科技观察 技术是中性的,需要管住的是使用技术的人。所以,人脸识别技术,该一禁了之吗? 近日,美国马萨诸塞州的萨默维尔市宣布禁止当地警方和市政部门使用面部识别软件,成为美国第二个禁止该技术的城市。早在今年5月份,旧金山已出台相关法令。预计还有更多城市、甚至州在立法层面紧随其后。 在商业层面,上月初,科技巨头微软宣布,已删除其公开人脸识别数据库——MS Celeb。据称,用于学术研究的该数据库于2016年建立,拥有超过1000万张图像、将近10万人的面部信息,包括一些公众人物的数据。 早在去年5月,美国一批民权组织就联名致信亚马逊,要求其停止向政府提供一款名为Rekognition的面部识别技术,因为这种技术很可能被政府滥用,从而严重威胁到各种人群的公民权利。 而在更早的2011年,谷歌母公司Alphabet董事长埃里克·施密特说,人脸识别“很可怕”,并承诺谷歌公司不会建立用户照片的数据库…… 很明显,在当今的欧美国家,对人脸识别技术的担忧,远远压倒了对这种技术所带来的益处的乐观预期。 人脸识别面临滥用危机 欧美国家的这种担忧无疑是有充分理由的。说到人脸识别的功能,如今它已是执法机关追踪嫌犯时最强有力的武器;还有些医疗机构正通过分析人的脸部特征,来诊断某些罕见遗传疾病……但它对公民隐私权构成的威胁,也前所未有。 相较指纹等其他生物特征,人脸识别的最大不同就在于,它能远距离发生作用,而无需直接接触。这意味着,政府、公司等机构和个人可能未经当事人同意、甚至完全不知情的情况下读取并搜集其数据,进而非法使用。 事实上,人脸不仅仅能表明身份,让人觉得美或丑,还泄露许多其他信息。有研究表明,通过大数据和算法,有相当大概率能通过人脸特征来测算一个人的智力水平、性取向,甚至政治倾向…… 因此,一旦这种技术被不恰当地使用,就有可能产生严重后果——例如,保险公司或可更精确判定一个人的健康状况,从而制定出包赚不赔的保单价格;雇主可能会雇佣或拒绝一些特定的雇员,以满足其偏见;一些政府则可能更加主动有效地对某些特定人群进行追踪、监控甚至迫害;在人种多元的国家,脸部特征数据的运算结果还可能造成对某些族群人士的不公正认知…… 还有人认为,人脸识别会反过来影响人们的现实交往和信任关系。如果都知道自己的脸部特征会对自己将在社会上遭遇怎样的对待产生重大影响时,人们就会被训练成“表演大师”。长此以往,整个社会将陷入巨大的信任危机之中。 中国在商业化上走在前列 实际上,人脸识别并不是多么先进的新技术,几十年来人们一直在使用它。最常见的当然是监控。只是由于精确度的快速提升、智能手机的广泛运用和云计算的大力推动,新一代的人脸识别不仅比过去更精准,运用范围也得到极大的拓展。 据市场研究机构估算,2016年,包含设备及视频管理软件在内的中国影像监视系统市场规模达64亿美元,政府或民间企业已安装监视摄影机高达1.76亿台,高居全球之冠。估算显示,中国这一业务在未来5年中复合成长率达到12.4%。相比之下,美国同类市场规模估计仅29亿美元,年成长率仅0.7%。 如今,人脸识别在抓捕逃犯等方面已被广泛应用。此外,还被用到辨识乱穿马路的行人之类日常监控。北京天坛公园的公厕甚至还使用它解决了一个困扰多年的老问题:厕纸被成卷捎走——依靠人脸识别技术让同一个人无法频繁取纸。 更大的机会当然在商业领域,因为这能带来更多直接的经济效益。最新和最引人注目的当属支付平台的巨头们正在激烈竞逐中的“刷脸支付”。此外,通过使用人脸识别技术,实体零售商可以为消费者提供更精准的个性化服务,航空公司可以大大简化各种手续,娱乐演出场所不再需要检票,金融机构可以轻松判断客户的信用…… 时下有一种普遍的看法,中国已处于人脸识别技术开发前沿,这一看法或许存在着一些认识误区。说到底,人脸识别并不是一种多么尖端的技术,大型科技公司——从亚马逊、谷歌到Facebook——长期以来一直在使用它。即便发展到了今天,就人脸识别技术背后的人工智能基础性研究来说,中国的水平仍不如美国。 但应该说,在商业应用方面,中国绝对走在了前头。这很大一部分原因是,西方人对隐私权的关注阻碍了它的大规模商用。 中国和欧美或可“反向而行” 在欧盟和美国,立法机构已做出努力,试图限制人脸识别的应用。除了美国, 去年5月生效的欧盟《一般数据保护条例》(GDPR)被称为人类历史上第一部“数据宪法”,其中嵌入了一套原则,规定包括“脸纹”在内的生物信息属于其所有者,使用这些信息需要征得本人同意。 可能是因为民众的担心和政府的不支持,像谷歌这样的科技巨头也不追捧这项看起来“钱景”灿烂的技术,它们更愿意将注意力投入到一些高远的战略上去,例如Facebook最近宣称要做的Libra数字货币。 然而,更多人认为,在此领域,中国可能站在了历史正确的一面,西方人的担忧和政府的限制并不能改变未来的发展方向。随着可穿戴设备的普及,摄像头只会越来越普遍,更多人的脸也必然越来越暴露在光天化日之下。 如果是这样,中国就将占据巨大的优势和先机。与所有的人工智能应用一样,人脸识别技术具有显著的正向反馈机制:其技术被使用得越广泛,数据采集得越多、越快,其“深度学习”就能越发得到改善,其技术也就会愈发提高和完善。 在中国,不仅人脸数据的获得门槛比欧美国家低,数据本身也比欧美国家多得多——美国和欧盟的人脸数量加起来都远不如中国。按照目前趋势,假以时日,中国在这一领域将会把西方国家远远甩在身后。 纵观历史,凡是拥有广阔市场前景的新事物,不论是产品、技术还是生产模式,总是很难被政治和道德力量所阻碍。看来,人脸识别也将如此。亚马逊发言人也说,“如果因为一些人可能选择滥用新技术,我们就宣布新技术非法,那么我们今天的生活质量可能要糟糕得多。” 技术是中性的,这句话永远都是正确的。在人脸识别技术和市场领域,未来中国和欧美国家或许应该“反向而行”:欧美需要适当放松管制,使之有机会得到更多商业应用的机会;而中国则迫切需要通过立法和监管,让这项技术更加规范恰当地得到应用,使之造福于人。 □陈季冰(专栏作家)
该篇文章来源于网络,如有侵权请联系删除。
103.49.212.1
103.49.212.2
103.49.212.3
103.49.212.4
103.49.212.5
103.49.212.6
103.49.212.7
103.49.212.8
103.49.212.9
103.49.212.10
103.49.212.11
103.49.212.12
103.49.212.13
103.49.212.14
103.49.212.15
103.49.212.16
103.49.212.17
103.49.212.18
103.49.212.19
103.49.212.20
103.49.212.21
103.49.212.22
103.49.212.23
103.49.212.24
103.49.212.25
103.49.212.26
103.49.212.27
103.49.212.28
103.49.212.29
103.49.212.30
103.49.212.31
103.49.212.32
103.49.212.33
103.49.212.34
103.49.212.35
103.49.212.36
103.49.212.37
103.49.212.38
103.49.212.39
103.49.212.40
103.49.212.41
103.49.212.42
103.49.212.43
103.49.212.44
103.49.212.45
103.49.212.46
103.49.212.47
103.49.212.48
103.49.212.49
103.49.212.50
103.49.212.51
103.49.212.52
103.49.212.53
103.49.212.54
103.49.212.55
103.49.212.56
103.49.212.57
103.49.212.58
103.49.212.59
103.49.212.60
103.49.212.61
103.49.212.62
103.49.212.63
103.49.212.64
103.49.212.65
103.49.212.66
103.49.212.67
103.49.212.68
103.49.212.69
103.49.212.70
103.49.212.71
103.49.212.72
103.49.212.73
103.49.212.74
103.49.212.75
103.49.212.76
103.49.212.77
103.49.212.78
103.49.212.79
103.49.212.80
103.49.212.81
103.49.212.82
103.49.212.83
103.49.212.84
103.49.212.85
103.49.212.86
103.49.212.87
103.49.212.88
103.49.212.89
103.49.212.90
103.49.212.91
103.49.212.92
103.49.212.93
103.49.212.94
103.49.212.95
103.49.212.96
103.49.212.97
103.49.212.98
103.49.212.99
103.49.212.100
103.49.212.101
103.49.212.102
103.49.212.103
103.49.212.104
103.49.212.105
103.49.212.106
103.49.212.107
103.49.212.108
103.49.212.109
103.49.212.110
103.49.212.111
103.49.212.112
103.49.212.113
103.49.212.114
103.49.212.115
103.49.212.116
103.49.212.117
103.49.212.118
103.49.212.119
103.49.212.120
103.49.212.121
103.49.212.122
103.49.212.123
103.49.212.124
103.49.212.125
103.49.212.126
103.49.212.127
103.49.212.128
103.49.212.129
103.49.212.130
103.49.212.131
103.49.212.132
103.49.212.133
103.49.212.134
103.49.212.135
103.49.212.136
103.49.212.137
103.49.212.138
103.49.212.139
103.49.212.140
103.49.212.141
103.49.212.142
103.49.212.143
103.49.212.144
103.49.212.145
103.49.212.146
103.49.212.147
103.49.212.148
103.49.212.149
103.49.212.150
103.49.212.151
103.49.212.152
103.49.212.153
103.49.212.154
103.49.212.155
103.49.212.156
103.49.212.157
103.49.212.158
103.49.212.159
103.49.212.160
103.49.212.161
103.49.212.162
103.49.212.163
103.49.212.164
103.49.212.165
103.49.212.166
103.49.212.167
103.49.212.168
103.49.212.169
103.49.212.170
103.49.212.171
103.49.212.172
103.49.212.173
103.49.212.174
103.49.212.175
103.49.212.176
103.49.212.177
103.49.212.178
103.49.212.179
103.49.212.180
103.49.212.181
103.49.212.182
103.49.212.183
103.49.212.184
103.49.212.185
103.49.212.186
103.49.212.187
103.49.212.188
103.49.212.189
103.49.212.190
103.49.212.191
103.49.212.192
103.49.212.193
103.49.212.194
103.49.212.195
103.49.212.196
103.49.212.197
103.49.212.198
103.49.212.199
103.49.212.200
103.49.212.201
103.49.212.202
103.49.212.203
103.49.212.204
103.49.212.205
103.49.212.206
103.49.212.207
103.49.212.208
103.49.212.209
103.49.212.210
103.49.212.211
103.49.212.212
103.49.212.213
103.49.212.214
103.49.212.215
103.49.212.216
103.49.212.217
103.49.212.218
103.49.212.219
103.49.212.220
103.49.212.221
103.49.212.222
103.49.212.223
103.49.212.224
103.49.212.225
103.49.212.226
103.49.212.227
103.49.212.228
103.49.212.229
103.49.212.230
103.49.212.231
103.49.212.232
103.49.212.233
103.49.212.234
103.49.212.235
103.49.212.236
103.49.212.237
103.49.212.238
103.49.212.239
103.49.212.240
103.49.212.241
103.49.212.242
103.49.212.243
103.49.212.244
103.49.212.245
103.49.212.246
103.49.212.247
103.49.212.248
103.49.212.249
103.49.212.250
103.49.212.251
103.49.212.252
103.49.212.253
103.49.212.254