祖克柏的百萬人臉實驗：我們什麼時候失去了選擇權？

自從貝多亞組織的國會聽證會以來，臉書一直非常忙碌。當臉書收購Face.com時，搬到門洛公園的其中一位員工是該公司核心的技術專家泰格曼（Yaniv Taigman），一個隨和又幽默的英俊工程師。

泰格曼在特拉維夫的新創公司所研發的演算法，精確度可從300多人選中辨識出一個人，他認為這已經足夠強大，因為當時普通的臉書用戶大約就有這麼多數量的朋友。但當與祖克柏會面時，他瞭解到公司有著更大的野心。

「我們告訴他，我們取得這些巨大的成果，」泰格曼說。「我們問他，『這樣好嗎？這是否是您期望的？』」

「讓我們提升到100萬，」祖克柏很肯定地回答道。

從300人到百萬臉孔：技術野心背後的命令

泰格曼驚愕地盯著他看。臉書執行長希望他將自動人臉辨識的規模從辨識300張臉提升到100萬張臉。「不可能，」他結結巴巴地說道。「那就像是解決阿茲海默症。」他解釋道，他們當前擁有的演算法已經是領先技術，無法改進，尤其不可能達到那種規模。但祖克柏並不在意。他無視泰格曼的反對意見，甚至不屑回應就直接結束會議。

泰格曼感覺自己像是被國王命令將糠秕變成黃金的磨坊女兒。這是一個不可能的挑戰。他的壓力驟升。他進入會議時幾乎是欣喜若狂的，離開時卻陷入困惑。

然而，他的「名字古怪小矮人兒」（Rumpelstiltskin）出現了。就在臉書辦公室5英里遠的史丹佛大學，一個名為「超級視覺」（SuperVision）的演算法，在一項年度電腦視覺挑戰中輕鬆擊敗對手，以前所未有的速度正確辨識照片中的物體。

「超級視覺」使用神經網絡技術。正是在那個時刻，神經網絡終於證明了自己的價值，泰格曼意識到他可以嘗試使用這技術來辨識人臉。

由於他工作的地方，獲取訓練資料非常容易。他的團隊選擇了4030名用戶，這些用戶的臉部於臉書上被標記在1000多張照片中，為團隊提供一個包含440萬張照片的資料庫，這對於泰格曼新誕生的演算法「深度人臉」（DeepFace）來說，就是足夠的臉部閃示卡。

自拍照可能被TAG 神經網絡的奇蹟與代價

當被問及團隊是否有關於可以使用哪些臉書照片的規定或隱私限制時，泰格曼只表示這些照片被「隨機選擇」了。這個神經網絡透過多次對這些臉部分析評分來進行訓練─「數十億次、數萬億次」，泰格曼說道。

當「深度人臉」做對了，它會給自己數學上的鼓勵；當它做錯了，錯誤會導致它重新計算，這個過程被AI研究人員稱為反向傳播（backpropagation）。

當「深度人臉」開始與人類人臉辨識達到相當水準，能夠將兩張不同照片中的同一個人匹配，並且準確率超過97％時，泰格曼認為肯定是哪裡出錯了，他們可能不小心用訓練集進行測試。「我確信那是個錯誤。」他說。但事實並非如此：「深度人臉」比任何公開發布的人臉辨識演算法都要好，幾乎比人類更擅長辨識人臉。

泰格曼的團隊在2014年初公開他們的研究時震驚了全世界。他們並沒有使用無辜臉書用戶照片，而是使用名人的圖像來展示它的工作效果。

在論文的主要示例中，泰格曼選擇史特龍（Sylvester Stallone），因為在他成長的過程中，洛基一直是他的英雄。給定任意兩張史特龍的照片，「深度人臉」可以用97.35％的準確率判斷這是同一個人，即使這位演員的臉部並非正對相機，甚至當這些照片相隔幾十年的時間也是如此。

它可以辨識出史特龍既是1976年時年輕的洛基，也是《金牌拳手》（Creed）中的老洛基。

當技術紅利掩蓋社會風險 是否真能嘗到甜頭？

記者們再次將該公司的人臉辨識技術稱為「毛骨悚然的」和「好可怕」，對其應用於臉書用戶的照片表示擔憂。臉書發言人迅速向記者們保證，「深度人臉」並沒有被積極地推廣到該網站上。「這是理論研究，我們目前並沒有在臉書上使用論文中討論的技術，」一位發言人告訴Slate雜誌。

但不到一年後，臉書悄悄地在網站上推出一個類似「深度人臉」的深度學習演算法，大大提高其在照片中查找和準確標記人臉的能力。由於他們所取得的成就以及該公司對這一人工智慧新發展的興趣，泰格曼和他的團隊被調到臉書總部，坐得更靠近祖克柏。

「每一項新事物都會讓人感到害怕。我的妻子也擔心我會為了某個機器人而離開她，」泰格曼說道。「如果你是一位科學家和創新者，你就不應該在意這些。」

這是對於「技術甜頭」的純粹表達，科學家和工程師在解決智力難題時會有這種感覺。泰格曼最關心的是技術進步，而對其引發的社會擔憂，他將交給其他人處理。

當有一長串的人們在多年甚至幾十年的時間裡致力於解決一個問題，比如自動化人臉辨識，每一個環節中的人都認為一旦技術完善，其他人將會對技術的社會危險進行評估。陶醉於技術甜頭的時候，很難想像自己正在從事一項也許本就不應該存在的事情。

• 本文摘自：《你的臉屬於我們：一家神祕新創公司終結隱私之路》
• 出版社：寶鼎
• 出版日期：2025年4月