進入全民刷臉時代，人臉識別技術已經成為當代最為流行的黑科技技術。

從學術上來看，人臉識別技術的定義是基于人的臉部特征，對輸入的人臉圖像（面部器官的位置信息）或者視頻流進行身份識別的一種生物識別技術。由于人臉具有唯一性，人臉識別技術通常被用來解答“我是誰”這一身份確認問題。

而隨著技術的發展和數字化變革的來臨，人臉識別技術已經以不單單用來解決“我是誰”的問題。不過，需要提及的是，即使在數字化社會中，人臉識別技術的重要性日益明顯，但從某個角度來看，其依舊是一把“雙刃劍”般的存在。

“單刃為刀”：人臉識別帶來的革命性變革

人臉識別技術自在近幾年得到突飛猛進之后，就已經成分展示了其對于社會的造福功能。

除了業界常提及的身份確認及人臉圖像采集，人臉識別技術還包括人臉定位、人臉識別預處理、身份查找等技術。且在一些列國家政策的加持下，人臉識別得到了最廣泛的應用。

在安防行業，攝像機已成為搭載人臉識別技術最常用的前端產品。通過攝像機作為人臉采集的前端載體，政府及企業等相關人員將收集到的人臉數據集，通過深度學習來做人臉檢測和識別，也就是日常所提及的視頻監控。這種被人臉識別技術加持的視頻監控系統的出現，極大解決了傳統靠人眼進行識別的繁瑣過程，也提高傳統安防的準確率和實效性。

而人臉識別技術在全面滲透到安防監控的全產業鏈之后，也同時將數據價值融入到平安城市、雪亮工程、智慧園區等各個行業場景中，促使安防監控從“有”到“用”進行轉變。部署在城市各個角落的攝像頭在加入人臉識別技術之后，很快就成為了保衛城市的“天眼警察”，給公共安全、安防行業帶來了一場顛覆性的革命。

在金融行業，除了文章開頭所提及的刷臉支付以外，人臉識別技術在金融行業還大有可為。由于人臉識別技術具有非接觸、非侵擾、友好、直觀、快速、簡便、可擴展性等優點，使得其在眾多生物識別技術中脫穎而出，并成為金融行業運用最成熟的生物識別技術。以銀行為例，除了便捷支付環節，人臉識別更可取的地方應該在于為支付安全保駕護航，杜絕因身份造假而造成的社保、銀行卡盜領、盜刷問題。此外，人臉識別技術還可以運用在銀行高端VIP客戶識別、銀行搶劫、盜竊等場景中，極大程度上提高了銀行的安全性。

目前看來，人臉識別技術主要運用在公共安全、資金安全以及個人賬戶安全等方面，主要應用場景也從手機端的人臉識別解鎖拓展到了包括社區人臉識別、“天眼”抓捕在內的公共安全、管理之上。

值得一提的是，在現有的應用領域之外，人臉識別越來越多的東西被挖掘出來。例如，攝像機要想達到真正智能的地步，首先就要在“看”上下功夫，而關于“看”這一點，人臉識別技術或許應該擁有最大的發言權。越來越多的企業開始將“視頻結構化”作為企業的發展戰略，而在通過原始視頻進行智能分析時，依靠人臉識別技術提取出的關鍵信息，依舊是“視頻結構化”不可缺少的中心環節。

“雙刃為劍”：人臉識別背后的“道德論”

上文已經提及了人臉識別技術給社會帶來的多重福利，包括便捷生活、革新安防體系。但不可忽視的是，隨著技術的發展，人臉識別技術的弊端也不斷凸顯出來。

隱私問題應該是人臉識別技術最常提及的道德問題，在反人臉識別技術的人群看來：人臉識別技術侵害公民權利和公民自由的可能性大大超過了其聲稱的好處；這項技術將加劇種族不公正，并且威脅到我們的生活不受政府持續監視的能力。也就是說，在法律層面，人臉識別技術在有意識的情況下侵犯了人的肖像權和隱私權。關于這點，筆者也不過多談及，但美國舊金山近日對《停止秘密監視》條例所作的一些修訂，間接意味著舊金山將成為第一個禁用人臉識別軟件的城市。在先進的技術，也不得不屈服于人民的利益。

而人臉識別技術背后的“道德論”已不僅僅是隱私問題那么單一，其背后也不斷涌現出種族歧視、性別歧視等諸多問題。一項研究對人臉識別技術在識別不同種族和性別的人臉進行了測量，結果表明，膚色越黑，識別率就越低。在識別黑皮膚女性時，它的錯誤率幾乎達到了35％。還有另外的研究報告透露，在一種獲得廣泛使用的人臉識別數據集中，75％以上的圖像都是男性，80％以上是白人。也就是說，在人臉識別的投資額和采用量日益增長的今天，其公平性和問責性卻無法保證。

而最糟糕的是。除了背后的“道德論”，人臉識別技術卻也隱藏著致命弊端，而這種致命弊端，是真的會丟了人命。

來自華盛頓大學的人工智能研究員Os Keyesat表示，人臉識別或許會給跨性別真帶來一些噩夢場景，這些場景的結局是人被殺。由于當前人臉識別技術被用在出入場景以及視頻監控領域，一些人臉識別系統難以識別跨性別者或性別不符合規定的人，他們有可能會會被打上標記，隨即被騷擾或逮捕。而這對跨性別者來說可能是致命的，尤其是對有色人種。

小結：

“單刃為刀，雙刃為劍”，世間萬物都有雙刃，人臉識別技術也無法避免。

隨著技術的發展和相關法制的不斷完善，人臉識別技術的弊端應該會有所緩解。盡管不能完全消除，但這卻也是現代文明發展必須犧牲的部分。

不過，真正成熟的人臉識別技術，不應該學會自我升級和成長？而不應該只是一種調侃和期待。