一周马上过去，又到了周末。回顾这一周，跟前沿技术有关的新闻很多都跟隐私有关，包括突然火起来的AI视频换脸应用ZAO，旷视在校园课堂场景下的识别方案，都让人对AI技术带来的隐私风险更加关注。在国外，因为人脸识别饱受争议的亚马逊，正试图开发新的身份识别技术来取代人脸识别。
当然，人脸识别的积极作用是不容忽视的，国内警方甚至已经采用跨年龄的人脸识别技术来寻找被拐卖的人。
本周周报，我们一起来分析以下这些问题：
在课堂上使用人脸识别，是该大力推广，还是该全面禁止？
警方使用AI技术跨年龄识别人脸，帮助寻找走失或被拐多年的孩子，这在技术上是怎么实现的？
亚马逊想开发刷手支付的方式，这种识别方式有哪些优缺点？
人脸识别走进课堂，是洪水猛兽吗？
从今年开始，人脸识别正在面临由隐私担忧带来的抵制风险。在美国，已经有几个城市宣布公共部门不能用人脸识别技术来辅助执法；受到了太多隐私指责的Facebook，本周也被迫宣布，不再默认在其应用中启动人脸识别，用户可以通过新提供的按钮关闭人脸识别。
国内隐私保护意识也在崛起。最近一周，陌陌旗下的视频换脸应用ZAO经历了大起大落，也唤起了人们对隐私保护的关注。此后旷视科技则因为一张大学课堂监控视频图像的曝光，掀起了视频监控是否侵犯学生隐私的讨论。很多观点认为，这种课堂监控将教师变成了监狱。旷视科技则辩称，该图为技术场景化概念演练。旷视在教育场景的应用主要是智能校门、教室门以及宿舍的出入，保障校园安全。
无论是AI视频换脸，还是“AI视频分析课堂”，毫无疑问都有侵犯隐私。
对于ZAO已经有太多讨论了，这种应用带来的新奇感，肯定是要用户以付出面部信息为代价的，工信部也约谈了这家公司。预计这种应用走不长。ZAO除了要解决隐私的问题，还有所用的影视内容版权的问题。
何况，产品功能上，对ZAO而言，用户的新奇感一过，大量卸载是很正常的。早几年上网的朋友应该还记得，2015年的时候曾有一款叫做“足记”的APP，火爆一时，这个APP可以让用户对照片进行编辑，并加入一些文字，使照片形成一帧电影镜头的质感。因为新奇的功能也曾刷爆朋友圈，不过现在早已销声匿迹。ZAO如果没有功能与场景的延伸，预计也会延续这样的发展轨迹。
而AI视频分析课堂的应用，则争议性比较大。目前这块应用正在处于落地的初期，还未大规模使用。
课堂上的AI视频分析
虽然旷视否认有“AI视频分析课堂”这样的应用，但查阅此前的宣传稿件，旷视在介绍智慧教育解决方案时，确实对课堂评价系统做了推荐，相关文章称，该系统可通过对课堂视频数据进行分析，反馈学生行为(趴桌子、举手、站立等)、表情(高兴、难过、困惑、害怕、惊讶、愤怒、厌恶等)、专注度、前排上座率等多维度课堂数据，辅助教学评估评价。
在去年12月的“2018国际教育信息化峰会暨国际智慧教育展览会”上，旷视还展示了其智慧教育方案中的课堂行为分析的应用。当然，可能是这项应用的落地性还不太好，旷视索性在声明中称该技术应用是场景化概念演练。
实际上在教育行业这类应用已经有不少了。例如上海中医药大学附属闵行蔷薇小学的“AI+学校”类应用，已经入选了上海市经信委发布的首批人工智能试点应用场景。所用的系统由上海交通大学E-LEARNING实验室打造，包括了课堂评价、环境分析与控制、教师培训三部分，也就是除了做校园安全，还做课堂上的师生表现的评价，以及教师的培训。在课堂评价方面，可以做姿态评估、表情识别、语言识别、教师轨迹热力等分析。
武汉育才小学则与做教育AI的清帆科技进行合作，部署了教学分析系统，通过情感计算、自然语言理解、说话人识别和姿势检测等技术，对课堂情感、语言、行为等数据的分析，得出学生的课堂专注度，反映学生在课堂学习过程中有没有集中注意力听讲，有没有积极参与课堂讨论。
武汉育才小学部署了课堂分析系统的教室
资料显示，有清华大学背景的清帆科技推出了全息课堂产品，对课堂进行数据分析，提供学生的个性化学习报告。这家公司在2018年5月发布了第一款教学辅助产品，至今已在北京、南京、石家庄、重庆、西安等地20多所学校进行常态化应用。一些做微表情识别的AI公司也曾表示技术已经在上海浦东的多所重点中学进行应用。
这些是公立学校，而好未来、海风教育等民办机构也有相关的业务落地。总体来说，AI课堂监控正在进入校园，但还远未大规模应用。
技术总是有两面性，人脸识别有价值，但隐私担忧也是不容回避的，在校园课堂场景也是如此。因为最近关注度提升，管理部门已经做了表态，要加以限制和管理。
教育部科学技术司司长雷朝滋指出，“人脸识别进校园，既有数据安全也有个人隐私问题，教育部已经在开始关注这个事情，组织专家论证研究。我们要加以限制和管理。现在我们希望学校非常慎重地使用这些技术软件。包含学生的个人信息都要非常谨慎，能不采集就不采。能少采集就少采集，尤其涉及到个人生物信息的”。
随着管理部门的介入，预计大中小学在人脸识别技术的应用上会越来越谨慎。不过这里最重要的是对人脸识别在学校、课堂的应用做出明确规制，而不是一棒子打死。
人脸识别对于保障校园安全的作用还是很明显的，陌生人进入校园，以及校园内存在的霸凌问题，都可以通过人脸识别来防范。技术也可以帮助加强对教师的管理，教师是否遵守了教学规范，是否有体罚，等等，都可以进行监督。发生的一些师生矛盾，也有了评判的依据。另外教师也可以通过视频分析了解自己在教学过程中的优点与不足，在总结中提升教学能力。
对于学生的AI课堂分析，则应慎之又慎。
视频分析可以重点识别涉及到校园安全的问题，以及严重违法课堂纪律的问题，但不应做课堂上注意力集中度、表现是否积极等方面的评价。如果这样，容易给学生带来焦虑、压抑等心理问题。而且即使技术上识别了学生上课不专注，往往也很难去解决这些问题。即使在技术上做了学生是否认真听讲等评价，也不宜作为学生管理与奖惩的依据。衡水中学名声在外，被广为诟病的一点，就是在教室里安装摄像头，发现学生有诸如困倦、偷懒等行为后作出扣分、批评等惩罚。教育是人性的教育，不是一堆冷冰冰的视频分析数据。
衡水中学的视频监控
从表情识别、情感分析等技术角度看，这些技术并不成熟，可能形成误判并给学生带来伤害。人
的情感与表情是非常复杂的，而表情识别、情感分析等技术相比于普通的人脸识别技术难度更高更复杂，需要采集比人脸识别更多的数据点做比对分析，而且是瞬间的表情，再结合心理学的面部行为识别符号去解析人的内心活动，这个过程更复杂，精准度相比于一般的人脸识别更低。美国心理科学协会最近的科研论文分析结果也显示，人的情绪表达方式多种多样，很难从一组简单的面部运动中可靠地推断出人的感受，表情与感受之间，没有坚实的科学依据证明有直接关联。如果以现在还不成熟的技术去评判成长期的学生，并不妥当。
总结来说，人脸识别进入校园课堂，不宜简单视为洪水猛兽，而是应该发挥其在安全方面的作用，同时对人脸识别的应用加以限制，把它放在牢笼里，加以规则，如对使用场景作出严格限定， 对可以查看分析结果的人也做出权限的限定。
跨年龄人脸识别，帮助寻找失散多年的亲人
人脸识别进入课堂，确实是存在争议。来看个更有正能量的人脸识别应用吧。据央视经济半小时报道，国内警方通过最新的跨年龄人脸识别技术，帮助一些不幸的家庭找到了被拐十几年的孩子。
报道中提到的一个案例显示，一对在深圳经营一家粮油店的夫妻经历了儿子被拐之痛，2004年的时候，孩子在粮油店附近玩耍时丢失。当时街头的摄像头远不及现在普遍，找回孩子难度极大。
2017年底，公安机关与腾讯合作，开发跨年龄人脸识别算法，通过数据分析推断幼儿长大后的样子，解决同一人在不同阶段的人脸识别问题。
最近，公安机关用这项技术推断被拐孩子的大致模样，并于公安数据库中的同年龄段的人脸进行比对，在广东茂名找到了面部相似的孩子，再结合出生证明、DNA验证等信息，最终确认这个孩子就是夫妻所丢失的孩子。
在人脸识别时，一般是选取脸上的五官等特征点，描述出几何比例，做出识别。但人在不同年龄段，相貌是要发生变化的，五官的比例关系也会发生变化，使得技术上不能识别不同年龄段的同一人。
那么跨年龄人脸识别在技术上怎么实现呢？说到底还是大规模训练数据+更新算法。在自己的人脸库或者公开的信息库中，寻找同一人在不同阶段的照片，用这些数据去训练算法，核心是在年幼时期的照片进行人脸识别特征提取后，做人脸数据推测，寻找特征变化的规律，如什么样的人在什么条件下，脸部特征会发生哪些变化，基于此推断若干年后这个人的脸部特征。这比较考验数据丰富程度与算法模型能力。
从名人的照片信息中提取特征变化
业界有不少算法的探索。腾讯AI Lab 提出了一种正交深度特征分解算法 OE-CNNs，把深度特征分解为年龄分量与身份分量，年龄分量衡量因年龄变化而带来的特征变化，身份分量则考虑不同环境、生活方式等差异带来的特征变化，因此年龄成分被分解成一维分量，而身份成分则分解为高维角度分量，然后二者通过多任务学习的方式进行分别的训练。这其中很重要的是迁移学习的算法，把一部分人的特征变化规律平滑地运用到其他人群的特征上。
业界还有一些训练方式，如将人脸分为人脸全局层、人脸局部层以及人脸细节层，针对不同的层级，用主动外观模型(AAM)、支持向量机(SVM)等方法去得到相应人脸层的特征。
不管什么方法，目前来看都还不是特别精准，这里有数据量的问题，也有模型的改进的问题。
另外影响人的特征的变化的因素是非常多的，而每个人的面临的因素又是不同的，如不同的经济状况，不同的职业，不同的生活习惯，这些很难就个体做预测，所以很难达到足够的精准度，现在不少模型其实在特征向量空间上很少很简单，但在实际中，影响人面部信息变化的特征维度太多了，模型的精准度就成问题。根据模型推测出来的，也不是人的精准图片，而是根据特征合成的图片。
但愿这项技术能越来越完善，从而减少更多的人间悲剧。当然，也应该制定规则，防止这项技术滥用，带来隐私问题与社会问题。
受隐私困扰，亚马逊厂商开发刷手识别
不论如何，人脸识别带来的隐私担忧，确实不容忽视。毕竟人对于面部信息的提供还是趋于谨慎的。因此业界从未停止过对新的身份识别方式的探索。据《纽约邮报》报道，亚马逊正在尝试一种“刷手支付”的方式，并会在未来几个月在线下的全食超市进行试用。据称，该项技术的结账速度将可以被缩短至0.3秒。
亚马逊人的脸识别系统“Rekognition”一直饱受争议，出现了诸如将一些议员识别为犯罪嫌疑人等问题，向警方出售该技术也遭到了大规模抗议，另外因为在识别有色人种方面不够精准，在讲究政治正确的美国也是受到了不少指责。贝佐斯看来是痛定思痛，想开发一种新的识别方式，去取代争议大的人脸识别。
亚马逊的人脸识别系统在美国遭到抗议
手部识别的优势显而易见，手不像人脸那么敏感，即使手部信息丢失并被滥用，带来的隐私威胁也没有人脸识别那么大，因为在物理世界里将不同人分别开来的，主要还是人脸信息，手部信息在日常生活中是不易被人看到的，即使看到，人也很难识别出特征。隐私威胁不大。
另外，手部更加灵活，在验证的时候，可以做更多的活体识别动作，如摇手、摆手、握拳等等多种动作，来防止信息伪造。面部活体识别，可以做的动作还是有限的。
不过具体的技术细节还未透露出来，尚不清楚亚马逊会采用怎样的技术路线。理论上讲，手部识别的技术难度更高，手部特征不像脸部那么明显，可以提取出哪些信息来，还不得而知。另外，手是可以灵活活动的，不同特征之间的几何关系也会随之变化，怎么去用手部的信息界定一个人，还有待于更多的技术信息揭晓。
当然，亚马逊也有可能采用静脉识别的形式，通过设备取得人的静脉分布图，再做比对提取特征值；或者用不同波长的光线对手指进行照射，得到手指静脉的图像，对获取的影像进行分析处理，得到手指静脉的生物特征。
对于AI在课堂上的应用，在跨年龄识别中的应用，以及刷手识别的技术，您有什么高论，欢迎在评论区留言，大家一起探讨。
评论