面部识别技术 - 科技区角

面部识别技术（FRT）可以追溯到60年前。就在10多年前，深度学习方法将这项技术推向了更有用也更危险的领域。现在，零售商、你的邻居和执法部门都在存储你的面部信息，并建立一个有关你的生活的不完整相册。

不过，这些照片所讲述的故事不可避免地会有错误。与任何诊断技术的制造商一样，面部识别技术制造商必须平衡两种类型的错误：假阳性和假阴性。

在最好的情况下，例如比较某人的护照照片与边防人员拍摄的照片，假阴性概率为千分之二，假阳性概率不到百万分之一。

在罕见的情况下，如果你遭遇了假阴性的情况，边防人员可能会要求你出示护照，再看一眼你的脸。但是，随着人们对技术的要求越来越高，野心越来越大的应用程序可能会导致更多灾难性的错误。假设警察正在寻找一名嫌疑人，并将安全摄像头拍摄的图像与嫌疑人之前的“存档照片”进行比较，可能出现如下图所示的3种结果。

训练数据的组成、传感器检测人脸方式的差异，以及不同年龄等群体之间的内在差异都会影响算法的表现。英国估计，其面部识别技术使女性和肤色较深的人被误认的风险比其他群体高出两个数量级。

遇到不配合者的人脸照片、使用有偏见的数据集训练算法的供应商，或者要求从庞大数据集中快速匹配的现场工作人员时，情况会如何？在这些场景下，问题就会变得模糊不清。

以一场繁忙的贸易展会为例，主办方使用面部识别技术根据包含1万名注册者图像的数据库或图库核对与会者。即使在准确率为99.9%的情况下，也会有大约12个假阳性或假阴性结果，这对展会主办方而言也许是可以接受的。但如果警方在一个拥有100万人口的城市中使用类似的工具，那么被认错身份的潜在受害者的人数就会大大增加，其风险也会随之升高。