圖像辨識：威脅與挑戰

什麼是圖像辨識？

圖像辨識是讓電腦識別出影像中的元素，例如人物、物體和事件等等。這種技術使用人工智慧、機器學習和深度學習技術來處理、解釋和分類視覺資訊，進而實現圖片識別。

影像被分成稱為「畫素」的微小顆粒，電腦把影像理解為數值矩陣。這些數值包含畫素包含的資訊（例如顏色），透過分析畫素包含的視覺資訊、位置和模式，系統就能透過模式識別的方式辨識出影像。例如，在圖片中的某些部分檢測到的模式可以識別為人類的臉部。

機器學習如何幫助圖像辨識？

機器學習能從大量資料中學習到特定的模式，進而增強圖像辨識技術。這項技術首先要將大量帶有內容標籤的圖片輸入系統中。例如，假如我們想在照片中辨識出戴口罩的人，我們會提供有戴口罩及沒戴口罩的人的照片，並標示標籤，讓系統進行訓練。因此，系統能學習出一種特定的模式，並在未來提供新照片時辨識出戴口罩的人。不過這種訓練需要大量的照片。

圖像辨識的使用

圖像辨識能應用在許多領域上：

• 讓自駕車能辨識周圍環境、閱讀交通號誌、路標、其他車輛、行人等。
• 臉部辨識和生物辨識技術能取代身分證。系統能掃描您的臉部特徵來辨識出您是否為本人，例如有些國家已開發出入境旅客身份查驗的臉部辨識系統，印度警方利用這種技術協尋失蹤兒童，零售商 Walmart 也以人臉辨識幫助自動偵測客戶的消費行為。
• 強化搜尋方式。例如 Google 的反向圖片搜尋，能利用使用者提供的照片或圖片尋找出相關的圖片，達到以圖找圖的效果。
• 識別不當內容。網站或系統能使用這種技術自動過濾不符合政策的內容，而不需要人工介入。

圖像辨識的挑戰和威脅

• 偽照身份。如果圖形辨識技術被廣泛使用，有心人士可能會利用他人的照片或人像偽造身份，進而竊取敏感資料。另一種進階的圖像辨識技術稱為「深偽技術」（Deepfake），這種技術用人工智慧將照片、聲音、影像等資料合成在一起，偽造出移花接木的造假影片，讓一個人在影片中說出他從未說過的話。
• 侵犯隱私。人臉辨識系統使得監控變得更加容易。結合安裝在路旁的監視器，政府就能隨時監控人民的一舉一動，導致隱私權的侵犯。
• 資料蒐集。為了讓圖像辨識更加準確，必須大規模蒐集生物特徵資訊。例如手機上的照片和資料可能被第三方軟體取得及分析，導致隱私外洩。
• 審查威脅。人臉辨識可能用於政府的審查和監控。例如中國曾在新疆使用人臉辨識監控維吾爾人的活動，中國警察單位也曾在農曆新年期間，在主要城市的火車站利用人臉辨識相關技術查核罪犯。

結論

圖像辨識確實帶來更多生活上的便利，不過也可能帶來隱私權的侵犯，以及資安方面的風險。因此出現一種稱為「對抗式機器學習」的技術，試圖誤導電腦的判斷。例如一位俄羅斯工程師發明出一種能干擾人臉辨識的特殊化妝。歐盟也考慮暫時禁止在公共場所使用人臉辨識技術，為期五年，待未來擬定更健全的規範。