攻城略地,大有席卷之勢。

而人臉識別在不斷拓展應(yīng)用領(lǐng)域的同時也一直伴隨著質(zhì)疑之聲:用戶對《王者榮耀》驗證目的、隱私保護、實際成效等方面提出的疑問,美國國會多名議員認為面部識別軟件Rekognition給有色人種社區(qū)帶來不成比例的負擔,上文白宮的做法也引發(fā)了公眾對自身隱私的擔憂。

總體來看,人們對人臉識別的擔憂主要集中在三個方面,即識別偏見、隱私問題、識別安全性。

盡管目前最好的人臉識別技術(shù)水平為千萬分之一誤報下的識別準確率已接近99%,但面對不同膚色的人種其準確率卻相差較大。膚色越黑,識別率就越低。在識別黑皮膚女性時,它的錯誤率幾乎達到了35%,這可算是人臉識別的“技術(shù)偏見”了。之前已有例子,顯示存在著歧視。例如2015年,Google圖像識別照片app把非洲裔美國人標記為“大猩猩”。業(yè)內(nèi)人士普遍認為,這是人臉識別數(shù)據(jù)集中多為白人和男性的緣故。為了解決充滿偏見的技術(shù),微軟 Face API 團隊對其識別系統(tǒng)進行了三次重大改進,識別膚色較深的人錯誤率降低了 20 倍,識別所有女性的失誤率減低了 9 倍。但問題的根本解決辦法還是收集更多包括不同膚色、發(fā)型和面部飾品等的數(shù)據(jù),訓(xùn)練數(shù)據(jù)庫。

與“技術(shù)偏見”相比,人臉識別風險則公平地覆蓋每個人。人臉照片、身份信息在目前互聯(lián)網(wǎng)環(huán)境下非常容易泄露,在手機端,即使是蘋果的人臉識別功能也可能被”邪惡的雙胞胎”面具攻擊而騙過,確定用戶身份以及進行操作的是本人成為人臉識別大規(guī)模應(yīng)用前必須做到的一環(huán)。因此許多企業(yè)開始采用活體檢測人臉識別,其方式包括完成指定動作、念出隨機數(shù)字以及通過人類自然微動作判斷等,不過仍面臨三維仿真技術(shù)的考驗。

與人臉識別技術(shù)的發(fā)展相伴而生的還有隱私問題。人臉天生就暴露在外,被認為是識別身份的天然特征,然而當人臉與身份證、資金等掛鉤的時候,就會引發(fā)擔憂。2018年,亞馬遜向美國警方出售人臉識別技術(shù)就遭遇15萬人抗議,包括自家員工。在技術(shù)進一步發(fā)展的同時,如何保證用戶數(shù)據(jù)安全尤為關(guān)鍵。盡管目前各大公司都宣布會對照片進行脫敏處理,但人臉識別是一條很長的產(chǎn)業(yè)鏈,保護用戶隱私不僅需要靠公司,更需要在政府引導(dǎo)下建立起行業(yè)統(tǒng)一標準,共同筑起保護用戶隱私的堤壩。