微軟在日前刪除了一個名人圖片數據集。這個本為世界上最大的公開人臉識別數據集，現在已經不能通過微軟的渠道訪問。

在這次「靜默」刪除行為背后，又牽扯到了哪些問題呢？

微軟想解決的麻煩：MS Celeb 名人數據集

MS Celeb 1M 數據集，最早是微軟在 2016 年發布，其中共包含了10 萬個名人，近 1000 萬張面部圖片，而這些數據都是從網絡上搜集而來。

從網絡中 100 萬個名人中，根據受歡迎程選出 10 萬個，然后利用搜索引擎，跳出每個人的大約 100 張圖片，就得到了這個龐大的數據集。

MS Celeb 數據集中的 Jobs 圖片，

其中綠色是年輕時代的圖片，紅色是合成圖像

而這個數據集最初是用來服務比賽的。MSR IRC是世界上最高水平的圖像識別賽事之一，MS Celeb 1M 數據集最初就是這個賽事所用。

MS Celeb 1M常被用來做面部識別的訓練。但對于這些圖片均來自網絡，所以也曾受到了質疑。而微軟則表示，是根據「知識共享許可 C.C 協議」，來抓取和獲得這些圖像的。

根據協議，可以將照片重新用于學術研究，（照片中的人物并不一定授權許可，而是版權所有者授權。）但微軟發布數據集后，卻并不能掌管它的使用。英國「金融時報」進行了一項深入調查，結果表明數據被大量的用在了多個企業測試中。

包括 IBM，松下，阿里巴巴，Nvidia 和日立等公司，都存在使用這個數據集的情況。

而這就涉及到了數據集使用的一些規范性問題，一位研究人員還指出，這涉及到人臉識別圖像數據集的倫理，起源和個人隱私等問題。

刪除原因：負責該數據集的員工離職？

微軟已經在線上默默地刪除了MS Celeb 1M，并沒有特別的說明。

Github 上數據集的下載頁面已經變成了 404

在金融時報的報道中，微軟表示「該網站主要目的是用于學術，」而刪除它的原因是，「負責運營這個項目的員工離職了，不再與微軟合作，所以進行了刪除。」

我們都相信肯定有其他原因，可能也有數據集圖片存在的問題。雖然微軟稱數據集均來自于公眾人物的照片。但其中還包括少量非知名人物。這部分人臉照片的所有者，對微軟使用他們的名稱和圖像信息，曾提出過質疑和批評。

還有技術人員推測，微軟可能會因違反歐盟《通用數據保護條例》（GDPR）而刪除數據，該法規于去年生效，旨在建立起數據安全的保護措施。

GDPR對個人信息的保護及其監管

達到了前所未有的高度

但微軟表示，它們沒有涉及到 GDPR 的條款，數據集相關網站退役只是因為，「曾經的競賽已經結束」。

當然，此次微軟移除 MS Celeb 數據集，并不妨礙它在學術研究等途徑的正常使用。那些用于處理數據庫的工具，現在也可正常訪問。

常用公開數據集，也可能有隱私問題

在英國「金融時報」調查之后，還有另外兩個學術單位也刪除了相關的數據集：分別是杜克大學的Duke MTMC 監控數據集，和斯坦福大學的Brainwash 數據集。

關于數據集和隱私問題，這不是第一次進入人們的視野。在今年 1 月底，IBM 發布了百萬級別的無偏見「人臉多樣性」數據集，就曾引發了廣泛的爭議。

雖然 IBM 強調此舉是為減少面部識別中的「偏見」問題，但數據集的來源，人物的是知情度等問題，都引發了不少質疑聲。

有媒體還報道， IBM 表示會按照被攝影者的意愿，刪除數據集里的相關照片，但都只是一面之詞，并沒有實際的行動。

今年 5 月，舊金山曾頒布法令

禁止政府機構使用人臉識別技術

對于數據集的采集和使用規則，還是一個很不太明確的區域，尤其是網絡便利之后，很多機構都能輕易地獲得大量圖片，用于面部識別等用途。

其實，對于數據集涉及的隱私問題，解決方案可以很簡單：關乎到用戶個人隱私信息時，應保證用戶的知情權，確保用戶是否愿意貢獻數據。

但似乎缺少的從來都不是方法，而是意識。