放大
缩小
全文复制
“靠脸吃饭”，刷脸支付的到来让这句调侃变成现实。这一切基于人脸识别技术正在走向商用，它带来了便捷性，但应用的局面并不乐观。
人脸识别技术在技术进步同时，也带来了关于隐私的伦理之问、安全性可控边界之惑。美国部分地区持续探讨着这些问题，并在引入人脸识别技术上较为谨慎——旧金山成为美国第一个禁止地方机构使用面部识别技术的城市，科技巨头亚马逊选择在连锁超市走“刷手支付”之路。
在国内，人脸识别的技术环境较美国宽松许多。科技巨头们正在通过人脸识别向支付市场进击。在一些公开报道中，也有商家认为，刷脸支付还没有那么方便。先进的人脸识别，究竟为何还没有得到广泛信赖？
透明度有限
中国传媒大学从事大数据与人工智能研究的沈浩教授谈到，人脸的收集并不难，在今天，一个摄像头便很容易在特定的环境中捕捉很多脸。在一些时候，人脸识别反而被认为具有危险性。
《经济学人》刊发于2017年的报道提出，人脸本身存在特殊性，“人脸和其他生物的特征数据，比如和指纹之间存在一个巨大区别是，它们可以远距离起作用。任何人只要有手机都能拍摄一张照片供人脸识别程序使用。”
据记者了解，技术公司往往需要使用人的照片来训练相关技术的精准度，这项工作的前提就是收集大量的人像素材。
沈浩介绍人脸识别技术原理时提到，一般首先需要拥有关于人脸图像的数据集；第二阶段是进行侦测，例如判断是否是一张脸，其性别、年龄、情绪、是否佩戴眼镜、是否张着嘴等；第三阶段被称作人脸识别和认证，涉及新获得的照片与数据集的比对。
“认证的前提是我已经（在数据库）有了一张脸，那么就是我拍到的这张脸，是否跟这个已经存在的脸达到一定的相似性？怎么相似？实际上，现在的计算机的人工智能算法可以把一张脸的特征取出来，比方说有64个点、68个点、128个点。”沈浩解释说，比对过程一般有两类，一类是静态检测，一类是活体检测，支付宝采用的现场刷脸支付属于活体检测，在技术上要求更高。
关于采集于何处，美国国家标准与技术研究所（NIST）网站提供了一部分答案。NIST曾举办人脸识别软件竞赛，据其所发布的一份项目报告提到，从2017年6月到2017年9月，NIST对16个开发人员的41种面部识别算法进行了评估，并指出算法应用于两种类型的静态类数据集：“野外的”新闻摄影和社交媒体图像，以及从监控视频中识别出的人像库。
沈浩谈到，人脸的收集并不难，在今天，一个摄像头便很容易在特定的环境中捕捉很多脸。另一种较易操作的方式是从影视作品中截取名人的脸部图像来训练，因为“在网上有很多他们的脸，而且我还知道他们是谁”。
国内某知名科技公司员工张弛（化名）谈到，其实在一些商业场所，经常能看到人脸数据采集的情况，但这个并没有跟顾客签任何授权协议，或者经过其同意，而且顾客也不知道这些数据会存在哪里、用来做什么。
2019年10月11日，《纽约时报》报道了这样一个故事。2005年的一天，一个母亲在网络相册类网站Flichr上传了她的两个孩子的照片，多年之后，她发现孩子们的照片被存储到用于人脸识别的数据库MegaFace中。报道还称数百万个Flichr的图像被存入名为MegaFace的数据库中。
而在国内，微信朋友圈中不难看到这些活动。人们上传照片，就可以变成穿军装、古装的样子。一些算命小程序也在鼓励人们提交真实照片。人们的样子被捕捉了，却很难知晓。一些数据集会要求非商业目的使用，但这些收集的图片被用作何处，是否存在倒卖甚至用于色情产业，外界很难获知。科技公司在这方面的透明度并不高。
据了解，至少人脸识别与精准营销的联系已经不成为秘密。沈浩认为，在国内环境中，人脸识别技术被滥用的可能性较低，规范性企业可能更避免如此。“找到你的脸干吗？做营销？有可能，因为这件事本身也是在这么做的。但如果说收集你的脸，将来可以用于非法牟利，比如窃取支付宝信息，这是不可能的。”
精准营销“这现象是会有的，但是大部分的技术都没有涉及这个问题。因为他可能觉得其他方法更方便，那么他不需要这样，还有他如果采用了这种方法，必然会有另一些方法去遏制这种方法。”沈浩隐晦道。
不同语境之下，两种命运
与国内对于技术的拥抱不同，记者获悉，在科技土壤肥沃的美国，人脸识别技术的落地生根实际更不容易。
据《华尔街日报》发表于2019年5月16日的报道，旧金山成为美国第一个禁止地方机构使用面部识别技术的城市，进一步推动监管这项技术。旧金山监督委员会以高票通过了一项条例，包括上述禁令，且还规定任何想要购买监控系统的城市机构必须事先经过该委员会审核。
科技巨头亚马逊，因这项技术而处在舆论的风口浪尖。
据路透社5月23日的报道，过去一年间，亚马逊的人脸识别技术已在俄勒冈州和佛罗里达州的执法部门使用，但收获两种评论：批评者认为会带来有偏差的逮捕行为，支持者则认为这可以保护公众安全。
与阿里巴巴力推刷脸支付不同，据《纽约邮报》发表于9月3日的报道，亚马逊开始测试用来识别单个手的扫描仪，在未来将作为在超市连锁店的新的支付方式，这种方式被简称为“刷手支付”。
在中国国内，人脸识别技术正在被规划普及。已经在移动支付市场上取得超过90%份额的蚂蚁金服和腾讯集团正在安装各自的人脸识别屏幕，期望进一步争取市场份额。人脸识别公司旷视科技在2018年还入股便利店品牌“好邻居”，旨在数字化改造其门店。在中国，人脸识别技术至少进入安防、金融、交通、零售、医疗、校园甚至易学等多个领域，呈现多点开花局面。
张弛谈到，为了保证准确率，人脸识别技术要根据人种、肤色等，拥有一套相应的算法，需要不停地去训练，样本库越大越好，这样训练的模型就能够更精确地进行识别。
沈浩谈到，美国对于个人信息保护的法规较多，人们对于人脸识别等新技术的商业行为触及的法律较为敏感。这项技术还在发展之中，它的特殊性，使得围绕它存在话题空间。
沈浩表示，目前在国内，法无禁止则可行，“一旦未来的中国，如果老百姓或者特定区域人群的觉悟高了，认为不该这样，我们可能就限制了。并不是说技术不能用，而是人感觉不能用，那就不应该用。”
场景边界欠缺探讨
人脸识别技术尽管在国内多点开花，大公司纷纷寻求更多商业场景。但是哪些领域不甚适合，目前也欠缺这样的探讨。
9月初，一张对着某活动现场大屏幕所拍摄的图片在微博上传播，图片上展示旷视科技的人脸识别技术可用于追踪学生的课堂行为，辨别学生的“听讲”“走神”“睡觉”等行为。这项技术乍听似乎有助于学生更认真地学习，但引起了网民的讨论。上述事件似乎抛出了新问题：人脸识别技术触角的边界在哪儿。当该技术应用于公共场合时，有些行为被捕捉与识别，显得无关紧要。有些则是在伦理边缘试探，需要谨慎。随着时间推移，这个问题，科技企业或终将面对。尽管面临诸多不确定性，但新潮已来。
人们注意到，在刚刚结束的第六届乌镇互联网大会上，15项世界互联网领先成果发布，旷视科技将算法训练与模型改进过程流程化的Brain++技术居于其列。《经济学人》在2017年的观点似乎如今仍然适用：这些规则都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。
