人臉識別熱度持續(xù)升溫 逐漸開始商用

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用領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，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)，訓練數(shù)據(jù)庫。

與“技術偏見”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的考驗。

與人臉識別技術的發(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就遭遇15萬人抗議，包括自家員工。在技術進一步發(fā)展的同時，如何保證用戶數(shù)據(jù)安全尤為關鍵。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。