相信各位對人臉識別系統(tǒng)并不陌生，像面部考勤機、手機面部解鎖以及最近興起的面部識別支付等等，都是其比較常見的應用類型。一般來說，人臉識別的方式是采用攝像機作為識別信息的獲取裝置，以非接觸的方式來獲取識別對象的面部圖像，最終通過計算機來比對信息完成識別。

之前，美國國土安全部還表示預計在四年內(nèi)為97％的離境乘客將使用人臉識別技術，并在2018年底在美國15個機場開始投入使用，主要用在登機時拍攝乘客。然而現(xiàn)在，美國人在看待人臉識別技術上，似乎發(fā)生了180°大轉彎，甚至在今年5月份，對人臉識別技術發(fā)出了禁令，美國人對人臉識別的態(tài)度為何急轉直下？

對人臉識別開出全球首張禁令的是美國的舊金山市，其禁止臉部識別技術在政府機關與執(zhí)法機關中使用。實際上，美國社會對人臉識別技術活的反對不單單只有舊金山一個城市。近期，加州奧克蘭市正在考慮出臺與舊金山類似的法律。不僅如此，馬薩諸塞州也在考慮在該州中禁止人臉識別軟件，直到這項技術有所提高。

說起人臉識別技術，美國在該領域一直處于前沿位置。大概在2016年的時候，亞馬遜便推出了Rekognition，此外，類似的產(chǎn)品還有谷歌云Vision API、IBM Watson Visual RecogniTIon和微軟Face API。盡管如此，目前的人臉識別技術尚未達到百分百的準確性。

去年，一篇發(fā)表在外媒網(wǎng)站的文章中指出，如今非常熱門的AI應用人臉識別，針對不同種族的準確率差異巨大。其中，針對黑人女性的錯誤率高達21％－35％，針對白人男性的錯誤率則低于1％，這在美國可以說是非常不正確的。

這里，還有一個烏龍事件需要強調(diào)，亞馬遜在2016年推出的圖像識別AI系統(tǒng)RekogniTIon，曾將28名美國國會議員識別成了罪犯，當時引得美國社會一片嘩然，也令大眾對人臉識別技術充滿了質疑。

對于人臉識別存在的技術誤差，中國科學院自動化研究所張曉波博士曾表示，照明、姿勢、裝飾等都會對人臉識別系統(tǒng)產(chǎn)生影響，而對于那些非合作情況下的人臉圖像采集，遮擋問題仍很嚴重。特別是在實際監(jiān)控環(huán)境中，被監(jiān)控對象常會佩戴著眼鏡或帽子等配件，使得捕獲的人臉圖像不完整，影響后續(xù)的特征提取和識別，甚至導致人臉檢測算法無效，且在大規(guī)模應用環(huán)境中，如何維持或提高人臉識別算法的識別率，目前也是一個非常重要的問題。

除了技術準確性外，人臉識別的安全性也在美國面臨著普遍質疑。其中一個就是，由于人臉識別的信息存儲仍基于計算機可識別的語言，也就是我們常說的數(shù)字或特定代碼，隨著這些數(shù)據(jù)價值的提高，使其遭到黑客攻擊的風險也會隨之增高。一旦這些個人數(shù)據(jù)被竊取，你的臉可能就不只屬于自己了。

就像前面說的，人臉識別技術對于不同種族的人有不同的準確率，無論是論文作者的研究還是廠商的實驗，都明確的發(fā)現(xiàn)了女性深色膚色的識別誤差率更高。種族歧視作為美國社會中的一個敏感話題，如果對人臉識別技術的相關法律還未足夠完善，將使人臉識別技術處于爭議之中，而爭議更大的在于，美國民眾對于“被監(jiān)控”本身的反感和憂慮。

早前，亞馬遜及其他大多數(shù)科技公司都與美國警方保持著合作，將面部識別技術應用于視頻監(jiān)控和警察穿戴的相機鏡頭，包括俄勒岡州在內(nèi)的眾多美國州立政府已經(jīng)成為RekogniTIon的用戶，RekogniTIon能夠實時地辨別、分析和跟蹤，并能在幾秒鐘內(nèi)將收集到的信息與數(shù)據(jù)庫里成千上萬個圖像進行比對。執(zhí)法機關已經(jīng)將這個技術應用于尋找失蹤人口和識別恐怖襲擊中的嫌疑人中。

但是，美國公民自由聯(lián)盟（American Civil Liberties Union，ACLU）曾致信給政府稱，亞馬遜應該停止向美國政府提供強大且“危險”的人臉識別系統(tǒng)Rekognition?！吧蠒焙蟛痪茫薪?0家亞馬遜的股東機構向 Jeff Bezos發(fā)出信件，對亞馬遜Rekognition被應用于執(zhí)法部門所帶來的問題和影響而擔憂。

不僅是亞馬遜的股東，美國民眾也有類似的看法，將人臉識別技術應用到前端視頻監(jiān)控攝像機上，可能會打破隱私及實用性之間的平衡。假設美國警方有若干臺這樣的安防攝像機，同時擁有可疑人員的“黑名單”照片庫，那么其他任何人如果與這些可疑人員有一些相像，一旦進入警察的安防攝像機的鏡頭之內(nèi)，都有可能受到警務人員的盤問，而這是大多數(shù)美國人所不希望的。