人臉識別攻占各行各業(yè) 但在三個(gè)方面引發(fā)人們擔(dān)憂

　　人臉識別熱度持續(xù)升溫并逐漸開始商用，并向著自動(dòng)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(jìn)行人臉識別驗(yàn)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(biāo)準(zhǔn)。一時(shí)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(shí)也一直伴隨著質(zhì)疑之聲：用戶對《王者榮耀》驗(yàn)證目的、隱私保護(hù)、實(shí)際成效等方面提出的疑問，美國國會多名議員認(rèn)為面部識別軟件Rekognition給有色人種社區(qū)帶來不成比例的負(fù)擔(dān)，上文白宮的做法也引發(fā)了公眾對自身隱私的擔(dān)憂。

　　總體來看，人們對人臉識別的擔(dān)憂主要集中在三個(gè)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(bào)下的識別準(zhǔn)確率已接近99%，但面對不同膚色的人種其準(zhǔn)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(shí)，它的錯(cuò)誤率幾乎達(dá)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(biāo)記為“大猩猩”。業(yè)內(nèi)人士普遍認(rèn)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(tuán)隊(duì)對其識別系統(tǒng)進(jìn)行了三次重大改進(jìn)，識別膚色較深的人錯(cuò)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(fēng)險(xiǎn)則公平地覆蓋每個(gè)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(jī)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(jìn)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(dòng)作、念出隨機(jī)數(shù)字以及通過人類自然微動(dòng)作判斷等，不過仍面臨三維仿真技術(shù)的考驗(yàn)。

　　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(rèn)為是識別身份的天然特征，然而當(dāng)人臉與身份證、資金等掛鉤的時(shí)候，就會引發(fā)擔(dān)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(jìn)一步發(fā)展的同時(shí)，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(jìn)行脫敏處理，但人臉識別是一條很長的產(chǎn)業(yè)鏈，保護(hù)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(biāo)準(zhǔn)，共同筑起保護(hù)用戶隱私的堤壩。