微軟在日前刪除了一個(gè)名人圖片數(shù)據(jù)集。這個(gè)本為世界上最大的公開(kāi)人臉識(shí)別數(shù)據(jù)集，現(xiàn)在已經(jīng)不能通過(guò)微軟的渠道訪問(wèn)。

在這次「靜默」刪除行為背后，又牽扯到了哪些問(wèn)題呢？

微軟想解決的麻煩：MS Celeb 名人數(shù)據(jù)集

MS Celeb 1M 數(shù)據(jù)集，最早是微軟在 2016 年發(fā)布，其中共包含了10 萬(wàn)個(gè)名人，近 1000 萬(wàn)張面部圖片，而這些數(shù)據(jù)都是從網(wǎng)絡(luò)上搜集而來(lái)。

從網(wǎng)絡(luò)中 100 萬(wàn)個(gè)名人中，根據(jù)受歡迎程選出 10 萬(wàn)個(gè)，然后利用搜索引擎，跳出每個(gè)人的大約 100 張圖片，就得到了這個(gè)龐大的數(shù)據(jù)集。

MS Celeb 數(shù)據(jù)集中的 Jobs 圖片，

其中綠色是年輕時(shí)代的圖片，紅色是合成圖像

而這個(gè)數(shù)據(jù)集最初是用來(lái)服務(wù)比賽的。MSR IRC是世界上最高水平的圖像識(shí)別賽事之一，MS Celeb 1M 數(shù)據(jù)集最初就是這個(gè)賽事所用。

MS Celeb 1M常被用來(lái)做面部識(shí)別的訓(xùn)練。但對(duì)于這些圖片均來(lái)自網(wǎng)絡(luò)，所以也曾受到了質(zhì)疑。而微軟則表示，是根據(jù)「知識(shí)共享許可 C.C 協(xié)議」，來(lái)抓取和獲得這些圖像的。

根據(jù)協(xié)議，可以將照片重新用于學(xué)術(shù)研究，（照片中的人物并不一定授權(quán)許可，而是版權(quán)所有者授權(quán)。）但微軟發(fā)布數(shù)據(jù)集后，卻并不能掌管它的使用。英國(guó)「金融時(shí)報(bào)」進(jìn)行了一項(xiàng)深入調(diào)查，結(jié)果表明數(shù)據(jù)被大量的用在了多個(gè)企業(yè)測(cè)試中。

包括 IBM，松下，阿里巴巴，Nvidia 和日立等公司，都存在使用這個(gè)數(shù)據(jù)集的情況。

而這就涉及到了數(shù)據(jù)集使用的一些規(guī)范性問(wèn)題，一位研究人員還指出，這涉及到人臉識(shí)別圖像數(shù)據(jù)集的倫理，起源和個(gè)人隱私等問(wèn)題。

刪除原因：負(fù)責(zé)該數(shù)據(jù)集的員工離職？

微軟已經(jīng)在線上默默地刪除了MS Celeb 1M，并沒(méi)有特別的說(shuō)明。

Github 上數(shù)據(jù)集的下載頁(yè)面已經(jīng)變成了 404

在金融時(shí)報(bào)的報(bào)道中，微軟表示「該網(wǎng)站主要目的是用于學(xué)術(shù)，」而刪除它的原因是，「負(fù)責(zé)運(yùn)營(yíng)這個(gè)項(xiàng)目的員工離職了，不再與微軟合作，所以進(jìn)行了刪除。」

我們都相信肯定有其他原因，可能也有數(shù)據(jù)集圖片存在的問(wèn)題。雖然微軟稱(chēng)數(shù)據(jù)集均來(lái)自于公眾人物的照片。但其中還包括少量非知名人物。這部分人臉照片的所有者，對(duì)微軟使用他們的名稱(chēng)和圖像信息，曾提出過(guò)質(zhì)疑和批評(píng)。

還有技術(shù)人員推測(cè)，微軟可能會(huì)因違反歐盟《通用數(shù)據(jù)保護(hù)條例》（GDPR）而刪除數(shù)據(jù)，該法規(guī)于去年生效，旨在建立起數(shù)據(jù)安全的保護(hù)措施。

GDPR對(duì)個(gè)人信息的保護(hù)及其監(jiān)管

達(dá)到了前所未有的高度

但微軟表示，它們沒(méi)有涉及到 GDPR 的條款，數(shù)據(jù)集相關(guān)網(wǎng)站退役只是因?yàn)椋冈?jīng)的競(jìng)賽已經(jīng)結(jié)束」。

當(dāng)然，此次微軟移除 MS Celeb 數(shù)據(jù)集，并不妨礙它在學(xué)術(shù)研究等途徑的正常使用。那些用于處理數(shù)據(jù)庫(kù)的工具，現(xiàn)在也可正常訪問(wèn)。

常用公開(kāi)數(shù)據(jù)集，也可能有隱私問(wèn)題

在英國(guó)「金融時(shí)報(bào)」調(diào)查之后，還有另外兩個(gè)學(xué)術(shù)單位也刪除了相關(guān)的數(shù)據(jù)集：分別是杜克大學(xué)的Duke MTMC 監(jiān)控?cái)?shù)據(jù)集，和斯坦福大學(xué)的Brainwash 數(shù)據(jù)集。

關(guān)于數(shù)據(jù)集和隱私問(wèn)題，這不是第一次進(jìn)入人們的視野。在今年 1 月底，IBM 發(fā)布了百萬(wàn)級(jí)別的無(wú)偏見(jiàn)「人臉多樣性」數(shù)據(jù)集，就曾引發(fā)了廣泛的爭(zhēng)議。

雖然 IBM 強(qiáng)調(diào)此舉是為減少面部識(shí)別中的「偏見(jiàn)」問(wèn)題，但數(shù)據(jù)集的來(lái)源，人物的是知情度等問(wèn)題，都引發(fā)了不少質(zhì)疑聲。

有媒體還報(bào)道， IBM 表示會(huì)按照被攝影者的意愿，刪除數(shù)據(jù)集里的相關(guān)照片，但都只是一面之詞，并沒(méi)有實(shí)際的行動(dòng)。

今年 5 月，舊金山曾頒布法令

禁止政府機(jī)構(gòu)使用人臉識(shí)別技術(shù)

對(duì)于數(shù)據(jù)集的采集和使用規(guī)則，還是一個(gè)很不太明確的區(qū)域，尤其是網(wǎng)絡(luò)便利之后，很多機(jī)構(gòu)都能輕易地獲得大量圖片，用于面部識(shí)別等用途。

其實(shí)，對(duì)于數(shù)據(jù)集涉及的隱私問(wèn)題，解決方案可以很簡(jiǎn)單：關(guān)乎到用戶(hù)個(gè)人隱私信息時(shí)，應(yīng)保證用戶(hù)的知情權(quán)，確保用戶(hù)是否愿意貢獻(xiàn)數(shù)據(jù)。

但似乎缺少的從來(lái)都不是方法，而是意識(shí)。