雖然尚存在隱私難題，但人臉識別技術已經能夠幫助人們完成診療預約與度假登記。

▲ 皇家加勒比渡輪公司實行人臉識別系統進行乘客安檢與身份驗證，效率更高

想象一下，你和家人正站在碼頭，等待登上巨型渡輪，開始一段陽光沙灘海浪仙人掌的舒適假期，然而，回到現實，視野中出現的是等待安檢、拖運以及對照身份的長隊。乘客通常需要 75 分鐘的等候才能完成登船手續，加上迫切心情，近在咫尺的甲板變得如天涯般遙不可及。

皇家加勒比游輪公司認為，有必要進一步加快乘客的檢查速度，而其中的關鍵，就是AI人臉識別技術。

去年12月，該公司組織了一個試點項目，讓乘客們搭上一艘前往佛羅里達州勞德代爾堡的郵輪。乘客們首先利用該公司提供的應用程序進行自拍，然后在港口位置由AI數據庫對真人相貌進行匹配，經過快速復核，快速進入了自己的船艙。

結果是：客戶滿意度得到顯著提升。

皇家加勒比游輪公司邁阿密分部數字運營負責人 Jay Schneider 表示，“我們希望將原本冷冰冰的檢查變成一場熱烈的歡迎儀式。”他們的目標，是確保乘客“在10分鐘內從車里進入酒吧。”

皇家加勒比游輪公司并不是這場實驗性嘗試中的唯一一員。事實上，人臉識別技術已經被Facebook用于尋找好友，被蘋果公司用于解鎖iPhone，被用于各地機場、收銀機以及家庭安全系統等場景。換言之，人臉識別有可能很快充斥我們生活的各個角落。

我們生活在一個AI能力有望超越人類大腦的時代下。

人臉識別系統的普及，可謂人工智能技術的一場巨大飛躍。這種技術旨在為計算機提供一部分與人類思維相似的能力、功能性甚至是創造力。其中的最大改進，源自AI中的一個特定領域，即神經網絡，這一概念受到人腦細胞具體運作方式的啟發。另外，硬件與軟件層面的改進還實現了一種被稱為深度學習的具體方法——通過多層數字神經元，深度學習模型已經能夠提供越來越精細的圖像分析結果。

總體而言，這代表著一場深刻的變化。認識與解釋人臉對我們來說非常重要，我們人類的大腦也把相當一部分時間與精力投入到這項工作當中。當我們向計算機傳授這項技能時，我們將能夠與機器完成更為便捷的交互——這就像是對原有數據庫命令提交方法的一場進化。但另一方面，人臉識別也會影響到我們的匿名性水平，最終嚴重削弱每一個人保障隱私權的能力。

神經網絡的工作原理

在訓練階段，神經網絡會認真檢查大量人臉圖像，并自行學習識別過程中的重要訣竅。相較于由程序員負責對眼睛、鼻子以及嘴巴的形狀進行描述的舊有方式，這種新技術的準確度可以說不知道高到哪里去了。

加州大學河濱分校電氣與計算機工程系主任Amit Roy－Chowdhury表示，“其中一些層能夠捕捉顏色、紋理與漸變。當神經層深度增加時，其會進一步捕捉物體上不同部分的形狀，并最終勾勒出目標物體的整體形態。”

經過訓練之后，神經網絡將為每張人臉創建一種精簡的數學表示。該表示可以與其它人臉的表示進行快速比較，從而由人臉識別系統判斷進入辦公室的家伙到底在不在擁有授權的員工名單內。而如果出現的人與警察逮捕記錄信息匹配，那么系統即可針對這位潛在的盜竊犯發出警報。

為了更好地工作，人臉識別系統需要獲得光照良好且效果清晰的人臉圖像，用以為神經網絡提供詳細、準確的數據。正因為如此，護照照片才要求必須光照均勻、背景簡單、表情自然且拍攝對象必須正面朝向相機。施樂公司PARC交互與分析實驗室負責人Raj Minhas指出，“只有盡可能確保所有輸入內容間的一致性，分析工作才會變得更為輕松。”

系統中的錯誤

人臉識別系統的水平確定在不斷提升，但有時候仍然會犯下一些錯誤。當不存在匹配時，例如數據庫中不存在某一對象的圖像，系統偶爾也會誤將對方視為已匹配。另一方面，系統時不時也會將本來應該正確匹配的對象視為陌生人物。

美國國家標準與技術研究院在其 2018 年的研究當中發現，目前一流的人臉識別系統在光照條件良好的情況下，能夠實現高達99．7％的判斷準確率。

卡耐基梅隆大學CyLab生物識別中心主任Marios Savvides表示，減少此類錯誤的途徑之一，在于推送一系列數據以調整系統，從而提高神經網絡準確性，并降低誤報狀況的發生機率。

Savvides的團隊還將現代AI與一種被稱為濾波器的舊有技術加以結合，從而確保當面部被遮擋、光線不足或者背離相機時，神經網絡仍能夠提高人臉識別的準確性。他指出，總體而言，Savvides團隊已經能夠在人們看向別處或者佩戴口罩時較為準確地重建面部輪廓。他表示，“我們生活在一個AI能力有望超越人類大腦的時代下。”

改善人臉識別技術的另一種方法，是將其與其它屬性進行匹配，例如指紋、聲紋以及其它生物識別數據或密碼等因素。這種方式雖然不太適合掃描商店進出口人群這類較為隨機的場景，但在登錄網絡以及其它受控程度較高的情況下，卻能夠發揮極佳的作用。

Unisys公司（一家向美國海關與邊境保護局等客戶出售生物識別認證技術的廠商）首席技術官Vishal Gupta表示，“我們將其稱為無可辯駁的身份。”Unisys公司原本的人臉識別系統僅擁有99％的準確率，但在結合其它生物識別因素后，其準確率快速提升至99．9％甚至99．99％。

雖然人臉識別技術能夠帶來巨大的便利性，但同時也讓不少人產生了顧慮。隱私權倡導者們擔心其將引發新的“老大哥在注視你”這類監控時代，或者令企業出于利益驅動而追蹤人們的行跡。此外，AI技術還面臨著偏見問題的挑戰；如果使用大量白人圖像進行系統訓練——這也是目前的常見作法——那么系統可能會很難識別有色人種。根據用于AI訓練的數據集的不同，這種偏見還會以其它方式進入數據集。舉例來說，如果用于AI訓練的照片中包含大量女性烹飪的內容，那么系統可能天然認定女性就歸屬于廚房。

Broad Daylight公司安全顧問Nick Merrill指出，“目前在實際發現數據集問題之前，還沒有太好的辦法來提前判斷數據集內是否存在偏見。然而，當偏見性算法在現實場景中造成破壞時，一切都為時已晚。”

盡管如此，仍有很多企業在考慮如何利用人臉識別技術增強客戶、訪客、患者以及用戶的體驗。他們希望通過人臉識別技術簡化交互流程，而非帶來令人毛骨悚然的隱私危機。

你好，醫院

Northwell Health醫院為350萬名患者提供服務，亦是紐約規模最大的醫療保健服務供應方。其正在利用人臉識別程序簡化患者就診流程，減少文書錯誤，并最終借此改善人們的健康狀況。

其系統中的硬件與軟件由RightPatient公司制造，負責利用復雜的相機拍攝患者的面部與虹膜。當患者進行檢查時，接待員使用的計算機將確認患者身份并彈出他或她的醫生圖表。而如果沒有記錄，則當場為患者注冊ID。

我們相當于把名字寫在了臉上。

除了簡化整個就診流程之外，該系統還具有諸多其它優點，包括精簡ID相關信息。舉例來說，它不太會受到同一患者重復記錄問題的影響。如果你已經存在于系統當中，那么即使您結婚并改變了名字，系統同樣能夠將您認出。此外，身份盜竊活動也將受到扼制，畢竟壞蛋們很難偽造出一張足以蒙混過關的人臉。

在車禍等緊急情況之下，該系統能夠快速識別出已經失去意識的患者，以便護士及醫生能夠找到其病史并快速與家人取得聯系。

數字病患體驗組織副總裁Laura Semlies評論稱，“我們相當于把名字寫在了臉上。而這，只會帶來更好的臨床關系。”

她解釋道，生物識別數據將受到加密保護，并遵循與其它健康數據相同的嚴重隱私限制。

到目前為止，Northwell醫院的350萬名患者當中只有約12000人加入這套系統。但該網絡的發展速度很快，并沿該機構的業務體系廣泛傳播。

人臉識別的光明前景

皇家加勒比游輪公司項目負責人Schneider表示，該公司的乘客數量達到Northwell醫院患者的兩倍，而且隨著計劃規模的擴大，將有更多乘客享受到人臉識別的服務。

在可選自助系統上完成自拍及護照掃描之后，乘客即可直接動身前往港口。抵達之后，乘客可以通過入口處的攝像機看到自己的實時動態，并快速得到安排，以避免遭遇機場中常見的安檢擁塞。

在幕后，計算機會將乘客的面孔與記錄中的面孔進行匹配。一旦匹配成功，乘客就會在屏幕上看到一個綠色的提示框。這時，人類接待員將確認匹配，叫出乘客的姓名并檢查他們的護照。

皇家加勒比公司原本就要求乘客提供照片，因此人臉識別系統并不會顯著增加該公司的數據存量。該公司數字負責人Schneider表示，他們還將在出游結束之后刪除乘客提供的照片。

結果就是，這套系統使得乘客們能夠更快登船——換言之，更快開始這段激動人心的假期。

Schneider最后總結稱，“客人們不希望到第二天才能真正開始享受假期。我們的目標，就是把這失去的一天重新還給乘客。”