top of page

人臉識別「徵用」網絡圖片

Updated: Apr 28

近年人臉識別技術突飛猛進,已成為身份認證科技的重要一部分,包括登錄手機、上班打卡、零售業確認熟客,甚至警察追蹤犯罪分子,都可靠人臉識別幫助。 生活中,不論你是否情願,也肯定試過在Facebook(fb)上被朋友張貼的照片識別(tag)出來。我有更糟糕的經驗,是經常被fb誤認為另一個人,可見此項技術還處於快速改進階段。據說電腦對膚色較黑的人識別率會較差,也容易搞錯性別。解決問題的方法,是在訓練數據集中增加更多圖片,例如增加黑人女性或是長髮男性的圖片。讓我感到矛盾的是,這些技術愈厲害,我的心情愈複雜,也許有一天還是蒙着面逛街比較安全。 網絡上的人臉照片經常會在未取得「臉主」同意下,被下載用來協助開發人臉識別演算法。最近NBC報道稱,IBM今年1月發布了一個包含近100萬張照片的數據集,這些數據樣本來自Flickr的分享網站,用於優化膚色識別。當你得知自己的照片被「徵用」,會否感到不安?在你不知情之下,根本沒機會提出反對或者要求刪除照片。 IBM並不是唯一一家以這種方式使用網絡公開照片的企業,很多研究機構也收集照片用於訓練人臉識別系統,而且規模更大。直接從網上下載圖片實在是十分便捷,可是從道德上來說就有點問題。 AI Now Institute是一家針對人工智能對社會影響的研究所,他們的觀點是即使我們同意在網絡共用自己的資訊,卻不代表願意在不知情的情況下被無限使用這些資訊作其他用途。 Flickr之所以吸引廣大人臉識別研究人員,是因為大量發布照片的用戶簽署了「知識共用」授權合約,同意放棄部分權利。一位澳洲攝影師堅稱,雖然他把自己拍攝的照片上傳至Flickr,並認可知識共用授權合約,允許非營利組織和藝術家免費使用,惟並不希望自己700多張作品被別人私自用來研究人臉識別技術。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page