也许大家认为这只是极端个例，但是看了下面的例子就知道人脸识别到底有多荒唐。

　　将政府要员识别成罪犯，人脸识别错误率高达35%

　　说起人脸识别技术，美国在该领域一直处于前沿位置。尽管如此，目前的人脸识别技术还是错误百出。

　　去年，一篇发表在外媒网站的文章中指出，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%，针对白人男性的错误率则低于1%，这在美国可以说是非常不正常的。

　　另外，还有一个乌龙事件需要强调，亚马逊在2016年推出的图像识别AI系统Rekognition，曾将28名美国国会议员识别成了罪犯，当时引得美国社会一片哗然，也令大众对人脸识别技术充满了质疑。

　　不仅仅是国外，国内这种嘀笑皆非的场景也时有发生。比如因为“闯红灯”而被公示在电子曝光屏的董明珠，事实是所谓的“董明珠”只是公交车上的一个印刷广告；又比如一名坐在公交车内靠窗位置的普通民众，莫名其妙的被人脸识别抓拍系统定义为闯红灯……

　　对于人脸识别存在的技术误差，中国科学院自动化研究所张晓波博士曾表示，照明、姿势、装饰等都会对人脸识别系统产生影响，而对于那些非合作情况下的人脸图像采集，遮挡问题仍很严重。

　　特别是在实际监控环境中，被监控对象常会佩戴着眼镜或帽子等配件，使得捕获的人脸图像不完整，影响后续的特征提取和识别，甚至导致人脸检测算法无效，且在大规模应用环境中，如何维持或提高人脸识别算法的识别率，目前也是一个非常重要的问题。

　　除了以上提出的技术准确性外，人脸识别的安全性也在中国开始面临着严峻考验。其中一个就是，由于人脸识别的信息存储仍基于计算机可识别的语言，也就是我们常说的数字或特定代码，随着这些数据价值的提高，使其遭到黑客攻击的风险也会随之增高。

　　一旦这些个人数据被窃取，你的脸可能就不只属于自己了。

　　谁来保存数据库，谁来保证数据安全？

　　人脸识别是一种1:1或1：N的技术手段，在具体应用场景中，它可以根据已有人脸数据识别并判定某一特殊对象是否与数据库中的是同一人，也可以依据某一个人脸数据，从成千上万人中找出对应的人。这之中，数据库中保存的数据将成为关键一环，也是引发人们担忧并发出质疑的地方——这些数据究竟属于谁？谁能用我的数据？