人脸识别技术存在着潜在的失败风险 我们要谨慎对待

人脸识别技术存在着潜在的失败风险 我们要谨慎对待

Walker解释称，“与其它一些公司不同，谷歌正在努力解决与人脸识别技术相关的一系列重要技术与政策性问题。与众多具有多种用途的新技术一样，人脸识别的应用同样需要被慎重考量，从而确保其使用方式符合我们的原则与价值观，同时避免滥用与可能出现的危害性结果。”

Salesforce公司首席科学家Richard Socher也抱有同样的焦虑情绪。在本月于蒙特利尔召开的NeurlPS 2018大会期间，他在接受VentureBeat采访时表示，正是由于存在这些顾虑，Salesforce公司目前才决定不通过Einstein图像识别API为Einstein Vision提供人脸识别功能。

他指出，“一旦我们开始根据某人的面部做出各种重要的决策，那么由此引发的后果有可能非常可怕。人工智能在决策层面的实际表现，完全取决于其用于训练的数据质量。”

人工智能的失误

然而，并非每一家公司都有同样的审慎态度。

他在博文中写道：“根据报道，目前并没有出现任何与亚马逊Rekognition相关的执法滥用行为。选择利用这些新型技术的组织必须采取负责任的态度，否则将面临受到法律处罚以及公开谴责的风险。对此，AWS一直抱以严肃的态度和责任。”

但必须承认，很多参与方并非如此。

今年9月，The Intercept网站发布的一篇报告显示，IBM公司与纽约市警察局合作开发出一套系统，允许执法方根据肤色、头发颜色、性别、年龄以及各种面部特征进行人物搜索。利用纽约警察局提供的来自约50台摄像机的“成千上万”张照片，该人工智能方案学会了如何识别服装颜色以及其它体貌特征。

IBM公司的一位发言人指出，这套系统仅被用于“评估性目的”。但于2017年发布的IBM智能视频分析2．0产品确实提供一种与此相似的摄像头监控功能，可以通过“亚洲人”、“黑人”以及“白人”等标签对拍摄目标进行自动标记。

偏见的可能性

除了Socher所提到的道德原则之外，也有越来越多的研究对于人脸识别技术的整体准确度持怀疑态度。

即使是美国规模最大的车载摄像机供应商之一Axon公司的CEO Rick Smith，今年夏季也对此做出表态，指出人脸识别技术对于执法类应用而言还不够准确可靠。

他解释称，“这类技术方案还没有做好真正通过人脸识别做出行动决策的准备。在我们看来，因为其中可能出现的技术故障或将带来灾难性的后果，大家不应急于将其部署至实际场景当中。”

技术层面的进展

过去十年以来，众多失误和问题的出现似乎令人脸识别技术的前景蒙上了一层阴影。然而，必须承认的是，这项技术一直在准确度以及解决偏见问题等技术性层面取得可喜的进展。

今年6月，通过与人工智能公平性专家们开展合作，微软公司修改并扩展了其用于模型训练的Face API数据集。Face API是一项微软Azure API，主要提供用于检测、识别及分析图像中人脸内容的算法。通过与肤色、性别以及年龄相关的大量新数据，Face API如今能够将深肤色男性与女性的错误判断率降低至原本的二十分之一，对女性的错误判断率则降低为原先的九分之一。

与此同时，初创企业Gfycat公司也于今年表示，其将引入更为严格的检测阈值，从而努力提高其人脸识别算法在判断亚裔人士面部方面的准确性。

另外，值得一提的是，一系列新型算法偏见缓解工具的加速出现，也在有力提高人工智能方案的公正性水平。

不过根据Smith的说法，这方面的发展道路还相当漫长。

他在今年早些时候发布的一篇博文中写道：“即使解决了偏见问题，即人脸识别系统能够以对所有人都公平公正的方式运作，其中仍然存在着潜在的失败风险。与众多其它人工智能技术一样，就算彻底排除到偏见性因素，人脸识别方案通常都会存在一定程度的误差。一切工具都可用于善途或者恶途，而工具本身越强大，其可能带来的收益或者损害也就越明显。人脸识别技术给我们提出了一系列新问题，特别是在与隐私以及言论自由等基本人权保护核心相关的层面，因此，必须始终对此保持谨慎的心态。”

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。