【环球网智能综合报道】如今非常热门的人工智能应用——人脸识别在社会中的各个领域都发挥了很大作用，不过纽约时报2月9日发表MIT媒体实验室研究员joy buolamwini研究文章称，人脸识别技术针对不同种族的准确率却差异巨大。其中，针对黑人女性的错误率高达35%，而针对白人男性的错误率则低于1%。

在一组共385张照片中，对于浅肤色的男性来说，性别的误判率最高只有1%

在296张照片的集合中，对于浅肤色女性的误判率，最高为7%

在318张照片的集合中，对于深肤色男性的误判率最高可达12%

在271张照片的集合中对于深肤色女性的误判率最高可达35%

研究中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。微软、IBM和Face++所做的面部识别算法，相比白人男性更容易混淆黑人女性的性别。

现代的人工智能技术由数据所驱动，用于对人工智能进行训练的数据情况，将会直接决定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。

Buolamwini这位年轻的非洲裔女性计算机科学家，之所以会进行此项研究，源于其自身的经历：当她在乔治亚理工学院读书时，程序对她的白人朋友识别的都很好，但是无法识别她的脸，她认为这是一个缺陷。多年以后，当她在MIT媒体实验室工作的时候她再次遭遇了相似的问题，只有当她戴上一个白色面具的时候，才会识别她的脸。

针对此项研究，IBM在一份声明中表示，该公司已经稳步改进了其人脸识别技术软件，本月将会退出改进后的服务，对于深肤色女性的准确率提高近10倍。旷视在回应中称，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。