内容简介:人类的脸是一件杰作。面部特征之纷繁各异令人惊叹,它让人们能相互辨认,也是形成复杂社会群体的关键。人脸传递情感信号的功能也同样重要,无论是通过下意识的脸红还是有技巧的假笑。人们在清醒时花费大量时光研读一张张面孔——在办公室,在法庭,在酒吧,在卧室,寻找着兴趣、敌意、信任和欺骗的迹象。他们也花大把的时间试图掩饰自己的神色。科技正迅速赶上人类研读脸孔的能力。在美国,教堂使用人脸识别来追踪教徒做礼拜的出席情况;在英国,零售商用它来辨认有扒窃前科的顾客。今年,威尔士警方利用人脸识别在足球场外逮捕了一名嫌疑犯。在中国
人类的脸是一件杰作。面部特征之纷繁各异令人惊叹,它让人们能相互辨认,也是形成复杂社会群体的关键。人脸传递情感信号的功能也同样重要,无论是通过下意识的脸红还是有技巧的假笑。人们在清醒时花费大量时光研读一张张面孔——在办公室,在法庭,在酒吧,在卧室,寻找着兴趣、敌意、信任和欺骗的迹象。他们也花大把的时间试图掩饰自己的神色。
科技正迅速赶上人类研读脸孔的能力。在美国,教堂使用人脸识别来追踪教徒做礼拜的出席情况;在英国,零售商用它来辨认有扒窃前科的顾客。今年,威尔士警方利用人脸识别在足球场外逮捕了一名嫌疑犯。在中国,人脸识别被用于验证网约车司机的身份、让游客刷脸进景点、让顾客微微一笑就能刷脸买单。苹果的新款iPhone预计将用这一技术来解锁屏幕。
与人类的技能相比,这样的应用看似只是锦上添花。飞行或互联网这样的重大突破明显改变了人类的能力,而人脸识别似乎只是对面孔进行编码。尽管人的面孔为个人独有,但也是公开的,因此乍看起来,技术并没有侵犯隐私之嫌。但是,低成本、快速、大量地记录、存储和分析人脸图像的能力终有一天会使隐私、公平和信任等观念发生根本性的改变。
终极战线
先说隐私。人脸相比指纹等其他生物特征数据的一个巨大区别就是它们能够远距离起作用。人们只要有手机就可以拍下照片,供人脸识别程序使用。俄罗斯的一款应用FindFace抓拍陌生人的照片与社交网络VKontakte上的照片比对,识别人的准确率达70%。Facebook的面部图片库不能被其他人提取,但是,举个例子,这家硅谷巨头可以获得汽车展厅内到访者的照片,然后使用人脸识别技术在自己的网站上找到这些人,向他们发送汽车广告。即使私人公司无法将照片和身份联系起来,国家往往可以做到。中国政府有公民的面部记录;美国半数成年人口的照片储存在数据库中,可供FBI使用。如今,执法机关在追踪罪犯方面拥有了一个强大的武器,但它可能会令公民隐私遭受巨大的损害。
人脸不仅仅能表明身份,它还显示了许多其他信息,同样能由机器读取。这同样带来了一些益处。一些公司正通过分析脸部特征来自动诊断罕见遗传疾病,比如Hajdu-Cheney综合症【译注:颅骨发育不良伴肢端溶骨症】,和其他可能的手段相比,早早就发现了病情。测量情绪的系统也许能让自闭症患者更好地理解对他们来说难以捉摸的社交信号。但这项技术也造成了威胁。斯坦福大学的研究人员已经证明,面对一个男同性恋者和一个异性恋者的照片时,算法识别他们性取向的准确率可以达到81%。人类只能达到61%。在那些视同性恋为犯罪的国家,一个能从面部推断出性取向的软件让人恐惧。
钥匙,钱包,头套
不那么暴力的歧视也可能变得普遍。雇主本来就可能会根据自己的偏见来拒绝雇用某个人,而人脸识别也许会让这种偏见成为常态,令公司能够通过种族以及显现智力水平和性取向的特征过滤所有工作申请。夜总会和体育场馆也许会受到压力,可能需要扫描访客的脸来识别暴力威胁,从而保护人们——尽管由于机器学习的性质,所有的人脸识别系统都不可避免地面对概率问题。此外,这类系统可能会对那些非白色皮肤的人有偏见,因为用来训练算法的数据集里大部分是白人面孔,这样的算法不太适用于其他种族。在影响法院保释和量刑决定的自动评估 工具 中,已经出现过这样的偏见。
最终,持续的面部记录和用计算机数据测量真实世界的小工具可能会改变社交互动的本质。掩饰有助于润滑日常生活的齿轮。如果你的伴侣能发现每一个强压下去的哈欠,你的老板能觉察每一丝恼怒的表情,婚姻和工作关系都会变得更真实,但也更不和谐。社交互动的基础可能也会改变,从基于信任的一系列承诺,变成对风险和回报的算计,这些算计则源自于计算机对人们面部信息的解读。人际关系可能变得更理性,但也变得更像交易。
至少在民主国家,立法可以帮助改变利弊之间的平衡。欧洲监管机构已在即将出台的数据保护法规中嵌入了一套原则,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。这样,Facebook在欧洲就不能像在美国那样,直接向参观汽车展的人推送广告了。反歧视法律可以适用于筛选求职者照片的雇主。商业人脸识别系统的供应商可能要接受审核,证明它们的系统没有在无意中传播偏见。使用这些技术的公司也应该被问责。
然而这类规定并不能改变发展的方向。随着可穿戴设备的普及,摄像头只会越来越普遍。从太阳镜到化妆,试图欺骗人脸识别系统的种种努力已被挫败。剑桥大学的研究表明,人工智能可以重建伪装之下的面部结构。谷歌已经明确表示不会将面部信息和身份匹配,担心这会被非民主政权滥用。其他的科技公司似乎没那么讲究。亚马逊和微软都在使用它们的云服务来提供人脸识别,这项技术也是Facebook计划的核心。政府不会想放弃自己的利益。改变即将到来。直面它吧。
声明:本文来自安全内参,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如需转载,请联系原作者获取授权。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 什么是辛普森悖论?
- 从生日悖论谈哈希碰撞
- 非真,亦非假—20世纪数学悖论入侵机器学习
- 论文中的准确率指标靠谱吗?5个机器学习悖论改变你对数据的看法
- 人脸专集(三):人脸关键点检测(下)
- 应用层下的人脸识别(二):人脸库
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。
深入浅出Rust
范长春 / 机械工业出版社 / 2018-8-21 / 89.00元
本书详细描述了Rust语言的基本语法,穿插讲解一部分高级使用技巧,并以更容易理解的方式解释其背后的设计思想。全书总共分五个部分。 第一部分介绍Rust基本语法,因为对任何程序设计语言来说,语法都是基础,学习这部分是理解其他部分的前提。 第二部分介绍属于Rust独一无二的内存管理方式。它设计了一组全新的机制,既保证了安全性,又保持了强大的内存布局控制力,而且没有额外性能损失。这部分是本书......一起来看看 《深入浅出Rust》 这本书的介绍吧!