仅通过人脸分析，软件能标识出谁是“恐怖分子”吗？上周，以色列特拉维夫的一家创业公司Faception宣称：他开云们的面部识别技术可以按个性特征将人群分类，不是粗线条的“内向”和“外向”，而是让恐怖分子、恋童癖者现出原形。这在业界引发了巨大争议。
Faception的算法从各种各样的来源搜索一个人的图像，包括上传图片、实时视频流和一个数据库中的面部照片。然后，对面部特征进行编码，包括宽度和高度的比例，以及关键点——如眼角或者嘴角。
到这里为止，还没有争议。“使用自动化的特征抽取是人脸识别和情绪识别的标准做法。” Google DeepMind的计算机视觉工程师Raia Hadsell说。
争议部分是接下来发生的事情。Faception将这些特征映射到15项专属分类器之中。分类器的开发历时三年之久，设定的类别包括：恐怖分子、恋童癖者、白领罪犯、扑克玩家、bingo玩家和学者。
Faception首席技术官Itzik Wilf说，为了获得这些自定义原型，他开云app登录们用数千已知样本图像的公共面部特征来训练系统。软件仅查看面部特征，而忽略发型和首饰等其他因素。当面对巴黎恐怖袭击案的11名袭击者照片时，算法将其中9人归类为恐怖分子。类似地，在一个图像数据库中，算法从27名扑克玩家中识别出了25名。
Faception网站也列出了一些更普通的用途，包括市场营销、保险和招聘。“HR能够使用它来识别出合适的候选人。”Wilf说，总体上看，算法大约有80%的置信度，能够将人们归类进aception的类别中。
然而，很多计算机视觉的研究者大不以为然。
“一个尝试标记阿拉伯人后裔的分类器，就能够从11名巴黎袭击者中识别出9人，而代价就是从全世界4.5亿阿拉伯人中错误地标记出3.7亿人。这样的一个分类器完全没有用处。”——Emin Gün Sirer，康奈尔大学
“我立即想问的是，对于巴黎袭击者这样的一个有着差不多同样年龄、性别、胡须的人群，算法会怎么说？他们的算法会有多少次误报？测试集看上去是什么样子？” ——Jay Turcot，情绪识别公司Affectiva
Wilf承认存在问题。对于每一个分类器，图像训练集合数都达到数千级别。但是对于恐怖主义和恋童癖这样极少发生行为，还是会导致一些误报。“机器学习算法总是有精确度问题。”正因如此，这项算法不会独立部署，将会遵从人类的裁定。
在过去几年，面相学——人的性格可以从外貌评估——在长期被降格为伪科学后，有温和的反弹。
例如，男性睾丸激素的差异，广泛地体现在特定的面部特征，而这可能导致道德决策的不同。可是从一名“功利主义决策者”到“恐怖分子”，这一步实在太大了。而且这类研究充其量证明了“轻微的精确度”。英国圣安德鲁斯大学David Perrett认为，从面部特征推导出人类个性的几率，也仅仅比碰运气稍强一点。
你开云体育觉得Faception的算法会放过哈登吗？
近几年人脸识别技术多次成为道德争论的中心。Facebook为用户上传图片中那些没有Facebook账号的人，创建了影子形象（shadow profiles），这一做法受到广泛批评。就在最近，俄罗斯的一款名为FindFace的app也引发了抗议声音。它从社交网络Vkontakte上攫取身份数据，这样一来，app的用户就能够识别出街上抓拍到的人。
创意遭受质疑，是件很平常的事。不管怎么说，这些技术从实验室中走了出来，从科研人员的论文里走了出来，在充满荆棘的前进路上迈出了一大步。科技创新不就应该是这个样子吗？
【欢迎关注作者新浪微博@打杂的耶】
发表评论