周疊瑤

高鐵站“刷臉”過(guò)安檢、網(wǎng)購(gòu)“刷臉”支付、回家“刷臉”開門……“臉”作為每個(gè)人獨(dú)有的生物特征，已開始逐漸替代駕照、身份證等官方文件，或指紋、虹膜等生物信息，成為最直觀的新身份象征。

回國(guó)工作不久的陸雙正在試著適應(yīng)國(guó)內(nèi)充斥著“高科技”的生活。走進(jìn)一家餐廳，只有零星幾個(gè)服務(wù)員，自助點(diǎn)餐、“刷臉”支付；走進(jìn)一家銀行，不帶銀行卡、身份證，靠“刷臉”也能取款。以前僅僅存在于科幻片中的生活場(chǎng)景竟在數(shù)年間變?yōu)楝F(xiàn)實(shí)，這一切都讓陸雙驚嘆不已。

隨著科技的發(fā)展，人臉識(shí)別技術(shù)正廣泛地滲透進(jìn)每個(gè)普通人的生活。高鐵站“刷臉”過(guò)安檢、網(wǎng)購(gòu)“刷臉”支付、回家“刷臉”開門、公廁“刷臉”取紙、高校學(xué)生“刷臉”報(bào)道……靠“刷臉”生活似乎也不再是天方夜譚?！澳槨弊鳛槊總€(gè)人獨(dú)有的生物特征，已開始逐漸替代駕照、身份證等官方文件，或指紋、虹膜等生物信息，成為最直觀的新的身份象征。

技術(shù)先行，應(yīng)用廣泛

近日，張學(xué)友演唱會(huì)上抓嫌犯又成為網(wǎng)絡(luò)熱議話題。網(wǎng)友紛紛調(diào)侃，已經(jīng)有30多名嫌犯在張學(xué)友演唱會(huì)上落網(wǎng)，張學(xué)友已經(jīng)從“歌神”變“嫌犯克星”。事實(shí)上，真正的嫌犯克星不是張學(xué)友，而是演唱會(huì)背后的“天眼”系統(tǒng)。許多嫌犯在演唱會(huì)上被捕后一臉茫然，不相信警方會(huì)在上萬(wàn)名觀眾中發(fā)現(xiàn)自己。而實(shí)際上，警方借助“天眼”系統(tǒng)，早在嫌犯過(guò)安檢時(shí)，便已接到報(bào)警，迅速鎖定嫌犯。據(jù)悉，這套“天眼”系統(tǒng)能夠通過(guò)預(yù)先設(shè)定在逃人員的圖像信息，當(dāng)逃犯出現(xiàn)在布控范圍內(nèi)，該系統(tǒng)便可根據(jù)視頻抓拍，根據(jù)采集到的面部信息，與后端數(shù)據(jù)庫(kù)進(jìn)行比對(duì)，確認(rèn)是同一人后，系統(tǒng)就會(huì)發(fā)出警告信息。

孩子幼年走失，多年過(guò)去，如何尋親一直是困擾家長(zhǎng)和公安部門的一個(gè)難題。在9月播出的《機(jī)智過(guò)人》節(jié)目中，云從科技帶來(lái)的人臉識(shí)別技術(shù)“御眼重明2.0”將挑戰(zhàn)擁有15年模擬畫像經(jīng)驗(yàn)的崔娟警官，通過(guò)給定的4個(gè)孩子模糊的面部拓本，和整個(gè)老年合唱團(tuán)成員的面部進(jìn)行分析比對(duì)，找出孩子的祖輩。最終，挑戰(zhàn)雙方都完成了任務(wù)，但“御眼重明2.0”技術(shù)通過(guò)大樣本的數(shù)據(jù)學(xué)習(xí)和優(yōu)化的算法匹配跨越3代的祖孫倆，以更快的識(shí)別速度獲得了最后的勝利。

“天眼”系統(tǒng)和“御眼重明2.0”僅僅是人臉識(shí)別技術(shù)中的兩個(gè)應(yīng)用。在當(dāng)今社會(huì)，人臉識(shí)別技術(shù)不僅成為公共管理的重要手段，還走進(jìn)了每個(gè)普通人的生活。根據(jù)專業(yè)分析，目前國(guó)內(nèi)的人臉識(shí)別技術(shù)相對(duì)發(fā)展成熟，該技術(shù)越來(lái)越多地被推廣到安防領(lǐng)域，延伸出考勤機(jī)、門禁機(jī)等多種產(chǎn)品，產(chǎn)品系列達(dá)20多種類型，可以全面覆蓋煤礦、樓宇、銀行、軍隊(duì)、社會(huì)福利保障、電子商務(wù)及安全防務(wù)等領(lǐng)域，人臉識(shí)別的全面應(yīng)用時(shí)代已經(jīng)到來(lái)。

和其他領(lǐng)域一樣，一切的應(yīng)用與發(fā)展離不開技術(shù)的創(chuàng)新。早在20世紀(jì)60年代，得州大學(xué)奧斯汀分校的Woody Bledsoe就開始對(duì)人臉識(shí)別進(jìn)行早期嘗試。他通過(guò)一種電子平板手動(dòng)對(duì)人臉照片進(jìn)行分類，并通過(guò)手動(dòng)記錄眼睛、鼻子、發(fā)際線和嘴巴等面部特征的坐標(biāo)位置得出度量數(shù)據(jù)，并將這些數(shù)據(jù)輸入數(shù)據(jù)庫(kù)后形成新照片與數(shù)據(jù)庫(kù)中存儲(chǔ)的圖像進(jìn)行比對(duì)。但這一項(xiàng)目受制于照片精度、測(cè)量方法、數(shù)據(jù)處理方式等因素，在當(dāng)時(shí)并未取得突破性進(jìn)展。1991年，著名的“特征臉”方法第一次將主成分分析和統(tǒng)計(jì)特征技術(shù)引入人臉識(shí)別，在實(shí)用效果上取得了長(zhǎng)足的進(jìn)步。

時(shí)至今日，光學(xué)成像技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展提高了圖像采集的質(zhì)量；光線補(bǔ)償、灰度變換、直方圖均衡化等多種方法的采用使人臉圖像預(yù)處理更加便捷高效；而人工智能、深度學(xué)習(xí)系統(tǒng)的運(yùn)用，更使人臉識(shí)別準(zhǔn)確性大大提升。2014年前后，是人臉識(shí)別技術(shù)發(fā)展取得里程碑式突破的時(shí)點(diǎn)。香港中文大學(xué)Sun Yi等人提出將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到人臉識(shí)別上，采用20萬(wàn)訓(xùn)練數(shù)據(jù)，在國(guó)際權(quán)威人臉識(shí)別公開測(cè)試集LFW（Labeled Faces in the Wild）上第一次得到超過(guò)人類水平的識(shí)別精度。

技術(shù)革新增加了人臉識(shí)別技術(shù)的成熟度，使其投入商業(yè)應(yīng)用成為可能。眾多國(guó)際互聯(lián)網(wǎng)巨頭嗅到商機(jī)，紛紛布局人臉識(shí)別領(lǐng)域，如亞馬遜Rekognition、微軟Face API等。而國(guó)內(nèi)科技企業(yè)也不甘落后，力圖實(shí)現(xiàn)“彎道超車”，直面競(jìng)爭(zhēng)。阿里巴巴旗下的Face++、騰訊優(yōu)圖、云從科技和百度臉優(yōu)都是其中的佼佼者。

未來(lái)，人臉識(shí)別行業(yè)發(fā)展前景廣闊。據(jù)《前瞻產(chǎn)業(yè)研究院人臉識(shí)別行業(yè)分析報(bào)告》統(tǒng)計(jì)，根據(jù)人臉識(shí)別行業(yè)發(fā)展現(xiàn)狀，可大致估算出我國(guó)人臉識(shí)別市場(chǎng)規(guī)模約占全球市場(chǎng)的10%左右。2016年，我國(guó)人臉識(shí)別行業(yè)市場(chǎng)規(guī)模約為17.25億元，同比增長(zhǎng)27.97%，增速較上年上升4.64個(gè)百分點(diǎn)。預(yù)計(jì)未來(lái)五年中國(guó)人臉識(shí)別市場(chǎng)規(guī)模將保持年均25%的增長(zhǎng)速度，到2022年市場(chǎng)規(guī)模將達(dá)67億元左右。

始于技術(shù)，囿于倫理

人臉識(shí)別技術(shù)最主要的一個(gè)功能就是身份識(shí)別，一切在各個(gè)領(lǐng)域的應(yīng)用都是基于這一基礎(chǔ)功能。在人臉識(shí)別技術(shù)尚未成熟之前，身份識(shí)別的功能通常由設(shè)置密碼和指紋識(shí)別這兩種方式完成。記憶不同賬戶密碼一直令人感到頭疼，而與同樣是生物信息識(shí)別的指紋識(shí)別相比，人臉識(shí)別是否具有絕對(duì)優(yōu)勢(shì)呢？

蘋果公司推出的iPhone X把面容ID解鎖識(shí)別作為手機(jī)的一大賣點(diǎn)。蘋果公司宣稱，通過(guò)推出面容ID，其把生物識(shí)別技術(shù)的安全性又提高了一個(gè)等級(jí)，任意一個(gè)人成功解鎖iPhone的幾率為“一百萬(wàn)分之一”。但也有iPhone X用戶抱怨，面容ID解鎖盡管很安全，但有時(shí)卻會(huì)發(fā)生誤判，把真正的機(jī)主“拒之門外”。

有時(shí)候，安全和快捷像天平的兩端，無(wú)法兼顧。因此，Aite Group研究主管朱莉·康洛伊（Julie Conroy）并不看好當(dāng)前人臉識(shí)別技術(shù)在手機(jī)解鎖中的應(yīng)用，“我認(rèn)為我們可以把人臉識(shí)別作為一種生物識(shí)別技術(shù)，但它短期內(nèi)不會(huì)成為主要的生物識(shí)別技術(shù)。消費(fèi)者接受指紋傳感器的一個(gè)原因是，對(duì)于大多數(shù)人來(lái)說(shuō)它簡(jiǎn)單易用。使用人臉識(shí)別技術(shù)稍微復(fù)雜一些，因此，雖然它更安全，但是我認(rèn)為不會(huì)有大量消費(fèi)者立即使用它”。

如果說(shuō)對(duì)技術(shù)成熟度的擔(dān)憂來(lái)源于技術(shù)本身，那么，人臉識(shí)別技術(shù)背后所帶來(lái)的社會(huì)倫理問(wèn)題則需要其他學(xué)科知識(shí)來(lái)解決?！禢ature》的一篇文章中曾經(jīng)舉過(guò)這樣一個(gè)形象的例子，計(jì)算機(jī)視覺(jué)的算法會(huì)給一張傳統(tǒng)美國(guó)新娘的照片貼上“新娘”“禮服”“女人”等標(biāo)簽，而一張印度新娘的照片卻只有“表演藝術(shù)”和“禮服”兩個(gè)標(biāo)簽。這是因?yàn)閳D片分類的深度神經(jīng)網(wǎng)絡(luò)通常是在ImageNet的數(shù)據(jù)集上進(jìn)行訓(xùn)練的，而超過(guò)45%的ImageNet數(shù)據(jù)來(lái)自美國(guó)，而美國(guó)人口只占世界的4%。相比之下，中國(guó)和印度加起來(lái)只貢獻(xiàn)了ImageNet 3%的數(shù)據(jù)，而中國(guó)和印度人口卻占世界人口的36%。因此，數(shù)據(jù)中地域多樣性的缺乏部分導(dǎo)致了算法歧視。

算法歧視的存在并非個(gè)例。MIT媒體實(shí)驗(yàn)室（MIT Media Lab）研究員Joy Buolamwini與來(lái)自微軟的科學(xué)家Timnit Gebru選擇了微軟、IBM和曠視（Face++）三家的人臉識(shí)別API，對(duì)它們進(jìn)行性別判定的人臉識(shí)別功能測(cè)試。結(jié)果顯示針對(duì)黑人女性的錯(cuò)誤率高達(dá)21%-35%，而針對(duì)白人男性的錯(cuò)誤率則低于1%。所有的分類器在識(shí)別男性人臉上的表現(xiàn)要優(yōu)于女性人臉（8.1%-20.6%的錯(cuò)誤差別），所有分類器在膚色較深的女性人臉上表現(xiàn)最差（錯(cuò)誤率在20.8%-34.7%之間）。有學(xué)者指出，一旦人臉識(shí)別技術(shù)應(yīng)用到司法、執(zhí)法等關(guān)鍵領(lǐng)域，其所帶來(lái)的算法歧視的影響是致命的。因此，當(dāng)下最好的做法是不要讓相關(guān)部門應(yīng)用該技術(shù)。

刷臉時(shí)代來(lái)了，但人臉識(shí)別產(chǎn)業(yè)的未來(lái)并非一帆風(fēng)順。除了要解決技術(shù)本身的問(wèn)題，還要應(yīng)對(duì)可能出現(xiàn)的各種倫理挑戰(zhàn)。也許，正如百度創(chuàng)始人李彥宏在出席9月17日上海舉辦的“2018世界人工智能大會(huì)”時(shí)所說(shuō)，一家真正的“AI公司”要遵循AI倫理，其有四個(gè)原則：最高原則是安全可控；AI的創(chuàng)新愿景是促進(jìn)人類更加平等地獲得技術(shù)能力；AI存在的價(jià)值是教人學(xué)習(xí)，讓人成長(zhǎng)，而不是取代人、超越人；AI的終極理想是為人類帶來(lái)更多的自由和可能。人臉識(shí)別技術(shù)作為人工智能技術(shù)的組成部分，如何遵循AI倫理，應(yīng)對(duì)倫理挑戰(zhàn)，可能是比解決自身技術(shù)成熟度更困難的問(wèn)題。