閱讀548 返回首頁    go 阿裏雲 go 技術社區[雲棲]


無處可藏:人臉識別時代生活報告

現代科技的發展日新月異,目前已經出現了能夠像人類那樣識別臉部信息的技術。在美國,教會利用人臉識別技術來跟蹤禮拜者的出席;在英國,商家們利用該技術來識別老客戶。今年,威爾士警方利用該技術在一場足球賽的賽場外麵逮捕了一名嫌疑犯。在中國,該技術已用於驗證專車司機的身份、購買景區門票,以及通過一個小小的微笑進行付款。蘋果最新款的iPhone X已經使用這項技術來解鎖屏幕(請參看這篇文章)。

與人類的技能相比,這類應用的發展似乎是循序漸進式的。而一些突破性的技術,例如飛行技術和互聯網,則顯著改變了人類的能力。而人臉識別技術似乎隻是對人類的技能進行編碼。雖然麵部特征是每個人所特有的,但也是公開的,所以,如果隻是看一眼,那麼該技術並不會侵犯人類的隱私。然而,廉價、快速、大規模地對人臉圖像進行記錄、存儲和分析總有一天會從根本上改變人類對隱私、公平以及信任的理解。

前沿地帶

我們先來聊聊隱私。人臉和其他生物識別數據(如指紋)相比有一個很重要的不同點,就是它可以遠距離工作。任何人都可以用手機來拍攝用於人臉識別程序的照片。 FindFace,一款來自於俄羅斯的應用程序,它可以將陌生人的照片與VKontakte(社交網絡)上的照片進行比較和識別,並有著70%的準確率。 雖然Facebook的人臉圖像庫不能被他人抓取,但是這是這家矽穀巨頭可以獲取到汽車展廳遊客的照片,然後再使用人臉識別技術來為汽車打廣告。雖然私營企業無法將圖像和身份進行關聯,但國家可以。中國政府保存了所有公民的麵部照片;有一半的美國成年人口的照片存儲在數據庫中供聯邦調查局使用。雖然執法機構現在擁有了追蹤罪犯的強大武器,但在保護公民隱私上也存在著巨大的潛在成本。

人臉並不僅僅是一個姓名標簽,它也會透露出很多機器可以讀取的信息。當然,這也是有好處的。一些公司正在通過對人臉的分析來提供對罕見遺傳病症的自動診斷,例如Hajdu-Cheney綜合征。基於人臉識別技術的診斷遠早於其他的診斷方式。可檢測情緒的係統可以幫助自閉症患者掌握他們自己難以發現的社交信息。該技術也能用來預測威脅。斯坦福大學的研究人員已經證明,當把一張同性戀男子的照片與一張正常性取向男子的照片放在一起時,計算機算法有81%的概率正確判斷出他們的性取向,而人類的判斷成功率隻有61%(請參看這篇文章)。在視同性戀為犯罪的國家中,根據人臉來判斷性取向的應用程序將有著驚人的前景。

需要麵對的一些問題

以冷暴力形式的歧視可能會變得普遍起來。雇主可能會因為某些歧視而拒絕求職者。而人臉識別技術可能會使這樣的歧視程序化,讓企業能夠根據種族、智力和性取向對求職申請進行過濾。夜總會和運動場可能麵臨著通過掃描人群的臉部來保護人們免受暴力威脅的壓力,盡管由於受到機器學習的固有特點的製約,所有的人臉識別係統都不可避免地存在一定的概率性。此外,這類係統似乎對白人的識別效果比較差,因為基於白人臉部數據集進行訓練的算法並不像基於其他膚色人群的算法效果好。這種技術曾被用於法院針對嫌疑人的自動化評估中,它能給出有關嫌疑人判刑和保釋方麵的建議。

最後,如果持續地對人臉進行記錄,並把相關數據繪製到現實世界中,可能會改變社交的本質。掩飾是生活的潤滑劑。如果你的伴侶能夠發現每一個被抑製住的哈欠,以及你老板每一個憤怒的表情,那麼婚姻和工作將變得更加真實,但卻更不和諧。社交的基礎也可能會發生變化,從建立在信任基礎上的一係列承諾,到計算機對從人臉獲取到的信息的計算。人際關係可能會變得更加理性,但也更為事務性。

在民主國家,至少立法可以幫助調整好與壞之間的平衡。歐洲監管機構在即將出台的數據保護法規中增加了一個原則,生物特征信息(包括“臉部印記”)歸其擁有者所有,並且對其的使用需要得到擁有者的同意,因此在歐洲,Facebook不能隻是把廣告賣給那些車展的參觀者,這與美國是不同的。反對歧視的法律可以適用於雇主甄別求職人的照片。商業人臉識別係統的供應商可能會受到審查,以證明其係統不會在無意中宣揚歧視。使用此類技術的公司應該被追究責任。

然而,這樣的規則並不會改變技術的發展方向。隨著可穿戴設備的普及,相機將變得越來越普遍。從太陽鏡到化妝,各種用來欺騙人臉識別係統的手段層出不窮;劍橋大學的研究表明,人工智能可用於在偽裝中重建人臉的結構。穀歌已經明確反對將人臉與身份相關聯,以防止這些信息被專政國家濫用。而其他一些技術公司似乎對此並不過分講究。亞馬遜和微軟正在使用他們的雲服務來為用戶提供人臉識別支持。人臉識別是Facebook計劃的核心。各國政府不會放棄人臉識別所能帶來的好處。變化來了,就正視它。

文章原標題《What machines can tell from your face》,作者:未知,譯者:夏天,審校:主題曲。

文章為簡譯,更為詳細的內容,請查看原文

最後更新:2017-09-13 17:32:52

  上一篇:go  淺談分布式事務
  下一篇:go  如何利用機器學習預測房價?