关于人脸识别和隐私的五个常见误解

　　人工智能自诞生以来，在人们的赞美与质疑中不断发展着。许多负面的声音也基本来自于不熟悉人工智能技术如何工作的人。尽管批评人脸识别可能很吸引人，但我们需要学习这项技术到底是如何工作的，将事实与虚构分开，并合理通过设定使用指南等常识规则，来实现它的好处。以下是关于人脸识别和隐私的五个常见误解，它们有助于澄清这一强大的新兴技术。

　　误解1：面部识别可以跟踪和监视任何人。

　　不对。

　　与人们普遍认为这项技术的使用方式相反，面部识别系统无法识别出系统中（没有记录）不在搜寻范围内的普通人。如果你没有选择加入面部识别系统，或者没有被列入搜查或观察名单，你就不会被该系统识别。

　　人脸识别最常见的用例之一是监视“特定相关人员”。根据生物特征安全条例，只有那些被认为具有威胁性的个人可以被添加到系统中，协助安防监控团队保护人民和空间环境。安保人员会寻找什么样的人呢？也许是没有监护权虐待孩子的家长出现在孩子的学校，一个商店的扒手惯犯，或者是一名因不满前公司而对工作地点有严重威胁的离职员工。

　　这样可以通过在特定位置对个别群体的即时性识别和关注来改善机场、学校和其他地点的安全问题。在这些场景中，面部识别系统能“看到”的人非常少——所有不匹配的人都会被忽略，默认情况下，如果人脸数据与监控列表中的人脸不匹配，人脸数据可能会在几秒钟后自动删除。使用面部识别来识别已知的威胁比仅仅依靠入口的保安人员7*24小时的手动监控有效和准确得多。面部识别系统比人类更善于记住“感兴趣的人”的长相，并在他们一进到某些区域就能认出他们。

　　另一个人脸识别的常用例是安全区域的访问控制。在这种情况下，人们可以“选择进入”，这样他们就可以使用他们的脸来进入建筑物或某些限制区域。生物识别技术可以取代或补充目前用于保护周边环境和控制建筑进出的方法。例如，有人可能会借或偷出入门禁卡，自由通过某些入口。拥有门禁卡的任何人都可以随意进入，但如果使用面部识别，除非在门口的是身份信息符合的人，否则大门不会打开。

　　误解2：如果你的“面部识别”数据被盗，黑客可以跟踪你的一举一动。

　　不对。

　　人脸识别“签名“数据实际上比其他标识符更不易被攻击。人脸识别系统将数字图像转化为基于人脸特征的数字表示。这就创建了一个独特的”人脸签名“，然后可以将其与数据库中的一个身份关联起来，并与出现在摄像机中的人脸进行比对，以确定是否匹配。每个面部识别系统都有自己独特的方式来存储这些数据。

　　关于人脸识别和隐私的更大的问题是，每个人的脸已经在社交软件公共页面和个人资料上了。如果一个人想跟踪别人，使用社交媒体比使用面部识别系统要容易得多。

　　从技术上讲，一旦面部图像公开，面部识别系统就可以根据该图像创建面部签名。这是为什么需要强有力的生物特征隐私立法的另一个原因，包括有关怎样以及何时可以将某人添加到面部识别系统的严格规定，这样有助于防止技术被滥用。

　　误解3：面部识别应该被禁止，因为它带有种族偏见。

　　不对。

　　其实，任何新兴技术的提供者和运营者都必须遵守高标准，确保技术的开发和使用符合人权和消费者权利。人脸识别是一种强大的工具，但还不能代替如人类监控一样，根据确凿证据做出深思熟虑、可操作性的决定。其工作主要是实时提供数据，帮助安全人员发现潜在问题或调查事件后的问题。

　　不可否认，一些面部识别算法目前确实显示出令人不可接受的种族偏见问题，然而，这项技术很有价值，不应该完全禁止。那么为什么还要继续提倡使用面部识别呢，即使检测结果并不总是那么完美？

　　1.一些面部识别系统比其他系统表现出更低的偏差水平：美国国家标准与技术研究所最近的一项研究发现，在许多经过测试的算法中，亚裔和非裔美国人的面孔的误报匹配率比白人面孔高10到100倍。这种程度的偏差显然是不能接受的，但研究也发现了一些“重要的例外”算法。这些算法在不同种族群体中得到了相当一致的结果，精度方差低至0.19%。这表明面部识别系统本身并没有很高的偏倚率，还可以改进。面部识别供应商应该负责减少算法中的偏见，而不是完全禁止这项技术。一种类似于食品营养标签的标签系统可以提供透明度。而采购人员也不应该把那些不符合跨种族、年龄和性别最低一致性要求的系统纳入其采购考虑范围。

　　2.使用人脸识别可以减少现实世界中的偏见：人脸识别的核心功能，即根据已知人脸的知识库来识别，这是人类一直在做的事情，比如犯罪现场的目击者、根据监控图像寻找嫌疑人的警官、或者监视商店扒手的店员。每一种技术都有其固有的一些偏见，这些偏见来自于过去的互动、媒体，并被跨种族效应放大。所有人都有固有偏见，在面部识别算法中发现的偏见可能源于开发它们的人类的偏见。虽然没有办法完全消除人类或算法中的偏见，但面部识别技术在比较人脸图像时找到正确匹配方面已经和人类一样优秀，甚至更好。它也能以指数级的速度做到这一点。

　　3．面部识别算法变得越来越好：训练人工智能模型来减少偏见和消除跨种族影响，要比在每个保安、执法人员和犯罪现场目击者身上消除偏见容易得多。自从面部识别技术首次被开发出来以来，它已经取得了长足的进步，而且这项技术在肤色和性别的准确性方面也在不断提高。随着技术的改进以及广泛应用，所有用户的误匹配率在不断下降，偏差阈值可能会随着时间的推移而变化。完全禁止人脸识别将会阻止一项技术的持续改进。人们通过对人脸识别如何工作进行培训，了解它的局限性，使用正确性高、偏差低的系统，可以极大地减少安全、执法和刑事司法场景案例中的偏差问题。

　　误解4：所有的面部识别系统都是一样的。

　　不对。

　　用于识别和匹配人脸的算法可能会根据开发方式、训练和测试人脸的数据而有很大不同。人类仍然在不断建立和训练这些模型，因此，如果不加以解释，人类的偏见就会悄悄出现。开发人员在构建算法时是否考虑了种族和性别偏见？他们是否有适当的不同年龄、性别、种族和肤色的面部数据集？还是在训练模型识别人类时，他们的模型主要为某一种或几种面孔？这些因素直接影响人脸识别系统的性能和准确性。

　　除了算法的执行方式，系统处理敏感数据的方式也各不相同。数据是托管在本地还是云端？谁拥有并能够访问这些数据？仅仅是客户还是技术供应商？数据的任何部分都可以卖给第三方吗？面部识别系统如何保护与该系统交互的个人权利和隐私？这些可能是赢得民权组织和对人脸识别持怀疑态度的消费者并让他们接受的一个决定性因素。确保隐私的方法应该通过设计并构建到面部识别系统中，这是另一个可以通过立法来调节生物识别技术的领域。

　　并不是所有的面部识别系统都是一样的。准确性和偏差结果差异很大，还有一些供应商将数据卖给第三方以获取利润。良好的生物识别技术提供商会推荐使用策略，构建更准确的算法和低偏差，遵循隐私原则，并提供培训，指导终端用户负责任的对数据捕获、保留和透明化数据收集文档相关条例。

　　误解5：仅仅通过面部识别结果，就可能被误判为罪犯。

　　不对。

　　虽然人脸识别可能是执法环节中的一个有价值的工具，但它的运作是离不开人类监督的。这种误解认为，面部识别系统在刑事调查中拥有“最后的决定权”。在执法环境中，人脸识别用在为训练有素的分析人员提供基于相似度评分高的潜在匹配选项。人类通过这些数据以及独立的证据来做出最终决定。

　　在使用人脸识别之前的时代，警察必须手动查看数犯罪现场的照片、录像，繁重的工作量使他们疲惫不堪、压力过大，或者就只能用照片查看一些区域。事实上，人脸识别并没有做任何本质上的创新，它只是增强了现有调查过程的操作方法，提供了以前不可能达到的效率水平。这使得安全部门能够调查以前无法调查的案件，或者调查原来严重程度较低而无法分配到调查需资源的案件。通过快速识别潜在的犯罪嫌疑人，面部识别可以受害者带来好处、赔偿和快速结案。

　　目前重要的是要教育公众、民权人士和立法者，让他们了解面部识别系统是如何工作的，以及怎样将这项技术好的方面得以善用。人脸识别可以找到失踪儿童，可以用来加快医院的检查速度，增强机场安全性，提供无触控式的访问控制。人脸识别并不是也不是与生俱来的好或不好，任何技术也都有被滥用的可能性。但是通过合理的立法、负责任的系统开发和部署，考虑隐私，我们就可以最优化实现人脸识别带来的好处。