人工智慧接管城市裡的攝像頭預防犯罪，奧威爾式的監控也成為可能 | 人工智慧關鍵在人 ③

1962 年，紐約路不拾遺，公寓的房門連門鎖都不裝。

但每個公寓都藏有一個攝像頭，畫面傳到黨衛軍總部。陰暗的房間里，身著黑色制服的黨衛軍士兵盯著一牆的小屏幕，記錄著每個居民的一舉一動。

這是美劇《高堡奇人》構想的新世界。在這個世界裡，盟國輸掉二戰、紐約成了納粹美國的首都。人們的生活更安全，也更危險。

不管你喜歡什麼類型的電影，大概都看過這樣的橋段。根據劇情的需要，監視器前的觀察者有可能被輕易騙過，也有逮個正著。

不過如果圖形晶元巨頭英偉達的計劃成真，這樣的俗套會越來越少。

上個月，半導體設計廠商英偉達發布了一個叫做「大都會」（Metropolis）的人工智慧平台。這個名字聽起來就非常賽博朋克的產品提供了一個聽起來很高科技的願景：整個城市的監控攝像頭不再是各自為政的閉路系統，而是都將運行在同一個平台上，所有的視頻會彙集到雲端存儲，並由人工智慧進行視頻分析。

經過訓練，人工智慧將代替人類執法人員，識別出城市中發生的所有突發事件：比如交通事故、暴力犯罪、火災等等。在英偉達的規劃里，這些信息會被彙集到城市管理部門去，提高執法部門、消防隊的響應速度。

英偉達給這個願景準備了一個產業鏈：和大華、海康威視等傳統監控攝像機廠商合作，讓這些攝像頭使用英偉達的晶元；後續的人工智慧計算由英偉達提供人工智慧晶元 Jetson 來完成，整個平台的雲計算加速運行在英偉達的 DGX-1 超級計算模塊上。

這個平台如果真的有政府買單採用，能實現的功能恐怕會比傳統的監控攝像機更為強大。人工智慧不僅能進行人臉識別，還能通過人的動作、手裡拿的東西來識別每個人。

舉例來說，就算你戴著口罩和帽子，未來的人工智慧監控也可以通過走路的姿態識別人的身份，系統會知道你從家裡出來，丟了一包垃圾，然後進了地鐵。如果你是恐怖襲擊的嫌疑人，這包垃圾或許就會被識別成疑似的炸彈，觸發執法機構的行動。

換句話講，監控系統做的事將不再僅僅是看見某個人的臉，而是有能力盯著每一個人的一舉一動。

實際上，英偉達規劃的事情已經部分實現了，現在的智能監控系統還做不到分析一個人在幹嘛，但是盯住每個人、每輛車然後拍下照片是已經成熟的技術。

中國智能監控公司格靈深瞳 2014 年的一份宣傳視頻展示，這套系統可以識別馬路上每輛車、每個人，並且把他們的照片自動拍照歸檔。

現在常見的城市視頻監控被稱為閉路電視監控（Closed-Circuit Television，CCTV），這種系統中，攝像頭拍攝的畫面不會公開播放，只在一個封閉的系統里傳輸和存儲，比如電影里那種一大堆屏幕的監控室。

現在在全球任何一個大城市，監控攝像機都是隨處可見的。以北京這個特別的地方為例，至少有三個政府部門的監控攝像機在持續工作。

最常見的治安監控，就是街頭巷尾像路燈一樣的小型攝像機。這種攝像機帶雲台，可以旋轉，一般由警察部門負責，作用是監控日常治安。

紅路燈上方安裝的槍形攝像機，主要負責拍攝車輛和行人違章，高速公路、快速路上依託橫杆安裝的槍形攝像機一部分還包含了測速功能，這些由交通警察部門負責。

除此以外，還有一種安裝位置非常高，像路燈桿形狀的攝像機，一部分屬於交通管理部門，主要用途是監控交通流量。

這些攝像機近幾年來經過「智慧城市」等等項目的升級，可以拍清楚人臉和車牌，也就是說，不管是行人、車輛還是非機動車，總有不同的攝像機會拍到你。

這一切從倫敦開始。倫敦是世界上第一個CCTV 化的城市。而它的第一個固定監視系統在 1968 年啟用，安裝在美國駐英國大使館附近的格洛夫納廣場，用以監控抗議越南戰爭的學生。

在這之後，監控系統被用在更多的地方。1993 年，閉路相機監控幫助偵破了一起命案：男孩詹姆斯·伯格在英格蘭西北部一家購物中心失蹤而後被殺。監控錄像顯示，兩名年紀更大的少年劫走了他。根據監控錄像，這兩名少年被控謀殺，而詹姆斯·伯格在監控視頻里的最後影像刺激了民眾，閉路電視監控系統得到廣泛支持。

直到 90 年代末，基於「監控會防止犯罪」這個理論，英國內政部一半以上的預防犯罪預算都用在了建設監控攝像頭上。

從覆蓋密度上來看，英國已經成了全球攝像頭最密集的國家，全境的街道和公共區域有 400-590 萬台監控攝像頭，平均每一個攝像頭盯著 11 個英國人，每個人的臉每天會被閉路電視拍攝 300 次。

2015 年的數據顯示，倫敦有超過 42 萬個監控攝像機，位居城市中的世界第二。第一名是北京，官方媒體在 2015 年以正面角度報道，稱北京城區已經實現了監控 100% 覆蓋，攝像機數量超過了 47 萬個。

最具諷刺意味的是，催生北京這龐大攝像機數量的安裝計劃，名字叫做「天網」。「天網工程」是 2008 年之前，公安部、政法委和當時的信息產業部在全國範圍內推廣的視頻監控項目，希望實現治安管理和人口信息化的功能。這個計劃的規劃者起名字的時候可能沒有參考電影《終結者》中那個奴役人類的超級人工智慧天網，但在中國的城市和鄉村，已經基本實現了對所有人口的覆蓋。

而實際上，官方公布的北京 47 萬個監控攝像機，可能遠遠不是實際數字，因為這些項目並不需要和民眾公示，實際上在工作的監控攝像機數量只多不少。

在電視台播放的法制節目里，常能看到執法部門依靠一段模糊的錄像推斷嫌疑人身份的畫面。在現實中，政府出資建設的監控攝像早就不再是這個清晰度。這些無處不在的攝像機現在普遍在 200 萬到 300 萬像素，某些型號甚至可以達到 2800 萬像素，拍清楚路上車輛里的人臉非常輕鬆。

技術升級直接提升了執法精確度。2017 年初，交通警察部門發布新聞，稱 2017 年下半年，違章車輛被抓拍之後，不再可以像以前一樣隨便拿誰的駕照都可以扣分，必須使用當時駕駛者的駕照來執行罰款。這是因為交通違章攝像機已經升級，在拍下車牌的同時可以拍到司機的臉。

在英國，關於公共場所監控的爭論已經持續了很多年。1994 年，英國當時的內政部長還安慰民眾，把監控攝像機叫做「天空中善意的眼睛」，稱對於守法公民，這些攝像機是無害的。

但反對的聲音從未停過。2007 年，英國時任政府信息委員會會長 Richard Thomas 就曾批評，稱「過度使用閉路電視以及其他信息收集系統，會給社會創造懷疑論的氛圍」，過去的所謂「監控會遏制犯罪」理論受到質疑。

2016 年，歐洲法院裁決英國《2014年資料保存和調查法案》為非法，認為對民眾進行大規模無差別的視頻監控違法，這種行動必須等到特定案件的法院許可才行。

但被判違法的這個法案在 2016 年底就會失效，取而代之的是《調查權力法案》，新法可以讓英國近 50 個政府部門擁有查看監控信息的許可權，英國執政的工黨認為，這個發難有助於打擊恐怖主義和犯罪。

但就目前的技術手段來說，這個系統監控普通民眾和犯罪嫌疑人一樣低效。

2011 年，倫敦地區爆發暴亂。大批暴徒上街和警方對峙。警方出動武力鎮壓並且驅散人群之後，他們還需要尋找曾經在暴亂中毀壞他人財物，燒車、搶劫商鋪的罪犯。最後，倫敦警局從監控視頻鑒別出 5000 名嫌疑犯的身份。

5000 的數字聽上去不錯，但這花了整整 5 個月時間，因為當時的監控視頻長達 20 萬小時。

專門做這個事情的警方特殊分隊，叫做「超級人臉識別者」（super-recognizer）。他們的主要工作，就是在巡邏和逮捕犯人之餘，大量看監控攝像頭裡面低像素的人臉圖，認出慣犯。

比如 Gary Collins 警官就在監控攝像頭錄像中認出一個用汽油彈燒車的年輕人。

這段晚上拍攝的錄像，本來像素比較低，犯人帶著羊毛帽子，光只照到他的側臉，一邊臉都是陰影。但 Collins 還是認出來了他，這人是早前他逮捕過的搶劫犯，Collins 根據之前的逮捕記錄，找到罪犯的名字最後抓捕歸案。

Collins 和他的小分隊都是人臉識別界天賦異稟的人，根據劍橋人臉識別測試，他們能夠認出 95% 看過的臉，但普通人在這項技能上的得分只有 20%（不信你可以自己做一下這個測驗）。

能這樣對人臉過目不忘的人太少，而需要處理的視頻太多。

在英國警局，「超級人臉識別者」團隊只有 6 個人，他們帶領一個經過培訓的 150 名流動警員來搞定棘手的監控錄像。

就像是威爾史密斯早年的電影《國家公敵》，裡面國家安全局的特工已經用了很多不切實際的新技術，隨時調用衛星、接入市政部門的系統，但還是需要一堆人盯在屏幕前才能追蹤主角。

所以這也是為什麼，即使在監控系統最嚴密的英國，監控錄像能做的只是威懾和事後追查。無論是警方還是安裝攝像頭的商家，都沒有人手能夠實時從監控畫面中發現問題，做出反應。

連最近英國一系列恐怖襲擊之前的可疑行為，監控系統也都毫無感知。這個系統對民眾隱私的威脅，只存在於理論可能。

但在最近幾年事情出現了變化。「閉路電視」，不再閉路了。

2014 年，波士頓馬拉松恐怖襲擊之後，波士頓警方也開始更換了城市裡面的監控攝像頭產品，他們用了當時加拿大公司 BRS Labs 監控錄像分析技術，讓機器自己學習「什麼視頻圖像是可疑的」。

這些新一代「閉路電視」的原理是這樣的：首先觀察人和車同時存在的環境，然後識別結果，人類監控員來確認「找到的可疑活動」結果是否準確，將結果返回給演算法。經過一段時間的訓練，人工智慧演算法就直接將拍攝到的視頻錄像進行在線分析。

像 BRS Labs 這樣的新技術，不需要公司更新硬體，只要本身攝像頭能夠聯網就可以做到使用他們的演算法。

BRS 這個公司也在融資 5 輪，拿到 2300 萬美元之後被兩度收購，現在成了深度學習工具公司 OmniAI 兜售的一個解決方案。

BRS 公司的產品，後來被用在美國多個城市的交通和公共場所視頻監控中，例如舊金山公交車上。

傳統的監控公司更擅長的與其說是技術，不如說是拿到政府訂單的能力。

監控系統要跨地域和維度進行數據交互，進展很慢。除了承包公司的能力一般都比較有限以外，政府部門之間的協作也很慢。比如根據中國公安部稍早的規劃，到 2015 年才實現跨省調取調監控圖像。

但英偉達這樣的技術公司的加入，有可能帶來改變。它和特斯拉合作的自動駕駛系統已經用在新的 Model S 汽車上。而英偉達的主業圖形處理晶元也是目前最適合進行圖像識別的硬體。

它的創始人黃仁勛已經說了一年要轉型成人工智慧公司。

傳統的閉路電視生產商也已經在最近兩年參加了這場智能監控的熱潮。

傳統的政府攝像頭公司和英偉達合作，意味著最難的數據中心、演算法、管理軟體都可以外包出去。它們還是抓住自己最擅長的政府關係。

對人工智慧感興趣的巨頭也不只是英偉達一家。英特爾去年斥資上百億美元收購了幫特斯拉造出第一代自動駕駛系統的 MobilEye，也在探索不同的人工智慧領域。Google 開源人工智慧平台 TensorFlow 上線後，創業公司直接可以調用 Google 的語音識別和翻譯等運算能力。

硬體和演算法以外，人臉識別現在也有了長足的進步，不只是演算法，資料庫也前所未有的大。Facebook 已經鼓勵用戶標記照片裡面的好友很多年，Google 和蘋果也都在自己的照片應用里自動識別人臉，只不過識別結果不會公開而已。

Facebook 自動識別出照片裡面哪個是你，然後問你……要不要標註自己……

而沒有自己做社交網站的美國政府，資料庫裡面也已經覆蓋了一半的成年人口。

而近年來的恐怖襲擊和社會問題，政府和商業機構有了讓大眾「恐懼」的理由，將帶有視頻圖像分析、人臉識別的智能監控設備帶入日常生活中。

這有一定道理。智能攝像頭可以實時進行分析公共區域的可疑行為，實時識別出罪犯，在犯罪發生時甚至發生前通知警方。這樣的監控系統不但可以讓警方提早反應，也會有更大的震懾力。

但一個可以盯住所有人，最終會認出所有人的系統，在帶來安全的同時也可能帶來《1984》里描繪的全民監控。

「無辜的人不用害怕」，這是監控支持者常用的說法。

而最先報道斯諾登的《衛報》記者 Glenn Greenwald 最常用的反駁是，「你願意把自己的所有賬號密碼寫下來，用郵件發給我么？」

大概沒人願意，但基本上人人都將越來越多的信息交給了公司和政府。曾經是指紋、數字信息。在人工智慧的幫助下，是你出門後的每一分每一秒。

目前能期待的隱私保護，在攝像頭最多的英國是這樣規定的：個人能要求拿到拍到自己臉的監控內容的拷貝，但不能刪去原始內容。

大的科技公司，有一些還在自律以贏得用戶信任，比如 Google 和 IBM 的系統雖然也從影像中認出很多人的身份，但只識別不返回結果——名人除外。但不是所有公司都做了類似承諾，而承諾也只是承諾。

「放棄隱私，不一定會帶來安全。獲得更好的安全保障，也不一定需要失去隱私。」時任斯坦福大學法學院「互聯網和社會」中心總監 Jennifer Granick 說道。

她認為，政府和商業公司讓大眾在隱私與安全，隱私與服務之間「二選一」本身就是有問題的，為隱私立法，限定隱私被商業機構和政府使用的規則才是迫在眉睫的事情。

Jennifer Granick 上面這番話說於 2006 年 5 月。之後十年並沒有什麼進展。數字世界抹去個人信息的權利只存於歐洲（2015 年的被遺忘權訴訟）。

另一個人的話倒是成真了。

2010 年，普及社交網路、讓人主動放棄數字隱私的扎克伯格說，沒有隱私才是未來「新的社會常態」。

說完這話三年後，靠公司上市獲得千億美元身價的扎克伯格花 3000 萬美元買下臨近自己家的四幢房子，保護自己在現實生活中的隱私。

在新世界裡，隱私真不是一般人付得起的。

喜歡這篇文章？去 App 商店搜 好奇心日報，每天看點不一樣的。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！