張?zhí)锟?/p>

人工智能（AI）已經(jīng)廣泛并且深入地介入人類的生活，其中的人臉識別技術(shù)更是滲透和應(yīng)用于各個領(lǐng)域，比如：司法、刑偵（刑事鑒識）、電子護照及身份證、金融和保險業(yè)的自助服務(wù)、IT和網(wǎng)絡(luò)的安全保護等。

近日發(fā)生的一件備受關(guān)注的案件，也體現(xiàn)了AI特別是人臉識別在警察破案中所起的作用。居住于中國杭州三堡北苑4幢的來女士于2020年7月5日失蹤，6日家人報案，23日警方通報來女士已遇害，其丈夫許某某有重大作案嫌疑。從來女士失蹤到破案，警方只用了18天時間，原因在于，警方動用了多種刑事鑒識手段，其中就包括AI技術(shù)。

杭州警方先后4次地毯式排查1萬多平方米的地下車庫和附近所有電梯井、水箱、窨井、儲物柜、煙道、通風(fēng)管道，查看近6000小時的監(jiān)控錄像，沖洗38車糞水，走訪詢問小區(qū)6幢單元樓、379戶人家、1075位居民……在海量的偵查工作中，警務(wù)AI的介入加速了破案進程。

來女士所在的小區(qū)有內(nèi)部監(jiān)控96個、外圍監(jiān)控近千個，警方在調(diào)查中，需要查看、處理的數(shù)據(jù)量巨大，其中一些就需要AI來進行大數(shù)據(jù)研判分析。在AI的幫助下，警方判斷化糞池可能存在相關(guān)證據(jù)，最終讓真相水落石出。至于AI是如何幫助警方破案的，為了避免其他人模仿作案以及掌握更多反偵查技巧，警方未公布更多細節(jié)。

AI能介入刑事鑒識，監(jiān)控錄像功不可沒。過去是舉頭三尺有神明，現(xiàn)在是舉頭三尺有監(jiān)控。監(jiān)控是對人和物的特征和行動的錄像記錄，但需要人工和AI去辨識。顯然，此次警方利用的人臉識別技術(shù)中既有直接人臉辨識，也有間接人臉辨識。前者是要查看來女士的去向，后者是要辨識與小區(qū)有關(guān)的人員是否有作案的可能性。與案情有關(guān)的監(jiān)控錄像時長近6000小時，如果沒有AI介入，是不可能在短時間內(nèi)確定來女士的行蹤和物證的提取場所的。對監(jiān)控錄像中大量的人物進行識別，也需要在AI的協(xié)助下完成。

但是，按照目前的人臉識別技術(shù)，即便有完整的正面圖像，AI識別有時也會看走眼，更不用說沒有頭部和正面圖像出現(xiàn)的畫面，對于這些畫面AI幾乎毫無辦法。因此，可以說，AI在來女士失蹤案中起了作用，但還不夠，需要警方以人工方式來進行進一步的人物識別，以確定來女士是否走出其居住的小區(qū)。

此次刑事鑒識的一個重要信息是，在三堡北苑4幢電梯監(jiān)控視頻中，有一幀只有下半身的圖像。如果讓AI來辨識這個圖像，很難斷定這個下半身影像是否為來女士。按照現(xiàn)有的人工智能算法，這種圖像很容易被忽略，因為它沒有人臉識別中的面部信息，甚至根本不具備任何面部特征。由于下半身的圖像沒有人臉出現(xiàn)，因此無法動用AI來辨別和確認，唯一的辦法就是要靠人工（警察）來辨認。因此，從理論上分析，此次來女士失蹤案，最大的可能是AI和人工結(jié)合進行刑事鑒識，并鎖定來女士并未走出小區(qū)。

不過，如果監(jiān)控錄像中出現(xiàn)了來女士的面部影像，AI是否就能準確辨認出目標并且避免誤判呢？這要從人臉識別的原理進行分析。

實際上，人臉識別即人臉圖像匹配與識別，是把提取到的人臉圖像的特征數(shù)據(jù)與數(shù)據(jù)庫中存儲的特征模板進行搜索匹配，并設(shè)定一個閾值，當相似度超過這一閾值，就會確認匹配?；谏疃葘W(xué)習(xí)算法的AI系統(tǒng)可綜合運用運動跟蹤、人臉檢測、人臉識別、大規(guī)模人臉檢索等技術(shù)，借助大數(shù)據(jù)平臺，實現(xiàn)實時視頻或離線視頻的動態(tài)人臉識別、分析和處理，對嫌犯和在逃人員進行篩選、鎖定。當采集到的面部信息與后端數(shù)據(jù)庫進行比對，并確認達到閾值后，系統(tǒng)就會發(fā)出警告信息。

按照這個原理，在刑事鑒識中需要AI具有非常精確的比對率，否則就有可能引起誤檢和漏檢，而誤檢率和漏檢率也是評判AI是否靠譜的兩個重要標準。誤檢是把無當有，如臨床上AI把一張圖片上的致密影像判定為腫瘤，這種誤檢當然會造成誤診，而在刑事案件中的誤檢會冤枉和誤傷好人，并且會放走真正的嫌犯。漏檢則是影像中有真正的嫌疑人但未檢出。如果在監(jiān)控視頻的快速檢索中出現(xiàn)了嫌疑人的影像，但被AI漏掉了，會讓整個案件無解，即使有其他證據(jù)，也無法形成閉環(huán)的證據(jù)鏈來對嫌疑人定罪。

當然，AI的發(fā)展可以避免其短板，如對數(shù)據(jù)做某種更大范圍的分布假設(shè)，但是這一方面可能造成誤檢，另一方面也無法保證不滿足該假設(shè)的樣本能被正確分類或預(yù)測。因此，AI也不可能把誤檢率和漏檢率降到零。因此，需要AI和人工結(jié)合進行刑事鑒識。同樣，在醫(yī)療、消費等其他領(lǐng)域，如辨別產(chǎn)品的真?zhèn)蔚龋残枰獌烧呓Y(jié)合。

即便是有規(guī)律可循的AI人臉識別，也會犯錯。原因在于，人臉具有類似性，即便個體之間存在差異，但所有人的面部結(jié)構(gòu)都相似，容易讓AI誤判。此外，人臉還有易變性，除了隨年齡增長而出現(xiàn)的面部特征改變外，還可以因為臉部的各種表情而導(dǎo)致同一人有不同的面部特征差異，而且從不同角度觀察，人臉的視覺圖像也相差較大。再加上光照條件差異（如白天和夜晚，室內(nèi)和室外等）、一些遮蓋物（如口罩、墨鏡、頭發(fā)、胡須等）遮臉，人臉識別也難以準確地識別和匹配個體。

2018年美國公民自由聯(lián)盟（ACLU）在一次測試中使用亞馬遜的人臉識別系統(tǒng)Rekognition，后者將535名美國國會議員中的28人誤判為罪犯，錯誤率達到5.2%。但是，亞馬遜回應(yīng)稱，其軟件的設(shè)計本意是輔助人類工作，造成誤判的原因是ACLU在測試中使用了錯誤的設(shè)置，將識別閾值定為80%。一般在警方工作中建議閾值不低于99%，閾值下調(diào)就會誤檢出更多的嫌疑人，反之則會漏掉一些嫌疑人，因此這不是Rekognition的錯。

盡管如此，2019年5月14日，美國舊金山城市監(jiān)督委員會還是以8票對1票通過一項法令，禁止城市工作人員購買和使用人臉識別技術(shù)。舊金山成為美國第一個禁用人臉識別系統(tǒng)的城市。后來，美國馬薩諸塞州的薩默維爾市也宣布禁止當?shù)鼐胶褪姓块T使用面部識別軟件，成為美國第二個禁止使用人臉識別技術(shù)的城市。

至于在企業(yè)、住宅安全和消費等方面應(yīng)用人臉識別，更是有很多漏洞并受到公眾的質(zhì)疑，比如，擔心隱私泄漏。當人臉識別技術(shù)越來越普及時，如上班、進小區(qū)、取廁紙、點餐、結(jié)賬、住酒店等都要刷臉，人臉識別的負面作用也會進一步顯現(xiàn)。例如，如果人臉信息泄漏后，該怎么換臉？

杭州來女士失蹤案進一步說明，AI需要發(fā)展，但更需要人的掌控和指揮。