科技巨頭搶佔技術高地不是什麼新鮮事，但你見過主動退出的嗎？

就在今年，這看似極不可能的一幕卻在美國上演了。

今年6月，科技圈的“老大哥”IBM高調宣佈，要正式退出人臉識別市場，以後不再提供任何人臉識別服務和人臉分析軟體。

巧得是，就在IBM的聲明發出後的第5個月，中國的第一起“人臉識別案”有結果了：判決野生動物世界賠償郭兵合同利益損失及交通費共計1038元，刪除郭兵他辦理指紋年卡時提交的包括照片在內的面部特徵資訊——1年前，法學博士郭兵不滿杭州野生動物世界辦理年卡會員使用人臉識別，把野生動物世界告上了法庭。

人臉識別明明是人工智慧最前沿的技術之一，為什麼科技大佬和普通百姓都要向它“開炮”呢？

人臉識別，走到今天不容易

別看現在越來越多的人已經和人臉識別“打過照面”，但說起這項技術，真正熟悉它的人卻不多。

對於人臉識別來說，想完成一次成功的“識別”，至少要把握好4個環節：人臉檢測、人臉對齊、人臉編碼和人臉匹配。這4個環節環環相扣，缺一不可。

但誰能想到，單單一個“人臉檢測”，科學家們從理論到實踐，就用了將近30年。

1964年，人臉識別還僅僅被當作一個一般性的模式識別問題來研究。人們對這個技術的設想很直接——要利用人臉的幾何結構特徵來實現人臉識別。

當時的科學家們有兩個思路，一個是從人類面部剪影曲線的結構特徵下手，另一個則是研究人工神經網路。但很遺憾，這兩種方法都沒有取得什麼實質性的成果。而這個情況，一直持續到了1990年。

1990年後，人臉識別技術進入了一個“百花齊放”的階段。

先是美國麻省理工學院媒體實驗室提出了“特徵臉”的人臉識別思路，緊接著，又有人提出了基於模板匹配等技術的人臉識別思路……這些方法雖然在演算法上各有優劣，但基本都包含了檢測、對齊、編碼、匹配這幾個必要環節。

而這些技術的成熟，帶給我們普通人最直觀的感覺就是——更方便了。目前成熟的人臉識別技術已經可以達到完全自動化，識別速度又快，準確率還比較高。從這個角度來說，人臉識別理應成為一種生活場景下的“必然選擇”。

“拒絕”來得太快

但人臉識別還是被“拒絕”了。

而且，第一個站出來帶頭“拒絕”它的還是科技圈大佬：IBM。

在聲明裡，IBM把鍋甩給了人權問題：反對將技術用於種族歧視和大規模監視。

當時震驚全美的“黑人弗洛伊德之死”剛發生不久，IBM想借此呼籲用更透明的攝像頭等手段代替人臉識別，為不同種族的人爭取執法過程的平等。

但稍微再深挖一下，就能看到人臉識別，尤其是商用領域的人臉識別技術，在識別不同人種、性別上的技術瓶頸——2018年的一項研究顯示，人臉識別針對黑人、女性的錯誤率高達 21%～35%，而針對白人、男性的錯誤率則低於1%。

更重要的是，人臉識別技術沒辦法很好地回答類似法學博士郭兵的靈魂拷問：被檢測的人臉影象儲存到哪兒？有專人監管嗎？安全嗎？這算不算侵犯個人隱私？

避開人臉識別，我們真的安全嗎？

一個事實是，即便沒有人臉識別，我們也不能在資訊時代全身而退。

從某些角度來說，資訊時代的很多便利，是需要“犧牲”一些個人隱私來換取的。

即便是揚言要放棄人臉識別技術的IBM，在那份宣告最後，也加了一句：建議採用現代資料分析技術，也就是我們俗話說的大資料。這正涉及到IBM未來發展的關鍵業務：雲計算。

而論起對個人隱私的擷取，大資料可比人臉識別厲害多了。

相對於人臉識別，網際網路上的任何一種資料，都更能真實地反應人們的一言一行：

你的個人照片、手機號碼、家庭住址、社交賬號，甚至是你瀏覽過什麼樣的網站、購買過什麼樣的東西，你的個人愛好、生活習慣等等，都會被如實地記錄下來。當這些資訊被彙總到一起的時候，大資料庫就誕生了。

據說，目前國內的大型網際網路公司已經可以做到打通MAC地址繫結和多個產品線之間的賬號，獲取每一個網際網路高頻使用者的個人資訊。

雖然出於保護個人隱私的考慮，在與外界進行大資料業務合作的時候，他們只會接取大樣本的趨勢分析。比如，分析某個購物中心的顧客消費水平等等。但不管怎麼說，我們的隱私資料早已實實在在地暴露在網路之下，且隨著網際網路的發展，類似的“暴露”只會越來越多。

好的是，越來越多的人已經開始注意這方面的問題。

“人臉識別第一案”，就是對資訊時代的一個有力反擊：資訊時代，應在監管之下的不止是技術，更有使用技術的人。