美国国会议员已致函社交媒体公司Meta,要求其就在智能眼镜中引入面部识别技术的提案作出解释,议员们认为这些计划危及公民的隐私和民权。
民主党参议员已致函Meta董事长兼首席执行官马克·扎克伯格,警告称这些"独特危险"的计划可能加速大规模监控的"正常化"。
他们警告说,智能眼镜可能在人们不知情的情况下捕获数千人的图像,并立即将其与姓名、工作场所或个人档案关联,使人们面临被跟踪、骚扰和针对性恐吓的风险。
Meta的计划最初由《纽约时报》披露,在美国联邦机构使用面部识别工具识别参与合法抗议活动人员后,引发了特别关注,而合法抗议受到第一修正案保护。
"面部识别工具的滥用表明,实时身份识别技术如何容易被重新用于阻止政治表达、针对弱势群体和压制合法异议",信函中表示。
Meta的隐私记录受到质疑
马萨诸塞州民主党参议员埃德·马基以及俄勒冈州的罗恩·怀登和杰夫·默克利指出了Meta在保护用户隐私方面的不良记录,正如《计算机周刊》此前报道的那样,这经常导致该公司面临批评。
根据《纽约时报》报道的泄露备忘录,有人建议Meta在"一个动态的政治环境中"发布该产品,"许多预计会攻击我们的民间社会团体会将资源集中在其他关注点上"。
参议员们表示,这些披露表明Meta认识到面部识别的严重民权风险,并计划通过在"世界被特朗普政府的日常混乱分散注意力"时推出技术来限制审查。
参议员们指出,Meta在2021年放弃了Facebook平台上的面部识别功能,理由是对使用面部识别技术的更广泛伦理担忧。该技术用于在用户选择加入服务时自动标记图片和视频中的人物。该公司在同年就在智能眼镜上引入面部识别进行了内部讨论,但决定不继续推进。
"五年后,Meta似乎不再担心这些社会关切",参议员们写道,"据报道正计划在最危险的场景之一部署面部识别技术:智能眼镜。"
对面部识别与档案关联的担忧
参议员们表示,他们特别担心面部识别与社交媒体档案的整合将允许用户即时访问个人的姓名或社交媒体档案。
"这种实时身份识别将大大降低人肉搜索和持续跟踪的门槛,使恶意行为者能够在几秒钟内将工作场所的面孔、姓名或在线存在联系起来",他们说。
他们警告说,允许陌生人"无障碍访问"人们身份的详细信息,会带来严重的"跟踪、骚扰和针对性恐吓风险,特别是对女性、LGBTQ+个人和其他弱势群体"。
参议员们正在寻求Meta的答案,包括该公司如何从被智能眼镜捕获的人那里获得适当同意、他们的生物识别数据将存储多长时间,以及捕获的数据是否会用于训练机器学习或面部识别算法。
他们还寻求Meta的保证,包括是否计划上传已知个人的图像以创建个性化的面部识别数据库,是否计划将智能眼镜捕获的图像与Instagram和Facebook上的档案匹配,以及这些平台的用户是否有选择退出其数据用于面部识别的选项。
参议员们要求Meta披露其打算采取哪些步骤来确保面部识别系统不会不成比例地伤害有色人种、移民、宗教少数群体、LGBTQ+个人或其他弱势人群,以及是否打算与执法机构(包括国土安全部)分享智能眼镜收集的信息。
Q&A
Q1:Meta智能眼镜的面部识别功能有什么风险?
A:智能眼镜可能在人们不知情的情况下捕获数千人的图像,并立即将其与姓名、工作场所或个人档案关联,使人们面临被跟踪、骚扰和针对性恐吓的风险,特别是对女性、LGBTQ+个人和其他弱势群体构成威胁。
Q2:Meta之前有过类似的面部识别技术吗?
A:Meta在2021年放弃了Facebook平台上的面部识别功能,理由是对使用面部识别技术的更广泛伦理担忧。该技术曾用于在用户选择加入服务时自动标记图片和视频中的人物,但公司最终决定停止使用。
Q3:美国议员对Meta智能眼镜面部识别技术提出了哪些具体要求?
A:议员们要求Meta解释如何获得被拍摄者的适当同意、生物识别数据的存储时间、是否会与执法机构分享数据、用户是否可以选择退出面部识别功能,以及如何确保系统不会不成比例地伤害弱势群体等问题。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。