如今，刷脸解锁手机、机场进行身份核验、公共场所进行安全识别……人脸识别技术已经悄然进入我们的日常生活。
随着人工智能不断发展，机器识别人脸的能力也越来越强。很多时候，AI不仅能够判断两张照片中的人是不是同一个人，还可以对不同面孔之间的相似程度进行分析。
那么，一个看似简单的问题也随之出现了：
AI真的比人类更擅长识别人脸吗？
美国圣母大学的一项最新研究，专门对这个问题进行了深入调查。研究人员将商业人工智能系统和开源AI模型的识别结果，与约4000名人类参与者的判断进行了比较，希望弄清楚机器和人类在判断面孔相似性时究竟有多大的差别。
研究结果并没有简单地告诉我们“AI赢了”或者“人类更强”，反而揭示了一个更加复杂的事实：AI与人类在判断人脸相似程度时，往往存在相当程度的一致性，但最终结果会受到多个因素影响，包括观察者自身的识别能力、观察对象的种族，以及观察者与被观察对象之间的种族差异。
这项研究由圣母大学门多萨商学院信息技术、分析与运营学教授Ahmed Abbasi等研究人员开展，相关成果发表在《Journal of Applied Research in Memory and Cognition》上。
研究人员之所以关注这个问题，并不仅仅是因为“谁更会认脸”听起来有趣。
事实上，人脸识别已经成为现代社会的一项重要技术。从边境安全、身份核验，到智能手机解锁，越来越多的场景开始依赖算法判断一个人的身份。与此同时，这项技术也一直伴随着隐私、公平性以及公民权利等方面的争议。
尤其值得注意的是，AI究竟是依据什么来判断两张脸“像不像”，普通人通常并不清楚。
很多先进的AI模型就像一个难以打开的“黑箱”。它可以迅速给出判断，却未必能够用人类容易理解的方式解释自己为什么得出了这个结果。
研究人员因此希望换一个角度：既然AI已经越来越多地参与人脸识别，那么我们能不能把它与人类的判断放在同一个实验环境中进行比较？
为此，研究团队让大量人类参与者完成面孔识别和相似性判断任务，再将这些结果与商业AI以及开源AI系统进行对照。
结果显示，在很多情况下，人类和AI对于两张面孔是否相似的判断其实相当接近。
但问题也恰恰出现在这里。
“接近”并不意味着所有人都一样。
研究发现，一个人的先天面孔识别能力，会明显影响他与AI判断结果的一致程度。
有些人天生就非常擅长记住和区分不同人的脸，即使只见过一次，也可能很快记住对方的面部特征。而另一些人则恰恰相反，即便面对经常见到的人，也可能需要更多时间才能准确辨认。
研究人员发现，那些本身就比较擅长识别人脸的人，他们的判断与AI的结果更加接近。根据所使用的不同AI模型，这类人的判断与机器结果的一致程度至少可以高出约15%。
这意味着，如果把顶级AI系统的识别结果简单地视为一个“标准答案”，那么我们可能会发现，真正能够稳定准确识别人脸的人，其实远没有想象中那么多。
圣母大学研究人员Ahmed Abbasi指出，如今顶尖的人工智能系统在面孔识别方面已经可以达到优秀人类专家的水平。
而这一发现，也让一个长期被忽略的问题浮出了水面：
我们一直在担心AI会不会犯错，却可能低估了人类自己犯错的概率。
这一点在现实应用中尤其重要。
例如，在一些执法场景中，技术并不是完全由AI独立完成判断，而是采用所谓的“人在回路中”模式。
简单来说，就是先让算法发现可能匹配的人脸，然后交给工作人员进行最终确认。
表面上看，这种模式似乎可以兼顾机器的效率和人的判断能力。
但研究结果提醒我们，事情可能没有这么简单。
如果AI给出的判断与普通人的判断并不完全一致，那么最终负责确认结果的人到底有多擅长识别人脸，就可能直接影响最终结论。
一个本身就不擅长识别人脸的人，即使拥有最终决定权，也不一定能够有效纠正算法的错误。
相反，那些本身具有较强面孔识别能力的人，往往更容易与AI系统形成一致判断。
这就意味着，在一些高风险场景中，“最后由人来决定”本身并不能自动保证结果更加可靠。
更值得警惕的是，这项研究还发现，AI系统自身也并非完全可靠。
不同的AI模型之间，有时也会对同一张脸得出不同的判断。
研究人员特别关注了跨种族的人脸识别问题，并使用329张标准化的跨种族照片进行了受控实验。
结果显示，当AI面对训练数据中代表性不足的种族群体时，其识别准确性可能出现下降。
这并不是一个突然出现的新问题。
研究人员指出，计算机视觉领域二十多年来的研究都曾反复发现类似的系统性缺陷，因此想要彻底消除这些问题，并不是简单地升级一次算法就能够完成的。
AI的能力很大程度上取决于它学习过什么样的数据。
如果训练数据中某些人群的面孔数量明显不足，那么模型在面对这些群体时，就可能缺乏足够的识别经验。
这也解释了为什么一个看起来在整体测试中表现优秀的AI系统，在某些特定人群身上却可能出现明显不同的表现。
因此，在讨论人工智能是否存在偏见时，仅仅问一句“这个AI准确率有多高”可能还不够。
我们还需要进一步追问：
它对谁更准确？对谁更容易出错？
这也是这项研究最值得关注的地方之一。
过去，人们谈到人脸识别技术时，通常更加关注算法本身是否存在偏见，以及AI会不会因为训练数据的问题而产生错误判断。
但研究人员认为，人类本身同样存在明显的识别局限。
尤其是在涉及刑事案件、目击证词以及其他高风险决策时，人类对面孔的记忆和判断并不能被理所当然地视为可靠标准。
一个目击者非常确信自己“见过这个人”，并不意味着这种记忆一定准确。
人的记忆会受到观察时间、环境、心理状态以及个人识别能力等多种因素影响。
因此，当AI和人类共同参与判断时，真正需要关注的并不是简单地比较“机器更准还是人更准”，而是要弄清楚机器和人的错误分别来自哪里，以及两者结合之后是否真的能够降低整体风险。
与此同时，人脸识别技术还有另一个无法回避的问题——透明度。
如果一个AI系统告诉警方，两张照片中的人“高度相似”，那么相关人员应该有权知道这个判断是如何产生的吗？
如果算法的内部逻辑完全不公开，被识别者又该如何质疑这个结果？
这实际上已经不仅仅是一个技术问题，而开始涉及法律程序和个人权利。
研究中提到了美国新泽西州的一起具有代表性的案件——State v. Arteaga。
在这起案件中，法院要求警方公开相关AI系统的设计信息，以便被告能够对作为证据使用的人工智能分析结果提出有效质疑。
这个案例说明，当AI开始参与司法和执法决策时，“算法说了算”显然不能成为最终答案。
如果一个AI系统的判断可能影响一个人的自由、名誉甚至人生，那么人们至少应该拥有审查和质疑这一判断的机会。
这也是所谓“黑箱AI”最令人担忧的地方之一。
一旦算法的判断无法解释，出现错误之后，人们可能很难判断问题究竟来自数据、模型、训练过程，还是最终的人类操作人员。
而在现实世界中，这些因素甚至可能同时存在。
研究人员因此提出，与其单纯地把AI看成一种可以替代人的工具，不如把未来的人工智能系统看成一种需要人与机器共同承担责任的技术。
AI需要接受评估，人也同样需要接受评估。
算法需要测试准确率，人类决策者同样需要了解自己的识别能力和局限。
尤其是在涉及重大利益的情况下，不能因为最终按钮是由人按下的，就认为整个过程已经足够安全。
事实上，这项研究带来的一个重要启示就是：
人工智能并不是人类错误的天然解药。
如果AI本身存在偏差，而负责最终确认的人又恰好缺乏足够的识别能力，那么“AI+人类”的组合并不一定比单独使用AI更加可靠。
反过来，如果能够选择经过充分训练、具备较强识别能力的人，并让他们与经过严格验证的AI系统协作，那么机器和人的优势或许可以真正得到互补。
因此，未来真正值得研究的问题，可能已经不是“AI能不能超过人类”，而是：
在什么情况下，什么样的人，与什么样的AI搭配，才能做出最可靠的判断？
随着人脸识别技术进一步普及，这个问题的重要性还会不断增加。
从手机解锁这样的日常应用，到机场安检、身份验证，再到司法和公共安全领域，AI识别人脸的能力正在影响越来越多现实生活中的决定。
但技术越强大，我们就越不能忽视它的边界。
这项来自圣母大学的研究提醒我们，AI的识别能力已经足以与优秀的人类专家相媲美，但这并不意味着机器已经解决了所有问题。
AI可能犯错，人也可能犯错；AI可能存在数据偏差，人类同样可能受到自身经验和认知能力的影响。
因此，在进入一个人与人工智能越来越深度协作的时代之后，我们真正需要建立的，并不是对机器的盲目信任，而是一套能够同时检验算法可靠性与人类判断能力的机制。
只有当机器和人都接受足够严格的审视，我们才能真正知道，一项看起来“非常聪明”的人脸识别技术，到底有多可靠。
原文：https://www.futurity.org/ai-recognizing-faces-3342092/
