當人臉變成新的指紋，核心社會法則正被推倒重建

臉是公開的，但低成本、快速、大量地記錄、存儲和分析人臉圖像的能力，終有一天會帶來隱私、公平和信任等觀念的根本性改變。人臉識別不只是另一種技術。它將改變社會。

來源 | 《經濟學人》

編譯 | 張震、邱陸陸、項文虎

政府將在北京市所有公租房推廣人臉識別技術，用以查獲保障房違規轉租現象。去年，海淀金隅翡麗小區開始推行「人臉識別」門禁系統。截至目前，已累計查處違規轉租轉借 117 起。在中國已有多種應用的「刷臉」會成為新一代 iPhone 的屏幕解鎖手段，亞馬遜、微軟等巨頭都在使用雲服務提供人臉識別。

臉，是大自然的傑作。四個月大嬰兒即可識別面部表情，懂得非語言交際信號，比如微笑、生氣。豐富的面部特徵也是形成複雜人類社會的關鍵。如今，科技正迅速趕上人類研讀臉孔的能力。

一、滲透中的面部識別技術

曠世公司總部大廳，攝像頭眨眼功夫即可識別出訪客。有些照片會被顯示在一面叫做「天網」的視頻牆上。某幅畫面中，一群工作人員正在電梯口等待，每個人的面部都被一個白框鎖定，同時標有每個人的名字。曠視 CEO 印奇說：「這有助於抓住壞人。」

即使印先生想要思考這項技術所帶來的影響，他也不會有這個時間，因為曠視正在忙於構建一個視覺計算的「大腦」。2011 年成立以來，曠視一直在快速發展。目前服務全球 300，000 多家公司和個人用戶，已經成為該領域最大服務提供商之一。去年 12 月，曠視融資 1 億美元，估值近 20 億美元。這也意味著曠視成為人臉識別領域第一家估值超過 10 億美元的獨角獸。

該領域的供應商通常銷售面部識別硬體和軟體，同時將這些人臉數據與其他更大的數據結合起來。儘管市場不大（樂觀估計，市場規模約在幾十億美金左右），但是，這項技術正滲透到更廣闊的商業環境中，因為面部識別準確性正在迅速提升，這與語音識別類似，準確率都從百分之幾提升到近乎 100%。「大多數人都低估了 95% 的準確率和 99% 的差別——99% 意味著改變遊戲規則。」著名 AI 學者吳恩達曾這樣評價語音識別。

更重要的是，手機即可進行面部識別，就像 Echo 具有語音識別功能。數以百萬計的中國人已經通過智能手機上的「刷臉」功能來授權支付。9 月 12 日，蘋果將推出新款 iPhone，外界猜測其技術可通過準確識別用戶的面部來解鎖，即使在光線暗淡的環境中。幾周前，三星推出的新款 Galaxy Note 也有類似功能，但沒有那麼複雜。

將面部識別技術分為這兩類是有意義的：底層功能與應用。曠視屬於前者，類似企業還有中國的商湯科技、俄羅斯的 NTechLab，以及亞馬遜、IBM 和微軟，他們都將人臉識別作為一種雲服務。客戶可以上傳一批圖片和名字，再利用這些數據訓練演算法，曠視用戶即可識別特定人群。企業也可以將這項服務結合到自己的產品中，例如，控制在線賬戶訪問。

曠視和商湯的服務很大程度上依賴海量的優質數據。他們可以訪問中國政府存儲的 7 億公民的圖像資料庫（每個人在 16 歲的時候都會有一張身份證照片）。實際上，政府機構也是很有價值的客戶。數以億計的監控攝像頭也將很快地融入人臉技術。在深圳，人臉識別可以被用來捕捉亂穿馬路的人；在北京，市政當局已經這項技術識別公廁里偷紙的人（這套系統還規定每個人在 9 分鐘內只能取走 60 厘米的紙張。）

技術的商業應用，也是雲計算服務的內容之一。9 月 1 日，螞蟻金服第一次在實體店部署「微笑支付」系統：在杭州肯德基 KPRO 綠色餐廳，顧客可以通過注視屏幕來結賬。小麥便利店也宣稱將使用面部掃描檢測分析店內顧客的行為。此外，幾家銀行已經允許用戶（比如招商銀行）使用面部識別技術在 ATM 上開戶。

如今，面部識別技術正變得更好、更便宜，也正在廣泛普及開來。

相比之下，西方已經遠遠落後了。儘管一些行業很早開始使用基本的面部識別技術，例如賭場用來趕走名聲不好的賭徒，但基本上只有大型公司（謹慎地）使用這項技術。Facebook 發展最快。通過用戶標記的朋友照片，Facebook 演算法能夠在其他的照片中認出相同的人物。谷歌利用這項技術，自動將用戶上傳的圖片進行歸類。亞馬遜雖然在發展智能音箱，但下一代的 Echo Look 會配有一個攝像頭，外界猜測它將具有人臉識別的功能。

其他公司正在試水。捷藍航空和其他航空公司正在尋找匹配乘客面部與護照照片的新方案，旨在取消登機牌這一流程（百度已經和北京機場達成這一方面的合作）。Lloyds 也不是唯一一家準備向中國學習的西方銀行，他們都希望能夠用戶可以「刷臉」登錄賬戶。Uber 在印度要求司機在換班前自拍一張，以此減少未註冊司機頂替上崗的現象。晶元製造商英偉達已經計劃在新的加州總部啟用人臉識別應用。

這也有助於提升產品銷量。例如，攝像頭可以識別忠誠顧客和 VIP 成員，為他們提供特別服務。系統還可以覺察顧客臉上不滿情緒，派出員工進行有效的干預。據稱，全球最大的零售商沃爾瑪正在開發一套人臉識別系統系統，以此改善顧客服務體驗。

意料之中的是，這項服務也大大促進了反向的產業發展。例如，以色列初創公司 D-ID 已經開發出一種軟體，工具處理後的圖像無法被人臉識別演算法偵測，但是肉眼觀之，其與原始圖片看起來一樣。

然而，這些安全應用並不會阻止人臉識別的大規模應用。曠視的印奇認為，面部識別技術會成為一種商品。這也是他把眼光放得更遠的原因。公司的計算機視覺大腦正邁向解決更複雜的任務，例如，解釋人類的行為和識別特定物體。長遠來看，印奇希望他的公司能夠發展成為一家「演算法工廠」，為計算機視覺服務提供各樣模塊化產品。

二、創建面部、治癒與希望

Graig Venter 最近一次刺激到公眾的行為是他發布了一項根據人們的基因數據預測人的長相的工作。

在本周發表在《美國國家科學院院刊》(Proceedings of the National Academy of Sciences) 上的一篇論文中，Venter 博士和他的同事們描述了這個被他們稱之為「基於表現型的基因組識別」的過程。該小組從不同年齡不同種族的 1061 名被試，進行了基因組測序。他們還拍攝了被試者面部的高解析度、三維圖像，並記錄了他們眼睛和皮膚的顏色、年齡、身高和體重。這些信息被用作「訓練集」，用來開發一種能夠根據基因計算出人們長相的演算法。

通過將這種演算法應用於未知的基因組，研究小組能夠生成幾乎與真實照片相匹配的圖像，成功率 80%。(當測試僅限於單一種族的時候，成功率就降低到了不那麼的出眾的 50%，因為限定種族縮小了面部的差異。) 大約一年前，使用同樣的演算法，該公司開發了一個功能，根據母親的基因組預測她 20 歲時的樣子。結果可以與她在那個年齡的照片相比，並讓讀者自己判斷其相似性。

Venter 的預測只是基於相對較少的人群。通過機器學習技術，數據集越大，結果越好;與數以萬計的基因組結合，可以大大提高預測速度。

生物學家 Graig Venter 是生物公司 Human Longevity 的老闆。這家位於聖地亞哥的旨在建造世界上最大的基因組資料庫的公司。上世紀 90 年代末，Graig 宣布，國際上通過公共資助的項目對人類基因組進行排序的組織方法是錯誤的，他開發了一種更便宜且更快的方法。

Human Longevity 已經收集了 45,000 個基因組，其中大部分來自於參加了與特定身體特徵相關的臨床試驗的實驗者。該公司利用機器學習工具分析這些數據，然後根據基因序列預測身體特徵。現在這項技術已經提高到，公司根本不需要看到一個人就能生成他的照片。

從基因組中創建照片有很多潛在的用途，尤其是在法醫科學領域。從罪犯遺留下來的任何遺傳物質 (如血液或體液) 中，也許可以重建罪犯的面孔。這將讓警察在謀殺、故意傷人和強姦案件中「看到」嫌疑犯的面孔。它還可以幫助識別被燒傷或致殘到無法辨認的受害者。如果仍有合適的基因樣本留下，那些塵封的懸案可能會重見天日。

人臉不僅僅能表明身份，它還顯示了許多其他信息，同樣能由機器讀取。這也帶來了一些其他益處。

Face2Gene 是 FDNA 公司開發的智能手機應用。FDNA 公司是由 Moti Shniberg 和 Lior Wolf 共同創立的一家位於波士頓公司。Shniberg 之前從開發了一個識別上傳至社交媒體網站的照片中的人的標記演算法，被 Facebook 收購了。FDNA 應用程序允許醫生拍攝病人的照片，並將其上傳到互聯網（連同患者的身高、體重和臨床數據），讓 Face2Gene 的演算法從其在線資料庫中索引，生成一份可能的疾病清單。該應用可以訪問 10000 種疾病的信息;到目前為止，面部識別可以預測其中 2500 種。

每種診斷都會附帶一個反映出應用程序正確的概率。程序還列出了任何已知的會導致該疾病的基因突變，有助於分析患者的病情。FDNA 的首席執行官 Dekel Gelbman 估計，這款應用正被 130 個國家的醫生和研究人員使用。所有的患者數據經過了匿名化和加密，以保護隱私。

有了 Venter 博士的工作，為研究人員提供的數據池越深，它就越有價值。牛津大學的 Christoffer Nellaker 已經設立一個叫「米納發和我」的網站，健康和患病人士均可上傳自己的照片，授權相應研究使用他們的圖片。另外，他也成立了一個叫做 Minerva Consortium 的網路，鼓勵人工智慧研究人員共享數據。

國立人類基因組研究院的 Maximilian Muenke 、國立兒童健康系統的 Marius Linguraru 以及同事們正在嘗試擴大研究。他們發表了一系列使用了面部識別演算法的研究，這些演算法使用了亞洲、非洲以及拉美人口的照片數據，識別不同基因疾病，準確率高達 90% 以上。在許多貧窮國家，識別基因疾病的產前測試很昂貴，人們消費不起。比如，一個患有唐氏綜合症的嬰兒，通常在產前就可以檢測出（歐洲和亞洲），但是在貧窮國家，孩子不到一歲就無法診斷出唐氏綜合症。研究人員有意開發出一款醫生通過智能手機即可識別最常見癥狀的應用程序，減少這類悲劇的發生。

三、最後的防線

這些技術也造成了威脅。首先涉及隱私。相比指紋等其他生物特徵數據，人臉的一個巨大區別就是它們能夠遠距離起作用。人們只要有手機就可以拍下照片，供人臉識別程序使用。這意味著公民隱私可能遭受更大的損害。

Venter 博士指出，基因組信息必須被視為個人信息，即使它展現出來不過是一個無意義的字母序列。他警告說，從人們目前在網上發布的、來自 23andMe 等 DNA 檢測服務的有限的基因數據中就能構建一張面孔畫像。

這反過來又增加了人們對將基因信息納入公共測序工作的抗拒，儘管這樣的工作可以幫助人類整體對抗疾病的工作。如果可以用基因組來做面部預測，那麼人們的外表就可以與真實的在線照片相匹配。這可能意味著人們的基因序列，以及他們所有的基因缺陷，都可以在網上與他們的身份聯繫起來。

最近，斯坦福大學 Michal Kosinski 和 Yilun Wang 所做的研究表明，機器視覺通過分析人臉可以推斷人的性取向。人類無法從面部判斷的內容，並不意味著機器也分析不出來。

研究基於超過 35,000 張美國交友網站上男女的頭像圖片訓練。論文作者利用深度神經網路從圖像中提取特徵，利用大量數據讓計算機學會識別人們的性取向。研究發現，同性戀男女傾向於具有「性別非典型」特徵、表情和「打扮風格」。理論上，男同性戀趨向於女性化，而女同反之。在研究中，人們還找到了一些其他的趨勢，如同性戀男人有比直男更窄的下巴，更長的鼻子以及更大的前額；而同性戀女性相比「直女」趨向於有更大的下巴、更小的前額。

在「識別同性戀」任務中，人類的判斷表現要低於演算法，其準確率為在男性中 61%，在女性中 54%。當軟體識別被測試者的圖片（每人五張圖片）時，準確率則顯著不同：男性 91% 準確率，女性 83% 準確率。研究人員在論文中寫道，廣義上，這意味著「人類面孔包含了比人類大腦可以感知和解釋的更多的性取向信息」。

在那些視同性戀為犯罪的國家，一個能從面部推斷出性取向的軟體讓人恐懼。

卡內基梅隆大學的 Alessandro Acquisti 談到，他曾展示過面部識別和在線信息可幫助獲取個人的社會安全號碼（美國發給公民、永久居民、臨時（工作）居民的一組九位數字型大小碼，社會安全號碼主要的目的是為了追蹤個人的賦稅資料。）對於那些不想公開這一號碼的人員來說，無疑是個壞消息。

另外，面部識別技術也會讓不那麼暴力的歧視變得普遍。

比如，僱主本來就可能會根據自己的偏見來拒絕僱用某個人，而人臉識別也許會讓這種偏見成為常態。再比如，這類系統可能會對那些非白色皮膚的人有偏見，因為用來訓練演算法的數據集里大部分是白人面孔，這樣的演算法不太適用於其他種族。在影響法院保釋和量刑決定的自動評估工具中，已經出現過這樣的偏見。

最終，持續的面部記錄和用計算機數據測量真實世界的小工具可能會改變社交互動的本質。掩飾有助於潤滑日常生活的齒輪。

如果你的伴侶能發現每一個強壓下去的哈欠，你的老闆能覺察每一絲惱怒的表情，婚姻和工作關係都會變得更真實，但也更不和諧。社交互動的基礎可能也會改變，從基於信任的一系列承諾，變成對風險和回報的算計，這些算計則源自於計算機對人們面部信息的解讀。人際關係可能變得更理性，但也變得更像交易。

四、逃不脫的未來

至少在民主國家，立法可以幫助改變利弊之間的平衡。歐洲監管機構已在即將出台的數據保護法規中嵌入了一套原則，規定包括「臉紋」在內的生物信息屬於其所有者，使用這些信息需要徵得本人同意。

然而，這類規定並不能改變發展的方向。隨著可穿戴設備的普及，攝像頭只會越來越普遍。從太陽鏡到化妝，試圖欺騙人臉識別系統的種種努力已被挫敗。劍橋大學的研究表明，人工智慧可以重建偽裝之下的面部結構。谷歌已經明確表示不會將面部信息和身份匹配，擔心這會被非民主政權濫用。其他的科技公司似乎沒那麼講究。亞馬遜和微軟都在使用它們的雲服務來提供人臉識別，這項技術也是 Facebook 計劃的核心。政府不會想放棄自己的利益。

改變即將到來。直面它吧。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！