该文章首发于2018年7月4日

大家知道，目前，人脸识别系统存在着争议。例如亚马逊此前因向执法机构出售人脸识别技术一事，登上了头条，遭到万人上书抨击。此外，国内外都有学校正在使用人脸识别摄像头，来监控学生。

社会各界对此做法的评价，亦是褒贬不一。而“战斗民族”俄罗斯的最大科技公司Yandex的技术总监Grigory Bakunov，甚至与黑客合作开发了反人脸识别涂装。另外，也有研究表明，某些人脸识别软件可能存在种族偏见的问题。

人脸识别褒贬不一，多伦多大学研发反人脸识别系统

据了解，考虑到人们对人工智能监视系统的担忧，多伦多的研究人员开发出了一个防御系统。Parham Aarabi和研究生Avishek Bose创建了一种算法，通过对图像进行光转换，可以动态地破坏人脸识别系统。

Aarabi在一份声明中表示：“随着人脸识别技术的不断发展，个人隐私是一个相当重要的问题。”而这种算法，正是可用于反人脸识别系统，有益于防御愈变愈强的人脸识别能力。

事实上，反人脸识别产品和软件，并不是什么新鲜事。例如，在2016年11月的一项研究中，美国卡耐基梅隆大学的研究人员设计出了，能够成功骗过面部识别系统的眼镜。而2017年11月，麻省理工学院和九州大学的专家们，又用算法生成了“对抗性”图像，成功骗过了谷歌的图像分类AI，导致其将3D打印的乌龟玩具错认成了步枪。

根据Bose和Aarabi的说法，这是最早使用AI的解决方案之一。

工作原理：采用基于数据集的AI对抗训练

而多伦多研究人员的算法，则是在600张人脸的数据集上进行训练的，并提供一个可应用于任何图片的实时滤镜。由于它针对图像中高度特定的、单个像素，因此几乎是肉眼所看不到的。

这两位研究人员采用了AI对抗训练，由两个神经网络组成。一个神经网络相当于产生数据输出的“生成器”，另一个相当于检测生成器所制造的假数据的“鉴别器”。也就是说，Aarabi和Bose的系统，使用生成器来获取信息、识别面部；而鉴别器则用来干扰面部识别。

据悉，他们的研究报告，将在2018年IEEE国际多媒体信号处理研讨会上，进行发表。Bose和Aarabi声称，他们的算法，将人脸识别系统中检测到的人脸比例降低到0.5％。他们希望在应用程序或网站上提供这种神经网络。

“十年前，这些算法必须是人为定义的，而现在只要提供下训练数据，神经网络就可以自己学习。”Aarabi说，“最终他们可以做一些非常了不起的事情。这是一个非常有趣的时刻，这是一个巨大的潜力。”

反思后的反思，反人脸识别系统就一定安全么？

小编看到，多伦多大学研究人员，开发AI反人脸识别系统的出发点是好的——考虑到人们对人工智能监视系统的担忧。但是这无疑又不得不引发出另一种担忧：日常生活中类似刷脸支付（大家知道智能手机、支付宝等都已支持人脸登陆）、刷脸过检等操作，岂不是存在着安全风险么？

虽然说，为了避免技术被滥用，一般研究人员不会选择公开反人脸识别系统的详细算法和原理，也不会轻易把反人脸识别技术商业化。但现实是，随着科技的发展，许多掌握高科技并且已尝到甜头的公司的做法，明显优先考虑的是利益增长，而不是道德担忧或其产品的负面影响。

不过，从谷歌内部宣布不再为五角大楼AI项目（Project Maven）续签合同一事中，大家或许也能看到，AI应用的伦理问题是不能枉顾的。

本文由venturebeat刊发，属VRPinea原创编译稿件，转载请洽：brand@vrpinea.com