如果你看過《Lie to me》這部美劇，就不會對“透過辨別微表情指認犯罪者”這個設(shè)定感到新奇。
事實上，自從人類發(fā)明攝影術(shù)以后，學(xué)術(shù)界與人工智能界就正式開啟了關(guān)于“如何通過面部識別技術(shù)來確認罪犯”的腦洞：
攝影時代的到來曾讓一部分19世紀(jì)科學(xué)家堅信，機器絕對有能力通過識別人的面部特征來準(zhǔn)確找到罪犯。雖然他們這種最終被打上了“不可信”與“荒謬”的標(biāo)簽，但200年以后，這一曾經(jīng)的“謬論”卻可能為他們挽回聲譽：
新一代人工智能技術(shù)或許可以證明他們的言論是有據(jù)可查的。
上海交大：神經(jīng)網(wǎng)絡(luò)識別犯人的精準(zhǔn)度高達89.5%
在中國，來自上海交通大學(xué)的研究員吳小林與張希讓這個極具爭議的傳統(tǒng)型議題——“通過面部識別確認罪犯”再次回歸大眾視野：
他們建立了一個據(jù)說只需通過驗證面部特征就可找出犯人的神經(jīng)網(wǎng)絡(luò)。
在他們的論文中，為了證明這個理論的可行性，研究員們將大量嫌疑犯與未犯罪者照片混放在一起，繼而利用大量機器視覺算法來測試這些人的面部表情，目標(biāo)就是發(fā)掘出一套能夠可靠分辨出犯人的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。
在這個過程中，科學(xué)家需要將1856張無面部毛發(fā)（包括眉毛、嘴毛以及胡須等等）、年齡在18~56歲之間的中國人照片灌輸給神經(jīng)網(wǎng)絡(luò)。這些照片中的一半人（約有730張已被確認為犯罪者）具有犯罪前科。
值得注意的是，研究員只用其中的90%來訓(xùn)練人工智能以識別犯人與普通人之間的差異，其余10%用來檢測這套系統(tǒng)的目標(biāo)達成度。
而成果的確令人印象深刻。根據(jù)研究人員提供的數(shù)據(jù)，這套神經(jīng)網(wǎng)絡(luò)區(qū)分犯人與普通人的精準(zhǔn)度高達89.5%。因此，吳小林與張希也認為：
“即便‘通過面部表情推測罪犯’是一個歷史爭論，但這些與事實高度匹配的結(jié)果的確是一個很好的證據(jù)。”
研究結(jié)果與MIT科技評論此前給出的解釋非常類似，神經(jīng)網(wǎng)絡(luò)識別面部特征的要素可以被劃分為三個類別：
?犯人上唇的彎曲度會比普通人平均高出23%；
?犯人雙眼內(nèi)眼角之間的距離比普通人窄6%；
?犯人的鼻尖與嘴角之間形成的角度比普通人小20%。
不過上海交大的研究員們還得出了一個更有意思的結(jié)論：與普通人相比，犯罪者之間的面部表情往往呈現(xiàn)出更大的差異。
“換句話說，比起罪犯們的臉，普通大眾的臉有更高的相似度；而犯人之間的面容比普通人有更大的差異度。”
實際上，上海交大的研究結(jié)果很難引起人工智能界的驚訝：這個準(zhǔn)確率極高的結(jié)果根本不值得大驚小怪。
此前學(xué)術(shù)界就指出，如果“犯罪心理學(xué)家”的存在是對“人類有能力分辨出犯人與普通人”的最好證明，那么機器也應(yīng)該有能力這么做——畢竟神經(jīng)網(wǎng)絡(luò)系統(tǒng)就是對人類大腦的最好模仿。
人工智能在面部識別應(yīng)用領(lǐng)域的技術(shù)與道德局限：
然而，這項特殊研究的主要方法還不能獲得足夠信任，原因就在于研究所選取的各項參數(shù)還存在諸多問題。
譬如用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的照片樣本是嚴重受限的（只有1000多份）。或者至少可以這么說，研究結(jié)果在很大程度上取決于照片的質(zhì)量與數(shù)量。
因此，這個研究成果一公布，就毫不意外地引起網(wǎng)友的擔(dān)憂與譴責(zé)：
照這么說，人們無意中翹起的嘴角，嘴巴的大小與形狀，拍攝照片的角度都會讓一個人變得“賊眉鼠眼”。因此，研究結(jié)果所謂的科學(xué)依據(jù)與可靠性僅僅是人工智能技術(shù)的“一廂情愿”。
而MIT科技評論也認為，這項人工智能技術(shù)引起的最大擔(dān)憂其實在于，計算機很可能在人類法庭上根據(jù)一個人的面相，帶有偏見來指證一個無辜的人。與此同時，一個看起來很無辜的犯人也有可能被機器證明“無罪”而逍遙法外。
實際上，就像文章開頭所說的，對此類研究的大肆譴責(zé)一直延續(xù)了幾十年甚至上百年。
譬如今年9月，在一項名為Beauty.AI的選美大賽上，由 6 名 AI 機器人擔(dān)任評委。這些機器人利用 5 種算法對來自全球年齡在18-69歲的自拍照片進行了評判。
但選美結(jié)果卻遭到了很大的非議——因為機器人根本“不喜歡”皮膚黑的人，幾乎所有黑皮膚的照片都被機器篩掉了。
所以說，這種帶有“種族歧視”的結(jié)果再一次讓基于人工智能的面部識別技術(shù)陷入尷尬的境地。
因此，就像Beauty.AI選美大賽首席技術(shù)官Alex Zhavoronkov給出的解釋一樣，對神經(jīng)網(wǎng)絡(luò)進行充足的訓(xùn)練是將人工智能推入應(yīng)用層的前提：
“如果在你采集的數(shù)據(jù)庫中沒有足夠多不同膚色的照片可以參考，那么人工智能機器人注定會產(chǎn)生有偏見的結(jié)果。”
或許我們不能質(zhì)疑，未來某一天，除了完美打破各項成功紀(jì)錄，人工智能技術(shù)將有足夠能力執(zhí)行各種基于面部識別的任務(wù)。
但是，我們卻不能排除另一個潛在的安全威脅：那些被機器打上“無害”標(biāo)簽的普通人真的不會給我們帶來威脅嗎？在這項技術(shù)足夠成熟后，如何鑒別那些能夠進行完美“反偵查”的“偽裝者”？
或許這些理由就是我們不能對人工智能識別技術(shù)掉以輕心的根本原因。
