1
| 本文作者： 刘芳平 | 2018-02-11 18:58 |
2 月 9 日，纽约时报英文网站发表一篇文章，指出如今非常热门的 AI 应用人脸识别，针对不同种族的准确率差异巨大。其中，针对黑人女性的错误率高达 21%-35%，而针对白人男性的错误率则低于 1%。
文章引用了 MIT 媒体实验室（MIT Media Lab）研究员 Joy Buolamwini 与来自微软的科学家 Timnit Gebru 合作的一篇研究论文《性别图谱：商用性别分类技术中的种族准确率差异》（Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification）中的数据。
论文作者选择了微软、IBM 和旷视（Face++）三家的人脸识别 API，对它们进行性别判定的人脸识别功能测试。以下为两组准确率差异最大的人群。
在一组 385 张照片中，白人男性的识别误差最高只有 1%
在一组 271 张照片中，肤色较黑的女性识别误差率高达 35%
图源：纽约时报，Joy Buolamwini, M.I.T. Media Lab
论文研究使用了自行收集的一组名为 Pilot Parliaments Benchmark (PPB) 数据集进行测试，里面包含 1270 张人脸，分别来自三个非洲国家和三个欧洲国家。
在判断照片人物性别方面，以下是论文作者测试后得到的关键发现：
所有的分类器在识别男性人脸上的表现要优于女性人脸（8.1%-20.6%的错误差别）
所有分类器在肤色较白的人脸上表现优于肤色较深的人脸（11.8%-19.2%的错误差别）
所有分类器在肤色较深的女性人脸上表现最差（错误率在 20.8%-34.7% 之间）
微软和 IBM 的分类器在浅肤色男性人脸上表现最好（错误率分别为 0% 及 0.3%）
Face++ 的分类器在肤色较深的男性人脸上表现最好（错误率 0.7%）
最差的一组与最好的一组差距高达 34.4%
需要指出的是，三家人脸识别 API 都没有很细节地解释自己所使用的分类方法，也没有提及自己所使用的训练数据。
不过，微软在服务中表明“不一定每次都有 100% 的准确率”；Face++ 则特别在使用条款中表明对准确性不予保证。
关于可能的原因，时报文章表示，当下的人工智能是数据为王，数据的好坏和多少会影响 AI 的智能程度。因而，如果用来训练 AI 模型的数据集中，白人男性的数据多于黑人女性，那么系统对后者的识别能力就会不如前者。
现有的数据集中存在这一现象，比如根据另一项研究的发现，一个被广泛使用的人脸识别数据集中，75% 都是男性，同时 80% 是白人。
旷视在给雷锋网的回应中表示，深色人种数据集比较难获得，所以会差一些；另外，使用 RGB 摄像头进行人脸识别时，深肤色人的人脸特征比较难找，特别是在暗光条件下，这也是一方面的原因。
针对 Buolamwini 和 Gebru 的这一论文发现，2 月 6 日，IBM 在自家的 IBM Research 博客上发表了一篇回应文章。
文章并未否认论文的发现，而是指出，IBM 的 Watson Visual Recognition 服务一直在持续改善，在最新的将于 2 月 23 日推出的新版服务中，使用了相比论文中更广泛的数据集，拥有强大的识别能力，相比论文中的错误率有近 10 倍的下降。
随后文章中表示 IBM Research 用类似论文中的方法进行了实验，发现如下：
结果显示整体的错误率都很低，虽然肤色较黑的女性的错误率仍然是所有人群中最高的，但相比论文的结果有很大下降。
雷锋网针对这篇论文向旷视寻求回应，对方给予了非常详细的解答。回应中，旷视首先对论文的研究方法表示认可，但同时指出研究所用的线上 API 是较旧的版本，在商用的产品中不会出现这类问题；而且，此类问题也是业内普遍存在的，不仅限于测试的这三家。原因主要有两点，一是深色人种数据集的缺乏，二是深色人种人脸特征较难提取。
以下为回应全文：
我们相信文章（论文）立意不是针对哪一家的技术，基本是不吹不黑的中立态度，而且从文章的测试方法来看还是比较科学的，但是文章中所用的“PPB”（ Pilot Parliaments Benchmark）数据集在 GitHub 的发布地址已经失效，所以我们目前无法自行检测以验证文章的结论。
在集成到 Face++ API 中的时候，旷视研究院有针对不同人种进行检测、识别等测试。但是就目前国际范围内的研究水平来说，不管是在学界还是产业界，对于肤色人种的识别表现都没有对“肤色较浅（引用文章用词）”人种优秀，从此文的测试结果中也可以看出，微软、IBM 和 Face++ 在肤色较深人种识别的表现中（尤其是肤色较深女性）机器的误实率会更高。
一方面从人类基因和人脸识别技术角度来说，皮肤的颜色越深对于基于 RGB 可见光的人脸识别的难度就越大，因为机器在进行人脸检测、分析和识别的过程中需要对人脸图像进行预处理和特征提取，所以皮肤颜色越深，面部的特征信息就越难提取，尤其是在一些暗光情况下，更加难以检测和区分。另一方面，人脸识别很大程度上依赖于数据训练，而在整个行业中黑色人种的可训练数据量较少，所以识别的结果在某些程度上不尽人意，所以文章呈现的测试结果是行业普遍存在的现象。文章中只是选取了三家行业代表来进行了测试，如果样本量足够大，那可能还会得出其他的结论。
不过测试结果也显示，Face++ 对于黑人男性的识别错误率（0.7%）是最低的，且在 PPB 的南非子测试集中，Face++识 别肤色较浅人种的表现是完美无瑕的，这些其实也间接说明 Face++ 的人脸识别能力是处于全球领先的地位。
文章作者提出了一个很好的问题，但文章中测试的 API 线上版本和我们为用户提供的商业版本无关，用户在业务使用中不会有任何影响。
当然我们也相信行业内都在针对人种识别优化做着各种努力。而就 Face++ 来讲，未来研究院会从几个角度去改善目前的状况，如增加训练数据，针对不同人种进行专门训练，另外是从算法层面优化现在的流程，提升对不同人种的识别性能，此外，旷视也在加大 3D 感知的研发力度，将三维特征信息融合到应用中弥补二维信息的不足使模型更加鲁棒。
根据时报的报道，论文的作者之一黑人女性 Buolamwini 做这项研究之前，曾遇到过人脸识别无法识别她的脸，只有在她戴上一张白色面具时才行，因而引发了她开启这项研究。很明显，这项研究试图探讨 AI 时代是否存在社会不公甚至种族歧视的问题。
种族歧视作为一个非常敏感的话题，许多事情只要有些微沾上点边就会引发强烈反弹。在人脸识别这块，无论是论文作者的研究，还是厂商的实验都明确发现女性深色人种识别误差率更高。但这就能代表 AI 存有歧视吗？
显然并不是，细究其中的原因，之所以肤色较深女性较难识别，除了有天然人脸特征更难提取之外，还有可供训练的数据集较少的原因。而从市场的角度来说，IBM 和 微软的服务在白人男性中表现最好，是因为其市场主要在欧美，而那里白人占多数；旷视的主要市场在东亚和东南亚，因而其在黄种人当中的表现会好很多，这跟歧视没有关系，而是市场导向的技术研发。
话又说回来，这篇论文确实显示，AI 的智能性跟训练数据有很大关系，因而在设计 AI 应用时，我们应该尽量使用广泛且代表性强的数据，照顾到不同的人群；同时要积极对公众解释 AI 的实现原理。
最后，雷锋网认为，这件事同时表明，鼓励新技术的发展惠及更多少数族裔是一件需要更多重视的事情，不仅仅是人脸识别，还有语言、文化等各方面。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
