国外公众对人脸识别技术的认知与态度——基于Twitter相关话题讨论的质性分析.pdf

DOI:10.15918/j.jbitss1009-3370.2023.1222国外公众对人脸识别技术的认知与态度基于Twitter相关话题讨论的质性分析罗傲，贾萍萍，张增一（中国科学院大学人文学院，北京100049）摘要：采用文本挖掘、质性分析与风险分析相结合的方法对 Twitter 上发布的与人脸识别相关的推文进行研究。通过对具体认知因素和社会事件的分析，从认知和情感两个维度探讨西方公众对人脸识别技术的情感态度变化。研究发现，西方公众体现出了对人脸识别的伦理、技术风险等层面的担忧，与国内公众的态度存在差异性。但是，在新冠疫情期间，能明显看到西方公众对人脸识别技术的态度从负面逐渐转向积极，肯定了人脸识别在防疫方面发挥的重要作用。然而人脸识别技术的运用还不能很好地融入传统社会秩序的构筑之中，因此有必要重视该技术所激发的社会矛盾，并引导公众对其积极、合理的认知。关键词：人脸识别；Twitter；人工智能；风险；伦理中图分类号:G206.3；N4文献标志码:A文章编号:1009-3370(2023)04019209随着人工智能的迅速发展，人脸识别技术在公共安全、电子商务和新冠疫情应对等领域得到了广泛应用。在新冠疫情暴发之后，人脸识别技术应用在体温监测、无接触配送等方面的成果，使得人们在疫情肆虐的社会环境中避免病毒传播和交叉感染等问题。然而人脸识别技术的运用与传统社会秩序结构的融合并不能无缝或自动地实现，反而会带来重大的技术、伦理等方面的挑战与担忧。一、研究现状与问题的提出人脸识别技术因方便、快捷等优势，在生物特征识别领域占有极其重要的地位。但广泛应用该技术也带来了一系列紧迫的伦理问题。人们的担忧很大程度上源于对伦理价值的追求及其在各个领域的应用之间的潜在冲突。伦理、法律和政策问题的核心是国家安全部门能否调节好合法收集生物特征信息与隐私权、自主权之间的紧张关系1。有学者指出，2020 年以来中国应用人脸识别的行业环境状态活跃，人脸识别技术是非接触及不必被动接受的形式，具有非侵害性，人们对该技术的排斥情绪是最低的2。但马世顺3和刘悦4等则认为人脸识别技术在不受规制与约束的情况下可能形成技术失控和技术僭越，隐私保护体制与保护意识的薄弱，会使很多商业服务提供者为了追求高额利润去不合理地使用、出售用户的个人信息，从而引发社会失序。陈涵5从政府与企业的角度出发指出，政府不能以牺牲公民的权利为前提去维护社会的安全，应当清晰界定具体的应用场景，而企业作为人脸识别系统的设计者与使用者，对消费者的信息数据滥用会引发巨大的法律和安全风险。Kortli 等6和 Imaoka等7认为，作为身份识别的面部识别系统已经在机场、体育场馆等场所广泛地提供给消费者使用，该系统只需使用通用设备即可进行远距离身份验证，确保用户的便利性。Roussi8则提出实际上反对人脸识别技术的运动一直在进行中，如针对在贝尔格莱德共和国广场墙上悬挂的 800 个摄像头，很多居民和人权组织都发起了抗议活动。Perkowitz9也认为目前很多研究人员和法律学者等都对人脸识别的兴起感到不安，其工作的一部分涉及揭露人脸识别技术所存在的不准确性和种族偏见。其他反对者如 Maerz 等10和 Almeida 等11还担心警察和执法机构正在使用人脸识别技术来镇压抗议者或以其他方式限制公众自由，其中美国执法部门大量使收稿日期：2022-08-15基金项目：北京市高精尖学科建设项目“智能科学与技术”交叉学科开放课题基金项目作者简介：罗傲（1994），女，博士研究生，E-mail：；贾萍萍（1996），女，博士研究生，E-mail：；张增一（1963），男，教授，E-mail：第25卷第4期北京理工大学学报（社会科学版）Vol.25No.42023年7月JOURNALOFBEIJINGINSTITUTEOFTECHNOLOGY(SOCIALSCIENCESEDITION)Jul.2023用人脸识别技术已经影响到大约 1.17 亿成年人。该技术如果被滥用，普通公民追究责任的手段实际上非常有限。近年来，国外多家科研和调查机构，围绕着公众对人脸识别的态度展开了多项调查。根据报道，当广告商或科技公司使用面部识别技术时，只有少数公众表示他们相信科技公司或广告商会负责任地使用面部识别数据12。英国某机构报告，有 67%的受访者认为在学校使用人脸识别让人感到不适，有 61%的人不认可在公共交通工具上运用人脸识别，大部分受访者将人脸识别所带来的风险与其应用前景联系起来，认为可能会使个人隐私监视无时无刻不在发生13。国外关于人脸识别伦理的研究大多关注隐私权、种族歧视等个人权益问题。牛津人工智能伦理手册的种族与性别一章指出，在人工智能迅速渗透到社会的同时，并没有对导致某些群体受到伤害，而非受益的社会政治问题进行彻底的调查。比如，面部识别系统对深色皮肤女性的识别错误率较高，而对浅色皮肤男性的识别错误率最低14。美国消费者权益倡导者与国家电信和信息管理局（NationalTelecommunicationsandInformationAdministration，NTIA）指出，最令人不安的是公众通常不知道人脸识别技术在何时何地被政府或私人机构使用15。2018 年 2 月以来，纽约时报不断报道有关人脸识别技术本身存在的种族偏见和性别歧视等问题，在美国社会上引发了激烈的讨论。针对公共部门实施人脸识别技术，大部分美国民众表现出对隐私保护和政府过度搜查的担忧16。与国外相比，国内受众对于人脸识别技术应用的态度呈现出不同的趋势。2020 年，南方都市报人工智能伦理课题组和 App 专项治理工作组发布人脸识别应用公众调研报告（2020）（以下简称报告）。报告显示，65.24%的受访者认为人脸识别“总体利大于弊，推广应用时仍需注重风险，保障用户知情和选择权”17。同年，北京智源人工智能研究院人工智能伦理与安全研究中心联合中国科学院自动化研究所中英人工智能伦理与治理研究中心共同发起“人工智能与健康社会系列调研”。调研结果显示，在公共卫生危机期间，有 86.1%的受访者认为“人脸识别技术能有效地帮助应对公共卫生危机”18。总体而言，国内受访者对人脸识别技术的应用呈现出较为积极的态度。国内外公众对人脸识别技术的态度有一定的差异。在国内，对于人脸识别发展的态度总体上认为是利大于弊，主要是民众对于政府以及大型金融机构开发人脸数据应用的规范性和安全性相对认可。在国外，尤其是西方国家，无论使用人脸识别技术的主体是谁，多数公众因其涉嫌种族歧视和侵犯隐私等问题，都会有抵触情绪或恐惧心理。鉴于国内学者的有关研究选取了微博为平台来探究中国公众对人脸识别的认知与态度19，本文以 Twitter 平台用户关于人脸识别话题的讨论内容为分析对象。二、研究对象与研究方法Twitter 作为美国乃至全球最具影响力的社交网络服务平台之一，截至 2021 年每天有 1.92 亿活跃用户，其中女性与男性用户的比例大约为 1220。2019 年 1 月 1 日2019 年 12 月底，这一时期全球的公共卫生状况稳定。Twitter 社交媒体上与人脸识别相关的话题讨论中，公众议论的热频词汇以“隐私、安全保护、技术风险”等为主。2020 年 1 月 1 日2021 年 6 月中旬，是全球性新冠疫情暴发以及传染率指数型增长的高发时期。在这一时期，公众讨论的关键词以“新冠肺炎、隐私安全、技术完善性”等为主。为更好地反映公众对于人脸识别的态度与认知，选 取 2019 年 1 月 1 日 2021 年 6 月 21 日 的 时 间 段，在 Twitter 上 以“facerecognition、AI、privacy、COVID-19”等为关键词进行挖掘，共获得 146848 条文本。其中 2019 年有 59500 条，2020 年有 64525 条，2021 年 1 月至 6 月中旬有 22823 条。在研究方法上，本文使用质性分析、文本挖掘相结合的方法对 Twitter 上抓取的文本内容进行深度分析。首先，对文本内容进行编码，描述公众关注人脸识别的主要话题及其特征；其次，结合情感环型模型和李克特五级量表，分析公众对不同认知层面的关注度以及情感走势；最后，分析导致公众情感变动的主要社会事件及认知因素。2023 年第 4 期罗傲等:国外公众对人脸识别技术的认知与态度基于 Twitter 相关话题讨论的质性分析193 三、数据与分析根据国内外研究现状及预编码情况，本文选择从风险认知的视角出发。风险认知是指个体对各种客观风险的感受和认识，大众对客观事物的认知必然影响大众对待客观事物的态度21。风险认知的影响因素包含个体因素、风险沟通等多个层面22，其中情绪因子是影响风险感知最为重要的因子，其次是认知因子23。因此本文从情感和认知两个维度进行分析，从情感层面来说，结合情感环型模型和李克特五级量表，在 Nvivo 质性分析软件中设立了积极、中立和消极三个二级节点。从认知角度来说，认知是指人们获取知识或应用知识的过程24。如果公众对特定风险事件的相关知识有了全面的了解，能够辩证地看待风险事件的影响，并有适当的行为反应，那么这样的个人就可以更加理性地对待风险事件25。通过 Nvivo12Plus 对所采集的文本进行关键词聚类，将公众对人脸识别技术的态度从认知与情感两个方面进行分析，情感层面包括积极情感（非常积极、较为积极）、中立情感和消极情感（非常消极、较为消极），认知层面包括法律认知（肖像权、隐私权、限制应用场景、推进立法）、技术认知（技术便利性、技术完善性）、外群体歧视（是指贬低外来其他群体的价值，包括国家歧视、种族歧视、性别歧视、党派歧视）、认知信任（技术信任、企业信任、监管信任）、认知风险（技术风险、监管风险、企业风险）、疫情防控（技术支持、技术反对）。（一）人脸识别技术与隐私权、技术风险相关话题关注度最高如图 1 所示，2019 年 1 月2021 年 6 月中旬，公众对于人脸识别技术的认知以技术认知为主（27304 次），其次是认知风险（13702 次）、法律认知（12913 次）、认知信任（5859 次）和外群体歧视（4261 次）。在技术认知中，技术完善性的讨论度最高，其中以人脸识别的准确度最为热门。在认知风险中，公众对技术风险、监管风险以及企业风险的担忧比例基本持平。在法律认知中，基于限制应用场景和隐私权的讨论最多。讨论度较高的推文和具体事件集中体现在，很多大型公司、政府监管部门滥用人脸识别技术，以 Facebook 为例，该公司对面部信息的采集未经用户许可，使人们对个人隐私的不受保护感到担心。而在 2020 年 8 月，英国又掀起了新一轮的人脸识别技术抗议，这源于英国警方设立的人脸识别扫描区域，会将人们的脸自动录入，并与后台的嫌犯库进行比对，然而其糟糕的准确率与识别率让乌龙事件频出。7 2094 0441 46119927 30421 7475 55613 7025 0954 4734 1345 8595 1862962714 2611 9741 74339315105 00010 00015 00020 00025 00030 000隐私权次数关注度应用场景推进立法肖像权技术认知技术完善性技术便利性认知风险监管风险企业风险技术风险认知信任技术信任监管信任企业信任外群体歧视种族歧视国家歧视党派歧视性别歧视图1总体认知分布情况（二）公众对人脸识别技术的情感分布及走势选取 2019 年 1 月 1 日2021 年 6 月 21 日较为典型的文本内容。根据文本内容，运用 Nvivo 质性分析软件对推文所呈现出的情感态度进行分析，具体如表 1 所示。194北 京 理 工 大 学 学 报（社 会 科 学 版）2023 年 7 月表 1 2019 年 1 月 1 日2021 年 6 月 21 日推文编码表一级节点二级节点三级节点节点数编码示例情感积极非常积极5998“Agree.Ilikethefacerecognitionfeature”较为积极8884“Incaseyoudonthavethisoneyet.Facerecognitionmayhelpwiththisone”中立26593“6digitpasscodewithfacerecognitionlol”消极较为消极35519“Myfacerecognitiononmyphonedoesntrecognisemyfacebecausemyfringeistoolongandcoversmyeyes”非常消极8954“FacerecognitionbigtrashApple”法律认知肖像权199“GooglefacerecognitionandAIstyteamisdangerous.Thewayitworksongooglephotosisnextlevelandscary”隐私权7207“Policeuseoffacerecognitiontechnologyinvadesprivacy”限制应用场景4044“NewYorkbecamethefirststatetostoptheuseoffacerecognitionsurveillanceinschools”推进立法1461“banonallgovernmentuseoffacerecognition,includingitsusebylawenforcement”认知技术认知技术便利性5555“Myfacerecognitionworkswithmymaskonnow”技术完善性21731“ihatewhenmyfaceRecognitiondontrecognizemyface.likewhoelsecouldibe”外群歧视国家歧视1743“Takecarefolks-theyretalkingfacerecognitionglikeChina-theyimprisonmuslimsthatway”种族歧视1974“Inthelongrun,notallthatlongreally,objectingtogovernmentuseoffacerecognitionbecauseitsinaccurateondarkskincolorswillresultingettingittoworkwellondarkskincolors”性别歧视151“AlsothereasonwhyBPDpostingapicofaBlackwoman,inatownthats85%white,askingppltofindherisjustaskingforppltorabidlyprofileanyyngBlkwoman”党派歧视393“WellafacerecognitioncompanyoldmetheyreactuallyRepublicansnotDemocratssothere”认知信任技术信任5184“UsingfacerecognitionsoftwarehowaboutusingtoarrestthosewholootedanddestroyedneighborhoodsduringhahaprotestWAJ”企业信任482“IwouldrathersubscribetoGooglePhotos.Theautomaticcustomizationisawesome!Veryintelligentandfacerecognitionistopnotch”监管信任1274“GoodnowtheFBIhasfacerecognition”技术风险5497“Biometricsurveillancetechlikefacerecognitionrisksinvasiveprivacybreaches”认知风险监管风险4964“Letlapdcommissionknow,LosAngelesdoesntneedapolicyforLAPDuseoffacerecognition-theyneedaban”企业风险2049“StudyfindsAmazonsfacerecognitionincorrectlymatches105USandUKpoliticians”疫情防控技术支持667“Covid-19PositiveImpactonFaceRecognitionSoftwareMarket“技术反对441“Facerecognitioniscoolandall,buttheidiotwholetcovidhappenedreallymesseditup.Ibarelyremembermyphonecode”利用 Nvivo 软件对 Twitter 的文本内容以段落为单位进行情感态度的编码并分析。编码结果显示，正向的情感态度节点有 14864 条，占 17%；负向的情感态度节点有 44199 条，占 50%；中立的情感态度节点有 29468 条，占 33%；整体的情感倾向是负向的。（三）公众对人脸识别具体认知层面的走势分别将时间和认知合计字码编写参考点数中各 2 级节点作为横纵坐标，得出各部分认知的走势图，如图 2 所示，在图 2a 中，限制应用场景这一节点最为突出，在 2020 年 6 月爆发式增长，这是因为随着新冠疫情的暴发，公众的担忧呈现出与之前不同的特点，由于新冠疫情期间体温监测的必要性，很多学校和公共场所引进了人脸识别智能测温系统。但公众害怕有关场所会以疫情监测为借口侵犯个人隐私，因此不愿意在某些应用场景中采集生物特征信息。在图 2b 中，2020 年 3 月达到了讨论热度的顶峰，主题多是以技术完善性较差为主。因为很多面部识别软件对黑皮肤女性的误差率达到了 35%，而白人男性的误差率仅为 1%，有色人种的误差率接近 40%。在样本数据不足的情况下，人脸识别技术的一般算法是根据特定的人脸特征启动预测模式，但算法所依赖的人脸特征并不一定准确，因此这就会导致识别错误。在图 2c 和图 2d 中，认知风险在 2019 年 5 月、2020 年 1 月和 3 月分别达到了讨论热度的高潮，而认知信任2023 年第 4 期罗傲等:国外公众对人脸识别技术的认知与态度基于 Twitter 相关话题讨论的质性分析195分别在 2019 年 1 月、8 月、2020 年 3 月以及 2021 年 2 月掀起了三次明显的讨论热度。由于戴口罩测温存在的低准确率等问题，相关的科技公司也在不断提升技术以满足公众需求，苹果公司推出的一个重要功能就是戴口罩也可使用 FaceID，这实现了人们不摘口罩即能完成人脸识别解锁、场所通行等目标，使技术适应了疫情期间的需求，减少了摘取口罩带来的风险与疫情传播，因此公众表现出了对企业和技术的信任。在图 2e 中，2020 年 6 月份讨论度达到峰值，此后一段时间一直保持较高的水平，因为种族偏见的热点话题不断引起网友的讨论，例如，英国科尔切斯特埃塞克斯大学的研究人员测试了伦敦大都会警察局使用的面部识别技术，发现该技术在 42 个匹配项中只进行了 8 次正确的匹配，人脸识别系统对有色人种的偏见在之后的一段时间里导致了多次错误的抓捕行动，造成了极其恶劣的社会和政治影响。03006009001 2001 5001 800合计字码编写参考点数年份/月份A:隐私权 B:应用场景 C:推进立法 D:肖像权 a法律认知走势图2019.12019.32019.52019.72019.92020.12020.32020.52020.72020.92021.12021.32021.5年份/月份0100200300400500600700800900合计字码编写参考点数A:技术风险 B:监管风险 C:企业风险 d认知风险走势图2019.12019.32019.52019.72019.92020.12020.32020.52020.72020.92021.12021.32021.5年份/月份050100150200250300350400450500合计字码编写参考点数A:技术便利性 B:技术完善性 b技术认知走势图2019.12019.32019.52019.72019.92020.12020.32020.52020.72020.92021.12021.32021.5年份/月份050100150200250300350400合计字码编写参考点数A:党派歧视 B:国家偏见 C:性别偏见 D:种族歧视 e外群体歧视走势图2019.12019.32019.52019.72019.92020.12020.32020.52020.72020.92021.12021.32021.5年份/月份02004006008001 0001 200合计字码编写参考点数B:监管信任 C:企业信任 c认知信任走势图2019.12019.32019.52019.72019.92020.12020.32020.52020.72020.92021.12021.32021.5A:技术信任 年份/月份050100150200250合计字码编写参考点数A:技术反对 B:技术支持 f疫情防控走势图2019.12019.32019.52019.72019.92020.12020.32020.52020.72020.92021.12021.32021.5图2人脸识别具体认知层面的走势（四）导致公众情感变化的认知因素与社会事件分别将时间和情感合计字码编写参考点数作为横纵坐标，得出了公众对于人脸识别技术的情感走势。如图 3 所示，可以发现公众的总体情感在 2020 年 1 月8 月最为强烈。公众对于与之相关的社会事件关注更多、反应更加强烈，例如，“抵御面部识别入侵的珠宝设计”“黑人因面部识别被误抓”和“英国泄露了 100 多万人的指纹和面部信息”等事件接连发生。这一时期，Twitter 上关于种族歧视和算法偏见的196北 京 理 工 大 学 学 报（社 会 科 学 版）2023 年 7 月事件引起了大量的热议。例如，Facebook 的用户在观看一个来自英国小报的视频时，收到了一个自动提示，询问他们是否愿意继续观看关于灵长类动物的视频。该公司随后立即调查并禁用推送该消息的AI 功能。实际上，该视频的内容是关于黑人男子与白人平民以及警察发生争执的片段，与灵长类动物没有任何关系。这些人脸识别工具产生了许多与人类执法人员相同的偏见，但带有技术中立性的虚假倾向。从图 3 可以看出，消极情感是促成总情感变化的重要因素，公众对于人脸识别技术的积极情绪没有消极情绪占比大，由于众多人脸识别风险事件的发生，公众的消极情感很容易出现波动，甚至在中立、积极、消极这三种情感中占据主导地位。1.公众的隐私权在数据滥用的情况下得不到保证将认知中各二级节点和情感合计字码编写参考点数分别作为横纵坐标，以探讨何种认知要素促成了情感的主要变动。如图 4 所示，在图 4a 中，隐私权这一法律认知对于消极情感的贡献值最大，其次是限制应用场景的使用。产生负向态度的原因在于：一方面 Google、Facebook 等公司对用户数据的私自泄露和使用，被侵犯隐私的受众面广，引起的恶劣影响规模较大，使得用户在后续面对采集个人数据的要求时持反对态度；另一方面，在学校、机场等公共场所，公众并不是自愿提供数据集，而是进入场所的规01 0002 0003 0004 0005 000合计字码编写参考点数年份/月份A:积极 D:消极 G:中立 2019.12019.32019.52019.72019.92020.12020.32020.52020.72020.92021.12021.32021.5图3公众对人脸识别技术的情感走势图05001 0001 5002 0002 5003 0003 5004 0004 5005 0005 5006 0006 5007 000A:推进立法 B:肖像权 C:隐私权 D:应用场景 合计字码编写参考点数法律认知节点积极消极中立a法律认知的情感分布积极消极中立05001 0001 5002 0002 5003 0003 5004 0004 500A:技术风险 B:监管风险 C:企业风险 合计字码编写参考点数认知风险节点d认知风险的情感分布积极消极中立02 0004 0006 0008 00010 00012 00014 00016 00018 00020 000A:技术便利性 B:技术完善性 合计字码编写参考点数技术认知节点b技术认知的情感分布积极消极中立06001 2001 8002 4003 0003 6004 2004 800A:技术信任 B:监管信任 C:企业信任 合计字码编写参考点数认知信任节点c认知信任的情感分布积极消极中立04008001 2001 600A:党派歧视 B:国家偏见 C:性别偏见 D:种族歧视 合计字码编写参考点数外群体歧视节点e外群体歧视的情感分布积极消极中立050100150200250300350400A:技术反对 B:技术支持 合计字码编写参考点数疫情防控节点f疫情防控的情感分布图4具体认知与情感交叉图2023 年第 4 期罗傲等:国外公众对人脸识别技术的认知与态度基于 Twitter 相关话题讨论的质性分析197定，在被采集信息以后，用户的个人数据又无法得到安全性保障。以英国某家航空公司为例，其在获得用户数据后，用户流量被传输到假冒网站，攻击者通过该网站收集客户详细信息，包括客户的个人信息和银行卡信息等，从而发生了数据泄露事件。2.公众质疑人脸识别技术的准确性和无偏见性在图 4b 中，技术完善性这一技术认知对于消极情感的贡献值最大。在图 4d 中，企业风险对于消极情感的贡献值最大，其次为技术风险和监管风险。在图 4e 中，种族偏见和国家偏见对于消极情感的贡献值占据了绝大部分比例。在以上这些因素中，公众具有负面倾向的观点主要有：（1）人脸识别技术的准确性较低。公众反映现在所使用的很多电子产品虽然具有人脸识别功能，但却无法顺利识别人脸，除了本身的技术性和准确性需要得到进一步提高和完善，还有一部分原因来自于人种、性别等方面的偏见。在 Twitter 的文本内容中，公众关心的热点话题与事件集中在例如“Facebook 发起的十年挑战是让公众自愿献出自己的隐私”“政府相关机构对人脸识别的监管和运用存在很大风险”“新冠疫情期间戴口罩增大了人脸识别成功的难度”等等。（2）人脸识别技术的无偏见性存在质疑。西方国家的社会、政治环境不同于国内，大部分训练人脸识别的数据库又都以白色人种为主，因此在国外经常出现黑人面孔无法被识别或者被识别错误的情况出现，导致了社会矛盾的加剧。3.公众肯定了人脸识别技术在新冠疫情防控中的作用虽然公众的总体情感态度呈现负向，但是从图 4f 可以明显看到，公众在新冠疫情这一特殊时期，对人脸识别表现出的积极情感多于消极情感。在图 4c 中，技术信任对于积极情感的贡献值最大。在新冠疫情防控的情感分布图中，积极情感占主导因素，其中对于人脸识别技术在疫情防控中的应用呈支持态度的公众占大多数。在新冠疫情期间，公众认为采取人脸识别技术能有效地控制疫情传播，体温监测、测温系统等方面的进展，使得人们在疫情肆虐的社会环境中，能够实现全程无接触高效通行，避免了发生病毒的交叉感染等问题，对人脸识别技术的应用逐渐认可。四、研究结果与启示（一）国外公众对人脸识别技术中隐私权、种族歧视等伦理问题的讨论度较高从 Twitter 平台数据得知，公众的总体情感在 2020 年 18 月最为强烈。首先，公众的隐私权在数据滥用的情况下得不到保证，公众关注的社会热点事件涉及到“英国泄露了 100 多万人的指纹和面部信息”等。其次，公众质疑人脸识别技术的准确性和无偏见性。相关的话题讨论热度以“疫情期间戴口罩增大了人脸识别成功的难度”为例。而在外群体歧视中，种族偏见和国家偏见对于消极情感的贡献值占据了绝大部分比例，在 Twitter 上引起广泛讨论的事件以“黑人因面部识别被误抓”为例。公众反映虽然现在使用的很多电子产品具有人脸识别功能，但却无法顺利识别人脸，除了该技术的准确性需要得到进一步提高和完善，还有一部分原因来自于人种、性别等方面的偏见。因此，公众对隐私权、技术风险、种族歧视等话题关注度较高，呈现出占比较大的消极情感。（二）影响国外公众对人脸识别技术认知与态度的社会文化因素中国受访者对人脸识别的技术呈较为积极的情感倾向，而国外公众总体上表现出对人脸识别技术较为消极的态度。有理由推测，不同的文化背景和价值观差异造成了中外公众对人脸识别技术不同的态度。首先，中国文化是一种以集体主义为基础的文化，而以英美为首的西方国家，基于个人主义，更强调对个人的自由等权益的追求26。这成为两种不同的文化背景下，公众对人脸识别技术涉及到的隐私等问题关注程度不同的主要原因。其次，儒家思想提倡高尚和正直的人的行为没有什么可隐瞒的，这种思想影响了国人的隐私观念，中国公众在这样的社会和文化背景下，更倾向于相信政府掌握生物特征信息的安全性和可靠性。美国没有专门针对数据保护的一般隐私法或独立的隐私监督机构，与数据保护相关的隐私法只适用于公共部门，私营部门不受监管，因此，美国政府部门和私营机构不能保证数据得到有效的保护和在正规渠道的合理使用，公众担心个人数据会在学校、网站、商场等应用场景被不加限制地收集和使用，这导致了公众对政府采集、储存和使用个人信息抱有消极情绪27。198北 京 理 工 大 学 学 报（社 会 科 学 版）2023 年 7 月（三）相关政策与治理目前，美国还没有专门的联邦层面立法，但是一些州如华盛顿州、加利福尼亚州都出台了法律对人脸识别技术应用进行规范。20192020 年，美国参众两院提出了多项人脸识别法案，最典型的有三项，分别是道德使用人脸识别法案（2020 年）、商业人脸识别隐私法案（2019 年）和人脸识别技术授权法案（2019 年）。这些法案指出人脸等生物信息是敏感个人信息，其收集、使用、存储、传输在满足相关法律规定的同时，应该有更严格的要求28。不断地完善人脸识别技术，以此来减少偏见和歧视的产生对于社会、政治的平稳发展是非常有必要的。这样才能在一定程度上减少部分公众对于人脸识别技术的敌对情绪29。2010 年，Facebook 推出一项名为“标签建议”的新功能，这是在未告知用户的前提下发生的，也未和用户签订相关的隐私协议。这一功能侵害了使用者的隐私安全，该案件在 Twitter 上被持续讨论，直到当地时间 2021 年 2 月 26 日，该案件才有了最终结果，Facebook 除了赔付罚款、关闭人脸识别功能，还被要求删除其所拥有的人脸模板。正是由于此类案件的发生以及公众维护自身权益的艰难，美国等国家都对人脸识别技术的应用采取了比较谨慎的态度。（四）启示公众对于人脸识别这一概念具有刻板印象和固化的思维模式，认为人脸识别在一定程度上等同于不加限制地获取自己的资料和隐私，因此在心理上产生抵触和排斥。在 Twitter 上的热门话题也以“技术风险、隐私权、技术完善性”等为主，可见公众对于此类热点的关注程度之高。近年来，随着有关隐私泄露和人脸识别错误识别等报道的发布，公众在舆论和文化环境的影响下，会对涉及到数据采集的应用场景、渠道、使用目的等维度变得更加敏感和谨慎，也会倾向于先远离可能会对自己的权益产生侵害的人脸识别产品，转而选择自己更加相信、认为更加安全的指纹识别和密码输入等方式，甚至会主动关闭人脸识别功能。但在全球性新冠疫情发生的这一特殊时期，公众也逐渐认识到人脸识别技术在生活上的便利性以及防疫上的安全性，例如人脸识别测温系统等等，有效地防止了交叉感染，保证了公众的正常生活秩序和防疫工作的安全进行。参考文献：1SMITHM,MILLERS.TheethicalapplicationofbiometricfacialrecognitiontechnologyJ.AI&Society，2021，37（1）：167175.2邹章晨.“十四五”期间人脸识别市场发展前景及趋势分析 J.中国安防，2021（4）：6064.3马世顺.人脸识别技术的应用风险及其防控研究 J.河北公安警察职业学院学报，2022，22（1）：4043.4刘悦.论人脸识别技术的风险与保护 J.产业创新研究，2022（8）：3234.5陈涵.人脸识别技术的法律风险与规制 J.产业与科技论坛，2022，21（8）：2427.6KORTLIY,JRIDIM,FALOUAA,etal.Facerecognitionsystems:asurveyJ.Sensors，2020，20（2）：342.7IMAOKA H,HASHIMOTO H,TAKAHASHI K,et al.The future of biometrics technology:from face recognition to relatedapplicationsJ.APSIPATransactionsonSignalandInformationProcessing，2021，10（9）：113.8ROUSSIA.ResistingtheriseoffacialrecognitionJ.Nature，2020，587（7834）：350354.9PERKOWITZ S.The bias in the machine:facial recognition technology and racial disparitiesEB/OL.(2021-02-06)2021-12-11.https:/mit-serc.pubpub.org/pub/bias-in-machine/release/1.10MZERZ S F,LHRMANN A,HELLMEIER S,et al.State of the world 2019:autocratization surges resistance growsJ.Democratization，2020，27（6）：909927.11ALMEIDAD,SHMARKOK,LOMASE.Theethicsoffacialrecognitiontechnologies,surveillance,andaccountabilityinanageofartificialintelligence:acomparativeanalysisofUS,EU,andUKregulatoryframeworksJ.AIandEthics，2022，2（3）：377387.12AARONS.MorethanhalfofU.S.adultstrustlawenforcementtousefacialrecognitionresponsiblyEB/OL.(2019-09-05)2021-12-11.https:/www.pewresearch.org/internet/2019/09/05/more-than-half-of-u-s-adults-trust-law-enforcement-to-use-facial-recognition-responsibly/.13Ada Lovelace Institute.Beyond face value:public attitudes to facial recognition technologyEB/OL.(2019-09-02)2021-12-11.https:/www.adalovelaceinstitute.org/report/beyond-face-value-public-attitudes-to-facial-recognition-technology/.14GEBRUT.RaceandgenderM/MARKUSD,DUBBERMD,PASQUALEF,etal.TheOxfordhandbookofethicsofAI.Oxford:OxfordUniversityPress,2020:251269.15NAKERS,GREENBAUMD.Nowyouseeme:nowyoustilldo:facialrecognitiontechnologyandthegrowing