人工智能治理挑战，人工智能 治理

大家好，今天小编关注到一个比较有意思的话题，就是关于人工智能治理挑战的问题，于是小编就整理了1个相关介绍人工智能治理挑战的解答，让我们一起看看吧。

人脸识别目前面临的挑战是什么？

1、数据泄漏隐患。

2、使用必要性存疑。

3、滥用数据风险。

4、安全隐忧。

在以上应用场景中，还存着公共场所在采集人脸信息时并未明确告知，使得被动采集成为常态问题。数据安全保障机制的缺失，可能产生的不当应用，等等问题，有必要对人脸识别技术的无限制推广和扩张进行及时刹车，并尽快督促有关部门采取相应措施防范和规制人脸识别技术的应用。

人脸识别一直是AI行业最热门的话题，也一直是最有挑战的课题，从最初基于几何、纹理等特征的识别，逐步转为为基于统计的特征，现在基本都是基于深度学习原理来开展研究，依然面临的最大挑战主要是以下几方面：1、年龄变化带来的特征变化随着人年纪不断增长，其面部特征也自然发生了较大改变，虽然人脸某些特征有一定的不变性和唯一性，但是深度学习提取的特征是巨大的，里面包含了无数我们还不理解的特征，存在着不可确定性，随着年纪的增长而改变，这给人脸识别带来了挑战。2、光照对人脸识别的影响人脸识别在提取特征和训练的过程中，大多数人脸都是在光照相对均匀，人脸相对正面的情况下获取得到的。而实际使用的环境却存在非常多的可能性：比如在阴暗的走廊、在阳光直射下、一边脸被太阳照射，一边在阴影中，这些不同的环境，给人脸特征提取带来了极大困难，也是影响人脸识别较大的因素和挑战。

人脸识别是目前AI技术应用中比较常见的场景之一，在入口检查、在线支付、用户校验等方面都有人脸识别的影子！但目前人脸识别至少还有以下挑战；

1、隐私安全

既然是人脸，就一定涉及到个人隐私的问题。随着信息化越来越普及，个人大数据在不同的平台上都会有不同程度的留存，此时如何保证个人隐私在互联网上的安全，是需要人脸识别技术和相关法律法规去完善和管理的，但目前这部分尚处于初级阶段。还需要全社会从认知到技术都提高才能解决。

应用场景

在人脸识别精准度上，高度依赖应用场景，笔者曾测试过一款平台型智能机器人，号称集成了最NB的人脸识别技术和摄像头，在昏暗的光线下也可以有很高的识别准确率，有一次当机器人移动到门口的时候，我从屋里向屋外走动，当我走到机器人面前，一半面部有太阳光照射，而另一半则处于黑暗状态。同时机器人的角度是激光拍摄，就这样它失败了！多次测试结果均如此。而当一个人从暗黑的环境向强光环境移动，而摄像角度在强光下时，识别效果很差，这说明人脸识别的适应性和准确度还可有很大提高空间。

用户体验

人脸识别的用户体验也是一个挑战。大家在过机场安检偶尔会有这样的尴尬，明明一切操作正常，但走到识别通道那儿就是过不去，这可能会有几种原因：1、因为网络传输问题，不能及时将最准确的照片上传导致检测结果显示较慢；2、当用户做过整容手术，面部轮廓和深度特征有较大变化时，就可能检测出错；3、检测设备识别范围有限（大了会存在多张人脸的情况，小了人脸取景不完整），此时就需要用户或弯腰，或垫脚，或移动来适应摄像头，这就像在爬坡时需要人扛自行车一样！由于人品识别的应用场景非常广泛，如何做到全场景提供最好的用户体验，仍然是目前人品识面临的挑战之一。

其他实现算法、效率、精准度等都可以随着大数据应用、计算力加强而逐步得到解决，但目前仍是部分挑战！

人脸识别目前已经比较成熟，识别度非常高，哪怕现在人人戴口罩也能找出茫茫人海中唯一的你。

但这还远远不够，更大的挑战是深度的应用还要学会分析和推理，技术的瓶径限制了一些应用的深入。举个栗子，昨晚你和女朋友吵架了，今天你买束花跪地认错，女朋友微微一笑，你立马就可以判断她是原谅的笑还是铁了心分手的笑，人工制智能技术目前还做不到。

挑战不仅是技术的推进，甚至可能是社会风险和科学伦理。如果劫匪挟持人质去到了人脸识别ATM，我们该如何用哭脸报警而不是被身份确认提款呢？

到此，以上就是小编对于人工智能治理挑战的问题就介绍到这了，希望介绍关于人工智能治理挑战的1点解答对大家有用。