近日,卫报持续报道了一个引人关注的现象:人脸识别技术正在英国快速铺开,其扩张速度已明显超过现有监管规则所能覆盖的范围。警方越来越多地部署实时系统对公众进行扫描,零售商也在利用类似工具识别疑似扒手。
技术支持者认为人脸识别切实有效,且已成不可逆之势;批评者则警告,这一技术可能在缺乏明确保障机制的情况下,造成大规模监控乃至错误标记的问题。
为此,卫报科技编辑罗伯特·布斯就该技术的工作原理、应用规模及出错后果,接受了本期通讯的采访。
人脸识别在警务现场如何运作
不久前,罗伯特·布斯在克罗伊登亲眼目睹了警方实地测试实时人脸识别摄像头的全过程。摄像头高架于街道上方,每次开机运行数小时,附近同时有制服警察和便衣警察待命。一旦监控名单上的人进入摄像头视野,警报便即时推送至警员手机。
"就像捕兽夹猛然合上,"罗伯特描述道,"几秒内,警员就会从四面八方向当事人靠拢——像一张网慢慢收紧,而当事人往往还没意识到自己已经被识别。"他还亲眼看到一名男子在数秒内被多名警员按倒在地。"这一切发生得太快了,完全由技术驱动,在公共场合出现这种情形,感觉相当新鲜,也相当震撼。"
技术原理与快速普及的背景
实时人脸识别系统通过摄像头捕捉人脸,并与警方或私营机构建立的监控名单进行比对。一旦发现疑似匹配,系统即向警员发出警报,由其决定是否采取行动。
这一技术的吸引力显而易见:它确实能够发挥作用。警方表示,该技术已促成多起逮捕,企业也声称其对扒窃行为具有威慑效果。
然而,人脸识别的迅速普及,折射出一种更为普遍的技术扩张模式——从社交媒体到年龄验证,技术应用始终跑在监管框架之前。使用量正在急剧攀升:仅今年以来,伦敦大都会警察已扫描超过170万张人脸,同比增幅高达87%。
错误识别带来的困境
本周一,卫报报道了一起典型案例:来自切斯特的退休安全专业人员伊恩·克莱顿,被某商店使用的实时人脸识别系统Facewatch错误标记为小偷并被驱逐出店。他将这段经历形容为"非常奥威尔式",并表示"感觉是有罪推定"。
"这些案例直白地说就是不公正,"罗伯特表示,"问题在于此类情况究竟有多普遍。"他同时指出,即便错误率很低,一旦技术大规模部署,累积影响也不容小觑。
此外,还有一个更深层的担忧:人们每天行走于公共空间,却在毫不知情的情况下被持续监控并与数据库进行比对,这种无形的监视正在成为日常生活的一部分。
公众态度分歧明显
罗伯特在克罗伊登采访中接触到了不同立场的市民。一些人持"无所隐瞒、无需担心"的态度,认为人脸识别与网络及手机解锁中已有的人脸使用并无本质区别。另一些人则更为忧虑,担心被错误识别,也对摄像头的悄然扩张感到不安。
反对者的声音更为强烈。人权倡导团体"自由"(Liberty)警告称,就目前状况而言,警方可能将该技术用于抗议现场的威慑,或对其掌握的任何影像进行追溯扫描,甚至已有记录显示该技术被用于追踪12岁以下的儿童。此外,相关数据显示,系统对黑人及亚裔人士的误识率明显高于白人。
监管能否跟上技术的脚步
"核心问题是监管机构能否确保技术的负面影响得到有效管控,让人们在享受技术红利的同时不必承担相应的伤害,"罗伯特说。
目前,监管职责分散于信息专员办公室、平等与人权委员会等多个机构,这种分散式管理已被监管机构自身认定为难以跟上技术发展速度。英国内政部表示,正在考虑为该技术建立新的法律框架。
方向已然明确,悬念只剩一个:"技术显然将持续进步,"罗伯特总结道,"问题是相关规则能否同步跟上。"
Q&A
Q1:实时人脸识别系统在警务中具体是怎么运作的?
A:实时人脸识别系统通过架设在公共场所的摄像头捕捉人脸图像,并实时与警方或私营机构建立的监控名单进行比对。一旦发现疑似匹配,系统立即向附近警员的手机发出警报,警员随即决定是否介入。整个过程可在数秒内完成,当事人往往在被识别时毫不知情。
Q2:人脸识别技术会出现误判吗?误判后果是什么?
A:会出现误判。典型案例是退休人员伊恩·克莱顿被商店的Facewatch系统错误标记为小偷并被驱逐出店。他将这段经历形容为"奥威尔式"的"有罪推定"。研究数据还显示,现有系统对黑人及亚裔人士的误识率明显高于白人群体,这一问题随着技术大规模部署将愈发凸显。
Q3:目前英国对人脸识别技术的监管情况如何?
A:英国目前的监管较为分散,信息专员办公室和平等与人权委员会等多个机构均有涉及,但这种分散式管理被认为难以跟上技术的快速发展。英国内政部表示正在考虑建立新的专项法律框架,但目前尚未落地。与此同时,今年伦敦大都会警察的人脸扫描量已同比增长87%,监管滞后问题日益突出。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。