“神器”?“黑箱”? 人脸识别技术成为焦点

　　世界上没有两片相同的叶子，亦不会有两张相同的脸孔，科技正在提速“读脸”能力，让脸孔成为人类新的“指纹”。从高铁、机场安检，到入住酒店，再到新一代iPhone屏幕解锁……早已嵌入日常生活的“人脸识别”技术，正在刷新我们对于自己“脸孔”的认识，它成为一种公开的“数据”，可被记录，可被存储，甚至有随时“供检阅”“供分析”的趋势。

　　最近有两件关于“人脸识别”的大事件，让这一新技术被推上风口浪尖。一则是被热炒的“歌坛神捕”张学友——其演唱会人脸识别安检系统，迄今已“认出”落网逃犯8名；另一则是亚马逊人脸识别陷舆论漩涡，在测试中将535名美国国会议员中的28人误判为罪犯。“人脸识别”点击率最高的这两个事例，也代表了外界对于这项技术的两种态度——“追捧”或者“怀疑”。

　　2000万个摄像镜头，犯罪分子最想“不要脸”

　　“人脸识别不只是一种新技术，它会改变我们对面孔的观念，甚至改变社会。”在业界看来，人脸识别势在必行，即便是人类的杰作——脸孔，也无法在互联网时代“独善其身”，它将再也无法倒退回“个人独有”，必将需要被公开，被编码。

　　谈及“人脸识别”的原理，简单来说就是“图像”和“算法”。以张学友演唱会8起逃犯落网为例，直接“归功”于人脸识别应用。进入演唱会现场前，观众会在安检口接受安防摄像头对人脸的“记录”，采集到的人脸图像或视频流，会快速与公安的后端数据库进行比对，当系统确认摄像头中的图像和数据库中的逃犯照片为一个人时，系统便会自动预警，方便公安实施追捕。在这一类人脸识别的应用上，包括四个步骤，如人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配和识别。

　　“实际上人脸识别的技术已经相当成熟，通过这项技术抓获的逃犯很多，我们都不好意思炫了。”业内人士透露，人脸识别应用最广泛、也最见实效的是安防领域。早在2004年，公安部就确定北京、杭州、济南、苏州为“报警与监控技术系统建设”试点城市，次年，该系统建设推及全国。

　　这一国家工程即“天网”，《辉煌中国》中，对此有这样的描述：中国已建成世界上最大的监控网络，视频镜头超过2000万个。参与“天网”建设的云从科技，研发了“双层异构深度神经网络模型”算法，联合创始人姚志强解释说，具体而言就是，能在2亿张的图像库中，实现秒级检索。云从“人脸识别”成绩基本可以代表“国家队”水平——证件照首位命中率高于99.1%，盘查照首位命中率高于95.3%。

　　商业推销，能“看脸色行事”

　　互联网时代，脸孔不仅仅能表明身份、情绪……在商业场景中，它有着更丰富的价值和意义。一位顾客走进门店，仅需几秒，“人脸识别”就能帮助导购“看透”他的消费记录、购物习惯、个人偏好等，这样的商业场景，在江苏并不遥远。

　　“在我们全国5000多家门店中，已经有240多家试点了数字化应用，人脸识别就是其中重要一环。”苏宁技术研究院计算机视觉算法专家、中科院半导体所博士杨现接受《科技周刊》采访时坦言，“人脸识别”能对进入门店的顾客进行“二次画像”——迅速比对会员库，几秒内分辨是否是会员，再根据购物习惯及喜好“精准营销”。苏宁内部数据显示，基于“人脸识别”技术展开的营销，购物转化率提高了3倍。

　　由机器读取，同样带来效率提升的场景还有酒店、园区、施工现场等等。最近，淮安一工地应用了江苏企业——小视科技的人脸识别技术，通过人脸识别及跟踪系统，确保施工人员作业中佩戴了安全帽，也确保无关人员未涉足危险作业区。

　　小视科技合伙人、上海交大副教授倪冰冰提到，“锤炼”新技术，最有效的方法就是商业化，“样本”越多、场景越丰富，越利于技术的完善。“公司成立3年，人脸识别的核心研发团队就已从10多人发展到近300人，客户也从几家发展到超1000家，院士以及青年计划专家等顶尖人才，为技术发展奠定了基础。”倪冰冰分享的这一组数据，说明了人脸识别在商业领域发展的强劲势头，其公司壮大的“时间表”与这一新技术发展的“时间轨迹”基本吻合。

　　几乎也是在近3年，杨现同样感受到“人脸识别”的发展势头。“2014年左右公司人脸识别研发团队不到10人，今年人数已破百。”杨现告诉记者，苏宁最早布局人脸识别是在2013年，当年美国硅谷、北京、南京三地设有研发中心，“算法”是其中投入最大的一块。“在人脸识别方面，中国有最丰富的应用场景和最大的市场，利于这项技术异军突起。”杨现提到，代表人脸识别权威性的Megaface测试中，以100万人脸数据为测试样本，苏宁成绩达到96%，排名前三。

　　算法偏见，谨防“科技陷阱”

　　衡量人脸识别的算法能力有几个指标：拒识率、误识率、通过率、准确率。近日，英国大都会警察局被曝其部署的人脸识别系统准确率仅达到2%——美国民权组织在使用亚马逊面部识别系统时，扫描所有535位美国国会议员的面部照片，结果其中28人竟被识别成了罪犯。如此误差引起了人们的质疑以及对警方使用该技术的担忧。

　　为什么会出现如此误差？这和互联网上常说的“算法歧视”有关。在使用亚马逊人脸识别系统时，是将535位美国国会议员的照片与警方公开的25000张犯罪分子面部照片进行比对，得出的结果是，28名议员“看起来像”罪犯脸。

　　被错误匹配的议员中，有色人种的比例显著过高（11人），仅国会黑人同盟就有6名成员被误判。另外，测试表明，对于皮肤较黑的人和女性，人脸识别通常不太准确。虽然对于整个国会来说，错误率是5.2%，但对于非白人的国会议员，错误率达到39%。

　　该产品此前就遭到亚马逊用户、民间组织、股东甚至亚马逊员工在内超过15万人联名抗议。比起“误差”，说到底，人们在抗议的是人脸识别所犯的种族主义“歧视”。

　　算法决策暗藏“偏见”，早有案例，比如谷歌公司的视觉算法软件曾错将黑人的照片标记为“大猩猩”。再比如，研究表明，某搜索引擎中，相比搜索白人的名字，搜黑人的名字更容易出现暗示具有犯罪历史的广告……

　　不要小瞧这种“歧视”，它不仅仅是人们心上的“褶子”，更会影响实际“决策”。比如在招聘中，雇主本来就可能会根据自己的偏见来拒绝某个人，但如果“人脸识别”带来不公平的决策结果，则可能会让这种偏见成为“常态”。用人方甚至能够通过种族以及显现智力水平、性取向、怀孕等特征不公平地过滤一些工作申请。

　　无论人脸识别会否成为“黑箱”，它都已经“不可逆”地嵌入了我们的生活，改变着社会。和所有与人工智能有关的新技术一样，人脸识别在发挥“自主性”时，也必须回答好有关伦理、道德、公平等人类社会永恒的必答题。 本报记者 王梦然