眾所周知，人工智能主要圍繞感知、認知以及創造這三種能力。

感知能力包括人臉、語音、圖像識別、機器翻譯等，認知能力包括阿法狗下圍棋、自動駕駛、數據預測等，創造能力包括作曲、繪畫、作詩等。創造能力我們人類還遙遙領先，短期內不會被超越，但認知和感知能力，目前已經在商業領域得到廣泛應用。

2015年，老襯創業一款家居App，決定植入市場還屬空白的一個AI功能，需要SLAM（位置定位與建圖）這種感知技術，找商湯等頭部AI公司接觸一圈，既沒有SDK也很少相關研究，最后只能和國外公司購買，過程中浪費了大量時間和人力物力。

那時查閱國外大量的AI資料發現，人臉識別技術發展背后，其實主要依賴美國極為復雜的政府和軍方關系，如今人臉識別技術早已應用在短視頻和直播等熱門領域，但這個話題至今在國內還是空白，所以籍此機會，為大家八卦一篇野史。

01

人臉識別技術的早期階段，有著非常濃重的政治色彩，甚至與核武器都有一些淵源。人臉識別之父伍迪布萊索（Woody Bledsoe），早在1960年以前，就已經在研究機器識別的相關技術，還得到了美國最秘密機構---中央情報局（CIA）的贊助。

情報機構的贊助背景，使得伍迪布萊索對于人臉識別技術基本緘口不言，直到2000年以后CIA逐漸解密，大家才公認布萊索是最早研究人臉識別技術的科學家，而且早在1965年就首次獲得成功，1967年再次優化效率，只是出于“政治原因”沒有論文問世。

伍迪布萊索1921年出生于美國俄克拉荷馬州的梅斯維爾鎮，家里有12個兄弟姐妹，生活過得非常貧困，父親在他12歲時就去世了，為了補貼愈加拮據的生活，他高中畢業就開始做苦力活，每天干活12個小時，并且沒有周末，后來因為二戰爆發，他才辭掉工作去參軍。

軍旅生涯讓伍迪布萊索從一個參戰者角度見識到了原子彈的力量，這讓他對核武器異常著迷，二戰勝利之后，他迫不及待回到學校，2年半就完成了大學學業，然后又去伯克利讀到博士，畢業后直接去了Sandia公司從事核武器研究，和氫彈發明者之一的烏蘭做了同事，還親眼目睹過一場氫彈試驗。

伍迪布萊索的編程技術，早期純粹是為了模擬和計算核爆炸數據，之后隨著對計算機理解愈加深刻，他開始喜歡上機器替代人類識別事物這件事，和Sandia公司的同事布朗寧共同研究出一個稱為N元組的算法，應該就是機器識別這個領域的最早雛形，那時他的夢想是未來造出一臺識別所有事物的機器人。

1960年，伍迪布萊索和兩個同事離開Sandia公司，共同成立一家新公司，名叫全景（Panoramic）。相比較伍迪布萊索后來的經歷，全景公司期間的大多數工作至今都還是謎，大概那時研究的項目大多都與國防有關。

中央情報局（CIA）2001年解密一個資料，二戰期間CIA發起過一個項目叫做MKUltra（控制人腦用于獲取情報、逼供等），這個項目因為拿人體做實驗，在美國引起很大輿論，MKUltra項目的研究范圍很廣，合作了80多家頂尖科學機構，其中就包括全景公司。

另一個是2014年King-Hurley公司的解密，King-Hurley向MuckRock（美國一個和政府索要信息公開的非營利組織）公布1963年他們就已經在研究人臉識別技術，而且合作者就是伍迪布萊索。值得一提的是King-Hurley也被證明是中央情報局的殼公司，

King-Hurley的解密透露，伍迪布萊索在1964年匯報進度時稱，頭發生長、面部表情和衰老狀態，這三種因素超出了當下的計算機能力，建議增加預算，尋找新方法。1965年底，他終于在一款稱為RAND的平板電腦上，第一次實現了人臉識別。

CIA在2005年又一次解密，伍迪布萊索1967年離開全景公司以后，也許是最后一次和CIA合作了人臉識別項目，除他以外還有一個科學家叫彼得哈特（Peter Hart），后來哈特引領了斯坦福研究所（后獨立成為著名的SRI）的計算機視覺技術。CIA的項目叫做“快速篩查照片和肖像數據庫”，解密文件稱該項目可以將搜索時間縮短100倍。哈特后來回憶，出于“政治原因”，他和布萊索當時的研究，不能發布公開論文。

到了1970年，有朋友告訴伍迪布萊索，貝爾實驗室里有位叫萊昂哈蒙（Leon Harmon）的科學家也在研究人臉識別，1973年11月，哈蒙發表了“人臉識別”第一篇公開論文，因此登上了《科學美國人》封面。

這是布萊索在1965年就應該獲得的榮譽，此時他已經開始研究自動推理，還是評價了哈蒙的人臉識別論文說，哈蒙的研究至少還落后他和哈特5年時間。

在隨后的二十多年里，伍迪布萊索在自動推理領域獲了獎，又擔任過美國人工智能協會主席，但他在人臉識別領域的巨大成就，很長時間以來并沒得到世人認可，這位科學家1995年10月4日去世時，身份跟人臉識別沒有太大關系。

02

人臉識別的技術發展，從伍迪布萊索開始，大部分時間都是由美國政府部門主導。

萊昂哈蒙發完論文，此后也都是在做計算機視覺相關的研究，他離開貝爾實驗室去了凱斯西儲大學，擔任生物醫學工程系主任，之后指導博士生托馬斯克魯拉（Thomas Collura）在腦電圖領域獲得了成功。

1991年，特征臉（Eigenface）算法被應用在人臉識別，首次實現了自動檢測人臉。這項技術是霍普金斯大學的希洛維奇（Sirovich）提出，再由麻省理工學院（MIT）“連接科學”的創始主任亞力克斯彭特蘭（Alex Pentland）發揚光大，彭特蘭在2012年被《福布斯》評為“全球7個最強數據科學家之一”，獲此殊榮的還有谷歌創始人拉里佩奇。

彭特蘭對人臉識別的另一個貢獻，是后來他親自參與了人臉識別技術的首次商業化，也是和國防部合作。

1993年，國防部旗下的高級研究局（DARPA）發起一個FERET項目，在全美選拔五組人臉識別領域的頂級專家團隊，研發最先進的人臉識別算法和數據庫，主要目的用于安全監控和情報獲取，亞力克斯彭特蘭就是其中一組，國防部此舉后來被很多人稱為計算機視覺元年。

FERET項目從1993年9月份開始，總共經歷了三個階段，每個階段的時間都是一年。

第一年考驗五組團隊的科研能力，只有三組團隊成功了（包括彭特蘭所在的MIT組）。第二年這三組團隊繼續深入研發和完善可用性。第三年測試性能和制定標準，他們成功建立了第一個人臉數據庫，同時確定了人臉識別技術和性能檢測的所有流程標準。

FERET項目從1997年開始在各大政府部門商用，而且變更了項目管理權，從國防部旗下的DARPA研究局移交給了美國商務部旗下的技術研究院（NIST），由NIST研究院開始普及商用，并且繼續完善優化算法和性能，到今天，NIST已經擁有200多種人臉識別算法，還有超過800萬人的人臉數據庫。

2000年以后，NIST研究院又在FERET項目基礎上做了延伸，先后發起兩個新項目FRVT和FRGC，FRVT是評估技術可用性，測試算法系統性能，為采購技術的相關部門提供檢測報告。FRGC則是面向市場上的公司和團隊，聯合其他部門的定制化需求，發布競標比賽，FRVT負責對接評估，幫助不同部門完善人臉識別系統的個性化要求。

美國諜戰大片中很多關于人臉識別的劇情，在現實生活中其實早已實現。美國軍方從2004年開始建立自動化生物識別系統（ABIS），不僅包括人臉識別，還有虹膜、指紋、DNA等生物數據，這個數據庫大約有800萬個身份信息，而且正在快速增長。

比較知名的應用記錄是在2011年，美國軍方承認使用人臉識別來尋找本拉登，其他諸如警察局取證、機場監視等已經不勝枚舉。

03

2010年，隨著Facebook加入人臉識別功能，人臉識別開始走向個人。

從支付到美顏，全球互聯網公司紛紛跟進，2017年蘋果iPhone X首次發布人臉解鎖功能，搶購一空同時引爆了市場，如今人臉識別已經應用在了方方面面，短視頻、直播這些每天都會高頻出現在我們身邊。

近期，美國一家人臉識別公司Clearview AI因為客戶名單泄露又引起了軒然大波，這家公司在社交媒體上抓取了30多億張照片，可以精準查詢用戶的敏感信息，天使投資人是貝寶（PayPal類似支付寶）創始人，也是美國著名的科技捕手彼得蒂爾（Peter Thiel）。

Clearview AI一直聲稱其合作對象是政府部門，其實早在2018年，他們就輔助一位億萬富豪，獲取女兒在曼哈頓餐廳的約會情景，包括約會者的身份信息。此次他們被入侵，泄露出來的客戶名單長達2200多個，包括NBA、百思買、梅西百貨、沃爾瑪等27個國家地區的不同機構和個人，并且Clearview AI是在全球抓取照片，不僅限于美國。

如今Facebook、Twitter、YouTube等社交媒體陸續禁止了Clearview AI抓取，但這種以販賣個人敏感信息為商業模式的行為，市場早已有之。

與SaaS的軟件即服務一樣，很多市場調研、大數據類機構都自稱自己是人臉識別即服務，這觸發了人們又一次的科技倫理討論，如果我們個人的敏感信息被大量私人機構掌握，未來將會帶來什么樣的后果。

04

疫情當前，除了短視頻、直播以外，新的防疫“高科技”也火了，刷臉驗證身份以及自動測量體溫的設備開始廣泛應用。

車站、酒店、商超、小區、辦公區等公共場所均有擺放，只要有人從鏡頭前經過，后臺工作人員就能獲得數據，甚至無需摘下口罩，不僅避免了交叉感染，也大大提升了檢測效率。

人臉識別技術包括圖像采集、人臉定位、身份確認等多種學科，目前國內技術較強的公司有商湯、曠視和BAT等，大多數人臉識別App和硬件設備，都是直接采購這些公司提供的APISDK，不用自己開發。

當機器被賦予了更多能力，海量數據匯總以后的評估預測會超出我們人類的智慧很多，能夠極大的優化工作效率以及預防犯罪，但與此同時，這個“黑匣子”同樣也引發了很多令人不安的倫理問題。

除了大量討論AI未來的不可控以外，近在眼前的隱私問題，以及大家普遍關注的失業可能，就已經迫在眉睫。

機器開始承擔多種復雜化工作，而且效率遠勝人類。比如自動駕駛，我國僅貨運司機數量已經超過3000萬，出租車加網約車司機數量更多，機器學習遠超個人學習新技能的速度，那么隨著5G快速發展，類似失業這種現象將不可避免。

我們顯然會擁抱AI，但同時也要敬畏和警惕新科技。

本站轉載文章和圖片出于傳播信息之目的，如有版權異議，請在3個月內與本站聯系刪除或協商處理。凡署名"云南房網"的文章未經本站授權，不得轉載。爆料、授權：news@ynhouse.com。