時間：2018-02-12 來源：互聯網 瀏覽量：
2月9日，紐約時報英文網站發表一篇文章，指出如今非常熱門的AI應用人臉識別，針對不同種族的準確率差異巨大。其中，針對黑人女性的錯誤率高達21%-35%，而針對白人男性的錯誤率則低於1%。
文章引用了MIT媒體實驗室(MIT Media Lab)研究員Joy Buolamwini與來自微軟的科學家Timnit Gebru合作的一篇研究論文《性別圖譜：商用性別分類技術中的種族準確率差異》(Gender Shades: Intersectional Accuracy Disparitiesin Commercia lGender Classification)中的數據。
論文作者選擇了微軟、IBM和曠視(Face++)三家的人臉識別API，對它們進行性別判定的人臉識別功能測試。
在一組385張照片中，白人男性的識別誤差最高隻有1%
在一組271張照片中，膚色較黑的女性識別誤差率高達35% 圖源：紐約時報，JoyBuolamwini,M.I.T.MediaLab
論文研究使用了自行收集的一組名為Pilot Parliaments Benchmark(PPB)數據集進行測試，裏麵包含1270張人臉，分別來自三個非洲國家和三個歐洲國家。
在判斷照片人物性別方麵，以下是論文作者測試後得到的關鍵發現：
- 所有的分類器在識別男性人臉上的表現要優於女性人臉(8.1%-20.6%的錯誤差別)
-?所有分類器在膚色較白的人臉上表現優於膚色較深的人臉(11.8%-19.2%的錯誤差別)
-?所有分類器在膚色較深的女性人臉上表現最差(錯誤率在20.8%-34.7%之間)
- 微軟和IBM的分類器在淺膚色男性人臉上表現最好(錯誤率分別為0%及0.3%)
- Face++的分類器在膚色較深的男性人臉上表現最好(錯誤率0.7%)
-?最差的一組與最好的一組差距高達34.4%
需要指出的是，三家人臉識別API都沒有很細節地解釋自己所使用的分類方法，也沒有提及自己所使用的訓練數據。
不過，微軟在服務中表明“不一定每次都有100%的準確率”;Face++則特別在使用條款中表明對準確性不予保證。
關於可能的原因，時報文章表示，當下的人工智能是數據為王，數據的好壞和多少會影響AI的智能程度。因而，如果用來訓練AI模型的數據集中，白人男性的數據多於黑人女性，那麼係統對後者的識別能力就會不如前者。
現有的數據集中存在這一現象，比如根據另一項研究的發現，一個被廣泛使用的人臉識別數據集中，75%都是男性，同時80%是白人。
曠視回應表示，深色人種數據集比較難獲得，所以會差一些;另外，使用RGB攝像頭進行人臉識別時，深膚色人的人臉特征比較難找，特別是在暗光條件下，這也是一方麵的原因。
IBM回應：論文用的版本太老，新版已改善
針對Buolamwini和Gebru的這一論文發現，2月6日，IBM在自家的IBM Research博客上發表了一篇回應文章。
文章並未否認論文的發現，而是指出，IBM的Watson Visual Recognition服務一直在持續改善，在最新的將於2月23日推出的新版服務中，使用了相比論文中更廣泛的數據集，擁有強大的識別能力，相比論文中的錯誤率有近10倍的下降。
隨後文章中表示IBM Research用類似論文中的方法進行了實驗，發現如下：
結果顯示整體的錯誤率都很低，雖然膚色較黑的女性的錯誤率仍然是所有人群中最高的，但相比論文的結果有很大下降。
曠視回應：深膚色人種識別錯誤率高是普遍現象，在商用產品中會改善
針對這篇論文向曠視尋求回應，對方給予了非常詳細的解答。
回應中，曠視首先對論文的研究方法表示認可，但同時指出研究所用的線上API是較舊的版本，在商用的產品中不會出現這類問題;而且，此類問題也是業內普遍存在的，不僅限於測試的這三家。
原因主要有兩點，一是深色人種數據集的缺乏，二是深色人種人臉特征較難提取。
以下為回應全文：
我們相信文章(論文)立意不是針對哪一家的技術，基本是不吹不黑的中立態度，而且從文章的測試方法來看還是比較科學的，但是文章中所用的“PPB”(?Pilot Parliaments Benchmark)數據集在GitHub的發布地址已經失效，所以我們目前無法自行檢測以驗證文章的結論。
在集成到Face++API中的時候，曠視研究院有針對不同人種進行檢測、識別等測試。但是就目前國際範圍內的研究水平來說，不管是在學界還是產業界，對於膚色人種的識別表現都沒有對“膚色較淺(引用文章用詞)”人種優秀，從此文的測試結果中也可以看出，微軟、IBM和Face++在膚色較深人種識別的表現中(尤其是膚色較深女性)機器的誤實率會更高。
一方麵從人類基因和人臉識別技術角度來說，皮膚的顏色越深對於基於RGB可見光的人臉識別的難度就越大，因為機器在進行人臉檢測、分析和識別的過程中需要對人臉圖像進行預處理和特征提取，所以皮膚顏色越深，麵部的特征信息就越難提取，尤其是在一些暗光情況下，更加難以檢測和區分。
另一方麵，人臉識別很大程度上依賴於數據訓練，而在整個行業中黑色人種的可訓練數據量較少，所以識別的結果在某些程度上不盡人意，所以文章呈現的測試結果是行業普遍存在的現象。文章中隻是選取了三家行業代表來進行了測試，如果樣本量足夠大，那可能還會得出其他的結論。
不過測試結果也顯示，Face++對於黑人男性的識別錯誤率(0.7%)是最低的，且在PPB的南非子測試集中，Face++識別膚色較淺人種的表現是完美無瑕的，這些其實也間接說明Face++的人臉識別能力是處於全球領先的地位。
文章作者提出了一個很好的問題，但文章中測試的API線上版本和我們為用戶提供的商業版本無關，用戶在業務使用中不會有任何影響。
當然我們也相信行業內都在針對人種識別優化做著各種努力。而就Face++來講，未來研究院會從幾個角度去改善目前的狀況，如增加訓練數據，針對不同人種進行專門訓練，另外是從算法層麵優化現在的流程，提升對不同人種的識別性能，此外，曠視也在加大3D感知的研發力度，將三維特征信息融合到應用中彌補二維信息的不足使模型更加魯棒。
AI真的有歧視嗎?
根據時報的報道，論文的作者之一黑人女性Buolamwini做這項研究之前，曾遇到過人臉識別無法識別她的臉，隻有在她戴上一張白色麵具時才行，因而引發了她開啟這項研究。很明顯，這項研究試圖探討AI時代是否存在社會不公甚至種族歧視的問題。
種族歧視作為一個非常敏感的話題，許多事情隻要有些微沾上點邊就會引發強烈反彈。在人臉識別這塊，無論是論文作者的研究，還是廠商的實驗都明確發現女性深色人種識別誤差率更高。但這就能代表AI存有歧視嗎?
顯然並不是，細究其中的原因，之所以膚色較深女性較難識別，除了有天然人臉特征更難提取之外，還有可供訓練的數據集較少的原因。
而從市場的角度來說，IBM和微軟的服務在白人男性中表現最好，是因為其市場主要在歐美，而那裏白人占多數;曠視的主要市場在東亞和東南亞，因而其在黃種人當中的表現會好很多，這跟歧視沒有關係，而是市場導向的技術研發。
話又說回來，這篇論文確實顯示，AI的智能性跟訓練數據有很大關係，因而在設計AI應用時，我們應該盡量使用廣泛且代表性強的數據，照顧到不同的人群;同時要積極對公眾解釋AI的實現原理。
這件事同時表明，鼓勵新技術的發展惠及更多少數族裔是一件需要更多重視的事情，不僅僅是人臉識別，還有語言、文化等各方麵。
編輯：齊少恒
