多年來，我們一直受到安全攝像頭、警察攝像機、直播視頻、其他人的社交媒體帖子等方式的公開記錄。但是，即使我們的頭上有攝像頭，也不能保證陌生人不會做出任何影響鏡頭的事。如果有人要在幾個月的監控錄像中搜索某個特定的人，或者在網上海底撈針般搜索，這是不現實的，這需要花費大量時間和精力。但對機器人來說卻不是這樣。

好萊塢驚悚片長久以來就已實現這一點，用來識別某人的身份以及他們在視頻和圖像上做何事的工具正在成形。多年來，Facebook和百度等公司一直在研發這種人工智能技術。但是，隨著差錯率不斷縮小，以及這些系統使用范圍不斷擴大，我們可以預見到，在不久的將來，每一段視頻都可以用于分析，從而識別出里面的人物、物體和行為。

多年來，人工智能研究人員一直在努力構建能夠識別圖像并講述圖像的算法。圖像的復雜性，每一個都包含數百萬個像素，形成了獨特的模式，這對于手工編碼的算法來說太復雜了。

后來，2012年，研究人員演示了一種叫做深度學習的技術，這個系統把我們大腦中相互連接的神經元的一般概念轉化成數學函數，在處理大量圖像時效果會更好。如果系統被調用的深度神經網絡得到了足夠多的示例，那么它就可以在不同圖像之間找到共享的模式，比如不同貓之間的形狀和紋理。

自那以后，這些系統規模越來越大，變得越來越復雜：研究人員開始制造更大的“神經元網絡”，而像英偉達這樣的硬件制造商則開始打造專門的處理器，讓網絡的速度更快。其結果是，系統能夠完成的事情發生了爆炸式的增長。如果有大量的圖像或視頻資料，這些系統經過訓練可以來了解一個人的長相，并能一次又一次準確地識別它。

一個眾所周知的例子是華盛頓大學的MegaFace。該數據集包含了有672,000人的近500萬張圖片，這些圖片來自Flickr的知識共享。今年7月，MegaFace團隊展示了在數據集中訓練的算法的最新得分。在分別從兩個有100萬張照片的數據集中對一個人的兩張人臉照片進行配對時，如果給一次機會，一流團隊的準確率達到了75%，而在有十次機會的情況下，準確率更是達到了90%以上。

“我們需要在全球范圍內測試面部識別能力，從而實現實際應用——大規模測試可以讓你發現識別算法的缺陷和成功之處，”負責MegaFace的華盛頓大學教授IraKemelmacher-Shlizerman在接受華盛頓大學出版社采訪時表示。

視頻使用類似的技術來拍攝靜態圖像，需要更高的處理能力，這也讓人工智能能夠理解隨著時間的推移發生了什么。百度于2017年8月底宣布，它已經贏得了“ActivityNet”挑戰賽，在30萬個視頻中正確地標注了人類的行為，準確率達到87.6%。這就像砍木頭、擦窗戶和遛狗一樣簡單。

Facebook還表示了對這項技術的興趣，以了解實時視頻里有誰，以及他們在做什么。在去年的一次采訪中，應用機器學習主管JoaquinQuioneroCandela說，理想情況下，Facebook會了解每一個實時視頻的情況，以便能夠為用戶管理個性化的視頻頻道。

美國政府已經開始在有限的產能中使用這項技術。上周，紐約機動車輛管理局宣布，通過面部識別技術，逮捕了4,000多人。該軟件沒有掃描警方的監控錄像，而是用來比較新司機的駕照申請照片和數據庫中已有的圖片，讓騙子更難以竊取他人的身份。如果州政府或聯邦政府在公共場合擴大面部識別技術，他們將會擁有一個涵蓋范圍超過50%的美國成年人的數據庫。同樣，數據集越大，人工智能效果就越好。

而這可能不會太遙遠。以泰瑟槍聞名的Axon，是美國警察機構最大的相機經銷商。該公司最近加大了將人工智能注入其產品的雄心，今年早些時候收購了兩家人工智能公司。Axon首席執行官RickSmith此前對Quartz網站表示，人工智能的理想用例將是事件報告的客觀生成，讓警方有更多的時間從辦公桌抽身。他指出，面部識別現在并不活躍，但可能會在未來蓬勃發展。摩托羅拉是另一家重要的隨身攝像機供應商，它的軟件可以通過它快速了解面部表情的能力來進行宣傳，突出顯示一名警官正在尋找丟失的孩子的場景。

安全攝像頭也在提升人工智能技術。英特爾在4月宣布，它已經為安全攝像頭生產了硬件，能夠“密集監測、立體視覺、人臉識別、計數”和“行為分析”。該網站稱，另一款名為DNNCam的相機是一款深度學習攝像頭，它具有防水、自給自足的功能，而且號稱“幾乎不可摧毀”，這意味著它可以在遠離互聯網連接的偏遠環境中工作，也可以在收銀臺后面進行“老客戶識別”。

那么，當監視成為常態時，一個注重隱私的、守法的公民該做什么呢？沒有太多可做的。早期的研究已經找到了欺騙面部識別軟件的方法，要么是通過特制的眼鏡來欺騙算法，要么是面部涂鴉來欺騙人工智能。但這通常需要了解面部識別算法是如何工作的。