滥用|审视人脸识别：一种AI技术的全球性滥用中薪|高薪|人脸识别|技术|全球

一场比以往更大范围的对 AI 技术合理使用（尤其是人脸识别）的批判正在展开。

文章插图
来自 MegaFace 数据集拼贴图。图片出处：Adam Harvey /megapixels.cc
2020 年的 NeurIPS 和往届有所不同。除了在线上举办，不同还在于组委会提出了一个新的投稿要求：作者需要在投稿论文中单独拟一个 “影响陈述” 章节。
该章节必须讨论文中工作将带来的更广泛影响，包括可能带来的正面或负面的社会影响。“评审员和地区主席的评估将仅基于技术贡献进行。但是，如果将某篇论文标记包含潜在的道德问题，则该论文将被发送给另一组以道德评估和机器学习为专长的审阅者。这些论文的最终接受还取决于第二批审稿人的正面评价。”NeurIPS 2020 通讯主席 Michael Littman 如此表示。
这也是 AI 顶会首次采用这种评估作法。但 NeurIPS 不是唯一一个有此要求的场合。
同样在今年，Nature Machine Intelligence 杂志也提出：机器学习论文作者在文中加入对研究更广泛的社会影响和道德承诺的声明。
甚至有人在审视自己的 AI 研究之后已经无法承受某种道德瑕疵。
今年早些时候，YOLO 系列 (v1-v3) 作者 Joe Redmon 宣布，因为无法忽视自己工作带来的负面影响，他决定退出计算机视觉领域，不再进行该方向的研究。此前，Redmon 曾与 Ali Farhadi 共同创建了 YOLO 实时物体检测系统，后者的公司 Xnor 最近被苹果收购。
这些信息并不是独立的故事线。最近，Nature 官网连续刊登 3 篇文章，集中反映了以人脸识别为代表的 AI 技术滥用及其效应。这三篇文章分别是《Is facial recognition too biased to be let loose?》、《The ethical questions that haunt facial-recognition research》和《Resisting the rise of facial recognition》。
显然，一场比以往更大范围的对 AI 技术合理使用（尤其是人脸识别）的批判正在展开。
人脸识别问世所走过的 60 年
【 滥用|审视人脸识别：一种AI技术的全球性滥用】人脸识别技术的起源可以追溯到 1960 年代。
当时，一位名叫 Woodrow Wilson Bledsoe 的计算机科学家首次使用电磁脉冲对人脸进行了测量，进而得以把人脸数据输入到测量系统中，将一张新的未知面孔与先前输入的照片的数据点进行比较。以我们今天的技术标准来看，那个系统的运行速度自然是非常慢，但事实证明，这一想法是很有价值的。很长一段时间内，由于 Bledsoe 的研究有情报机构的赞助，使得其对于人脸识别技术基本缄口不言，直到 2000 年以后 CIA 逐渐解密，Bledsoe 才被公认是最早研究人脸识别技术的科学家。
Bledsoe 的发明之后，技术的改进集中在如何增加人脸测量点上。1970 年代，Goldstein、Harmon 和 Lesk 三人建立了 21 个人脸测量点；1980 年代，研究人员使用线性代数使用了大约 100 个人脸测量点，人脸图像的低维表示进一步铺平道路。
1990 年代，第一个基于图像的粗略自动人脸检测诞生，人脸识别也从强调人脸特征识别逐渐走向了人机交互。期间不但诞生了若干代表性的人脸识别算法，美国国防高级研究计划局（DARPA）和美国国家标准技术研究院（NIST）更是推出了著名的人脸识别技术（FERET）项目，研发最先进的人脸识别算法和数据库。主要目的便是用于安全监控。这也为人脸识别引发全球轰动的时间线埋下伏笔，例如 2011 年时的本拉登事件：基地组织负责人 Osama bin Laden 在美国突袭中被杀后，最终由军方的人脸识别算法成功辨认。
21 世纪的第二个 10 年，基于深度学习神经网络的当代人脸识别技术势如破竹。
与仍需要人工操作的人机交互阶段相比，人脸识别的自动化程度和精确度都更高。在这个新的历史时期，企业开始大量投入其中，从而进一步推动人脸识别走向商用市场：云端——2010 年起，Facebook 招募了图像身份自动标记人员，从那时开始，FB 平台上每天有超过一百万张照片被上传和标注；终端——诸如 Windows Hello 和 Android 的 Trusted Face，将人脸识别作为一种安全功能集成到了个人设备中，然后在 2017 年推出了 iPhone X 和 Face ID。到了 2017 年，iPhone X 成为全球最畅销的带有人脸识别功能的手机。
当人脸识别大规模铺开使用摁下了加速键之后，越来越多人意识到，人脸识别的方向和速度产生了偏差。
抵制人脸识别的关键词之一：
偏见
根据任务，现代人脸识别系统可以简单划分为两类：将人脸与大型数据库进行匹配的一对多识别系统以及更简单的一对一验证系统。相较前者，一对一验证只涉及确认一个人与自己的照片相匹配，主要应用于解锁智能手机、护照检查之类的场景。