“靠臉吃飯”，刷臉支付的到來讓這句調侃變成現實。

這一切基于人臉識別技術正在走向商用，它帶來了便捷性，但應用的局面并不樂觀。

《中國經營報》記者了解到，人臉識別技術同時帶來了關于隱私的倫理之問，安全性可控邊界之惑。美國部分地區持續探討著這些問題，并在引入人臉識別技術上較為謹慎——舊金山成為美國第一個禁止地方機構使用面部識別技術的城市，科技巨頭亞馬遜選擇在連鎖超市走“刷手支付”之路。

在國內，人臉識別的技術環境較美國寬松許多。科技巨頭們正在通過人臉識別向支付市場進擊。在一些公開報道中，也有商家認為，刷臉支付還沒有那么方便。

先進的人臉識別，究竟為何還沒有得到廣泛信賴？

透明度有限

在一些時候，人臉識別反而被認為具有危險性。

《經濟學人》刊發于2017年的報道提出，人臉本身存在特殊性，“人臉和其他生物特征數據，比如和指紋之間存在一個巨大區別是，它們可以遠距離起作用。任何人只要有手機都能拍攝一張照片供人臉識別程序使用。”

據本報記者了解，技術公司往往需要使用人的照片來訓練相關技術的精準度，這項工作的前提就是收集大量的人像素材。

中國傳媒大學從事大數據與人工智能研究的沈浩教授向本報記者介紹了人臉識別技術的原理。

沈浩提到，一般首先需要擁有關于人臉圖像的數據集;第二階段是進行偵測，例如判斷是否是一張臉，其性別、年齡、情緒、是否佩戴眼鏡、是否張著嘴等;第三階段被稱作人臉識別和認證，涉及新獲得的照片與數據集的比對。

“認證的前提是我已經（在數據庫）有了一張臉，那么就是我拍到的這張臉，是否跟這個已經存在的臉，達到一定的相似性，怎么相似？實際上，現在的計算機的人工智能算法可以把一張臉的特征取出來，比方說有64個點、68個點、128個點。”沈浩解釋說，比對過程一般有兩類，一類是靜態檢測，一類是活體檢測，支付寶采用的現場刷臉支付屬于活體檢測，在技術上要求更高。

擁有計算機博士學位的李智佳向本報記者舉例，“比如將你的人臉基礎數據存入數據庫中，就可以用來做比對，如果系統試著找了一百個特征，其中有90個以上都是指向你的，那基本上就確定這個人就是你了，新拍的照片就是你了。”自己的數據是否被采集，一般人不容易知曉。

關于采集于何處，美國國家標準與技術研究所（NIST）網站告訴了一部分答案。NIST曾舉辦人臉識別軟件競賽，據其所發布的一份項目報告提到，從2017年6月到2017年9月，NIST對16個開發人員的41種面部識別算法進行了評估，并指出算法應用于兩種類型的靜態類數據集：“野外的”新聞攝影和社交媒體圖像，以及從監控視頻中識別出的人像庫。

沈浩談到，人臉的收集并不難，在今天，一個攝像頭便很容易在特定的環境中捕捉很多臉。他提到另一種較易操作的方式是從影視作品中截取名人的臉部圖像來訓練，因為“在網上有很多他們的臉，而且我還知道他們是誰。”

記者通過國內某知名科技公司員工張弛（化名）獲悉，數據的來源也包括一些公開的數據集，國際上諸如麻省理工、哈佛、微軟等機構，它們通過合法授權或者客戶授權的方式，能夠收集成一個比較大的人臉圖片庫，每一家做算法或軟件的公司可拿這些數據集來做訓練，訓練結束之后還可去識別其他的人臉圖片庫。

數據集可通過爬蟲等方式獲取人像圖片。記者在加州理工學院視覺實驗室的數據集“Caltech 10000”的下載頁面看到，該數據集使用Google圖片搜索引擎的關鍵詞收集所得，包含了7092張圖，10524個人臉。

記者了解到，也有數據集通過志愿者提供數據。但除了這一種方式之外，人們的圖像被實驗室或科技公司用來訓練，一般不容易得知。

張弛談到，其實在一些商業場所，經常能看到人臉數據采集的情況，但這個并沒有跟顧客簽任何授權協議，或者經過其同意，而且顧客也不知道這些數據會存在哪里，用來做什么。

2019年10月11日，《紐約時報》報道了這樣一個故事。2005年的一天，一個母親在網絡相冊類網站Flichr上傳了她的兩個孩子的照片，多年之后，她發現孩子們的照片被存儲到用于人臉識別的數據庫MegaFace中。報道還稱數百萬個Flichr的圖像被存入名為MegaFace的數據庫中。

而在國內，微信朋友圈中不難看到這些活動。人們上傳照片，就可以變成穿軍裝、古裝樣子。一些算命小程序也在鼓勵人們提交真實照片。

人們的樣子被捕捉了，很難知曉。一些數據集會要求非商業目的使用，但這些收集的圖片被用作何處，是否存在倒賣甚至色情產業，外界很難獲知。科技公司在這方面的透明度并不高。

前段時間，AI換臉應用“ZAO”陷入輿論中心，“ZAO”用戶需同意授予“ZAO”及其關聯公司以及“ZAO”用戶全球范圍內完全免費，不可撤銷、永久、可轉授權和可再許可的權利，希望將使用用戶人臉的權利轉嫁給自己而引發爭議。

據記者了解，至少人臉識別與精準營銷的聯系已經不成為秘密。

《經濟學人》在2017年的封面文章中談到，Facebook的人臉圖片庫不對外界開放，但這家硅谷巨頭可以獲取某家車行的客流圖片，然后利用人臉設備向其發送汽車廣告。

沈浩認為，在國內環境中，人臉識別技術被濫用的可能性較低，規范性企業可能更避免如此。“找到你的臉干嗎？做營銷？有可能，因為這件事本身也是在這么做的。但如果說收集你的臉，將來可以用于非法牟利，比如竊取支付寶信息，這是不可能的。”

精準營銷“這現象是會有的，但是大部分的技術都沒有涉及這個問題。因為他可能覺得其他方法更方便，那么他不需要這樣，還有他如果采用了這種方法，必然會有另一些方法來去遏制這種方法。”沈浩隱晦道。

不同語境之下，兩種命運

與國內對于技術的擁抱不同，記者獲悉，在科技土壤肥沃的美國，人臉識別技術的落地生根實際更不容易。

據外媒報道，舊金山成為美國第一個禁止地方機構使用面部識別技術的城市，進一步推動監管這項技術。舊金山監督委員會以高票通過了一項條例，包括上述禁令，且還規定任何想要購買監控系統的城市機構必須事先經過該委員會審核。

科技巨頭亞馬遜，因這項技術而處在輿論的風口浪尖。

據路透社5月23日的報道，過去一年間，亞馬遜的人臉識別技術已在俄勒岡州和佛羅里達州的執法部門使用，但收獲兩種評論，批評者認為會帶來有偏差的逮捕行為，支持者則認為這可以保護公眾安全。

與阿里巴巴力推刷臉支付不同，據《紐約郵報》發表于9月3日的報道，亞馬遜開始測試用來識別單個手的掃描儀，在未來將作為在超市連鎖店的新的支付方式，這種方式被簡稱為“刷手支付”。

據本報記者了解，美國各地的官員、活動人士和公司都在討論，如何平衡迅速發展的人工智能技術的實用性以及該技術可能侵犯隱私和侵蝕公民自由的隱憂。據了解，在全美范圍內，越來越多的人認為人臉識別系統不夠準確，難以應用于警務，因為該技術可能會將某人誤識為犯罪嫌疑人，尤其是對膚色較深的人。據悉，加州和馬薩諸塞州也在考慮類似舊金山對人臉識別的禁令。美國還有一些人臉識別的反對者擔心國家監控公民。

同樣是在零售場景，在中國國內，人臉識別技術正在被規劃普及。已經在移動支付市場上取得超過90%份額的螞蟻金服和騰訊集團，正在安裝各自的人臉識別屏幕，期望進一步爭取市場份額。人臉識別公司曠視科技在2018年還入股便利店品牌好鄰居，旨在數字化改造其門店。

據記者梳理，在中國，人臉識別技術至少進入安防、金融、交通、零售、醫療、校園甚至易學等多個領域，呈現多點開花局面。

張弛談到，為了保證準確率，人臉識別技術要根據人種、膚色等，擁有一套相應的算法。用于人臉識別的技術需要有一套算法，需要不停地去訓練，樣本庫越大越好，這樣訓練的模型就能夠更精確地進行識別。

沈浩談到，美國對于個人信息保護的法規較多，人們對于人臉識別等新技術的商業行為觸及到的法律較為敏感。

這項技術還在發展之中，它的特殊性，使得圍繞它存在話題空間。

在沈浩看來，人臉識別技術是否值得使用，更簡單的衡量方式是人們在感性上希望不希望使用，是否會感到被傷害。

沈浩表示，目前在國內，法無禁止則可行，“一旦未來的中國，如果老百姓或者特定區域人群的覺悟高了，認為不該這樣，我們可能就限制了，并不是說技術不能用，而是人的感覺不能用，那他就不應該用。”

場景邊界欠缺探討

本報記者觀察到，人臉識別技術盡管在國內多點開花，大公司們紛紛尋求更多商業場景。但是哪些領域不甚適合，目前也欠缺這樣的探討。

9月初，一張對著某活動現場大屏幕所拍攝的圖片在微博上傳播，圖片上展示著曠視科技的人臉識別技術可用于追蹤學生的課堂行為，辨別學生的“聽講”“走神”“睡覺”等行為。這項技術乍聽似乎有助于學生更認真學習，但引起了網民的討論。

記者了解到，2017年9月的《經濟學人》報道顯示，斯坦福大學的研究人員已經證明，當展示一名男同性戀和一名異性戀男性的照片時，算法將他們的性傾向準確地分辨出來的比例高達81%，而人類只能識別61%。《經濟學人》提出，在那些同性戀被視為犯罪的國家里，一款能夠從面部推斷出性傾向的軟件，讓人感到恐慌。

上述事件，似乎拋出了新問題：人臉識別技術觸角的邊界在哪兒。當該技術應用于公共場合時，哪些行為被捕捉與識別，顯得無關緊要。哪些則是在倫理邊緣試探，需要謹慎。隨著時間推移，這個問題，科技企業或終將面對。

盡管面臨諸多不確定性，但新潮已來。

記者注意到，在剛剛結束的第六屆烏鎮互聯網大會上，15項世界互聯網領先成果發布，曠視科技將算法訓練與模型改進過程流程化的Brain++技術居于其列。

《經濟學人》在2017年的觀點似乎如今仍然適用。這些規則都不能改變發展的方向。“隨著可穿戴設備的普及，攝像頭只會越來越普遍。”

來源：中國經營報