内容简介:2009年,多名美国亚裔消费者投诉,尼康相机的“眨眼提醒”功能总是错误地提示他们拍照时眨眼了;2015年,美国谷歌公司基于面部识别技术开发的一种图片应用,将一位用户的黑人朋友标记为“猩猩”。面部识别技术越来越先进,并不断渗透我们的日常生活。一些人乐观地认为,“刷脸”时代正在向我们走来。可是,“刷脸”真的靠谱吗?至少从目前看,还得打上一个问号。最近一段时间,“刷脸”接二连三地出糗。
2009年,多名美国亚裔消费者投诉,尼康相机的“眨眼提醒”功能总是错误地提示他们拍照时眨眼了;2015年,美国谷歌公司基于面部识别技术开发的一种图片应用,将一位用户的黑人朋友标记为“猩猩”。
面部识别技术越来越先进,并不断渗透我们的日常生活。一些人乐观地认为,“刷脸”时代正在向我们走来。可是,“刷脸”真的靠谱吗?至少从目前看,还得打上一个问号。
准确度欠缺
最近一段时间,“刷脸”接二连三地出糗。
在美国,有机构使用亚马逊公司的面部识别系统扫描了535名国会议员的面部照片,并与相关数据库中的2.5万张罪犯照片比对,结果28名议员被系统识别为罪犯。
英国多个城市的警方开始试应用面部识别技术。但最近公布的有关数据显示,伦敦警方使用的面部识别系统错误率高达98%,被批评为“几乎完全不准确”。伦敦警察局局长克雷茜达·迪克对此辩护说,她不认为这项技术会带来大量逮捕行动,但公众“期待”执法机构测试使用面部识别技术。
英国警方曾将面部识别技术应用在音乐会、节日庆典或足球赛等场合。据英国媒体报道,在威尔士加的夫举行的2017年欧洲冠军联赛决赛中,警方使用的面部识别系统产生2400多次匹配,其中2200多次是“假阳性”匹配,即把普通人错认为犯罪嫌疑人。
美国麻省理工学院“媒体实验室”研究人员测试了微软、IBM(国际商用机器)和中国旷视科技3家公司的面部识别系统,让3个系统判断1270张图片中人物的性别。结果显示,3个系统对肤色较浅男性的判断错误率都低于1%,识别效果较好;但对肤色较深女性的判断错误率从21%到35%不等,识别效果差。
训练数据不理想
对于“媒体实验室”的研究,IBM公司沃森和云平台业务首席架构师鲁奇尔·普里说,人工智能系统深度学习的有效性有赖于训练的基础数据。即使人工智能模型本身设计优异,不理想的训练数据只能导致高错误率及带有偏见的判断。曾有研究显示,在美国广泛使用的一套面部识别系统训练数据中,超过75%的图像为男性,超过80%的人为白人。
英国《自然》杂志在近期一篇评论文章中也指出,无论在学术界还是产业界,开发出复杂算法会广受赞誉,但相对而言,很少有人关注数据如何收集、处理和归类。导致人工智能产生偏见的一个主要因素,就是训练所使用的数据质量不佳。
麻省理工学院人工智能研究人员乔纳森·弗兰克尔认为,很多用于面部识别的图片质量不佳,尤其是那些街头监控摄像头拍下的图片,也是导致面部识别技术在实际应用上经常出错的一个重要原因。
忧心隐私安全
除本身存在技术问题,面部识别大量使用还引发了对个人隐私的担忧。美国乔治敦大学法律中心一份关于技术与隐私的报告显示,美国目前有16个州允许美国联邦调查局使用面部识别技术,将犯罪嫌疑人照片与相关数据库中的驾照照片进行比对。
美国数字化权利保护组织电子前沿基金会的詹妮弗·林奇说,很多人并不同意警方在寻找罪犯时比对自己的照片,他们并不知道州政府有这种政策。
出于对隐私和安全的担忧,一些人甚至研制推出了反监测装备。德国人亚当·哈维曾在德国混沌通信大会上介绍了自己研制的“假面”产品,比如在衣服上绘制起迷惑效果的图案,让面部识别系统难以识别真实的脸。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
JSON 在线解析
在线 JSON 格式化工具
RGB HSV 转换
RGB HSV 互转工具