人脸识别技术可以显著减少所花费的时间在照片和视频中识别人或对象。这使得一个强大的工具为业务目的,但同样重要的是,在抓捕罪犯的执法和政府机构,防止犯罪,寻找失踪人员。我们已经看到技术用于防止人口贩运,失踪儿童与父母团聚,通过自动化提高设备的物理安全访问,和温和的攻击和非法图像传到网上删除。我们的社区更安全,在紧急情况下能更好地帮助当我们有最新技术,包括面部识别技术,在我们的工具包。

最近几个月,已经提出了如何使用面部识别歧视和侵犯公民权利。你可能读到的一些测试亚马逊Rekognition外团体试图展示服务可以用来区分。在每种情况下,我们证明了服务不能正常使用;和当我们创造他们的测试正确使用这项服务,我们已经表明,面部识别实际上是一个非常有价值的工具,用于改善精度和消除偏见手册,相比人类的过程。这些团体拒绝让他们的公开训练数据和测试参数,但我们愿协作准确测试和改进我们的算法,每个月的团队继续增强。

我们一直提供亚马逊Rekognition以来的两年多时间里,我们没有收到一个报告滥用的执法。即使有这个强大的跟踪记录,我们理解为什么人们希望有监督和指导方针落实到位,以确保面部识别技术不能用于歧视。我们支持呼吁一个适当的国家立法框架,保护个人的公民权利,确保政府是透明的使用面部识别技术。

在过去的几个月里,我们与客户、研究人员、学者、决策者和其他了解如何最好地平衡面部识别的好处和潜在风险。它是至关重要的,任何立法保护公民权利,同时允许持续的创新和技术的实际应用。这些讨论导致了我们建议的指导方针的发展负责任的使用技术,我们今天想分享。我们鼓励决策者考虑这些指导方针作为潜在的立法和规则被认为是在美国和其他国家。

1。面部识别应该依法使用,包括法律,保护公民权利。

面部识别技术的使用必须遵守所有的法律,包括法律,保护公民权利。不应该有歧义,现有法律(例如,1964年《民权法案》和美国宪法第四修正案)适用于,可能限制使用这种技术在某些情况下。

客户负责的法律后他们如何使用这项技术。AWS可接受的使用政策(AUP)禁止用户使用任何AWS服务,包括亚马逊Rekognition,违反法律,违反我们的顾客AUP将无法使用我们的服务。在某种程度上可能会有歧义或不确定性在现行法律应如何适用于面部识别技术,我们已经并将继续提供我们的支持政策制定者和立法者在识别领域发展指导或立法澄清这些法律的正确应用。

2。当面部识别技术用于执法、人工审查是一个必要的组件,以确保使用预测做出决定没有违反民权。

面部识别通常用于从成千上万的狭窄领域的潜在的匹配,少数;正是这种能力,福利社会在很多方面更容易和更高效的完成任务,需要人类更多的时间。然而,不应使用面部识别完全自动化,最终决定,可能导致违反人的公民权利。在这些情况下,人类应该使用面部识别结果的审核,确保权利不受侵害。

例如,对于任何执法使用面部识别的识别一个人的兴趣进行刑事调查,执法人员应该在做任何决定之前手动审查比赛采访或扣留。在所有情况下,面部识别匹配的上下文中应该被其他令人信服的证据,而不是作为采取行动的唯一决定因素。另一方面,如果使用面部识别解锁手机,或验证一个员工的身份来访问一个安全、私人办公大楼,这些决定不需要手动审查,因为他们不会影响一个人的公民权利。

3所示。当使用面部识别技术识别执法,或可能危及公民自由的方式,建议99%置信分数阈值。

信心的分数可以被认为是一个测量有多少信任一个面部识别系统的地方自己的结果;信心得分越高,越可以信任的结果。当使用面部识别识别人的兴趣调查,执法部门应该使用推荐的99%置信阈值,并且只使用那些预测作为调查的一个元素(而不是唯一的决定因素)。

4所示。执法部门应该透明在如何使用面部识别技术。

创造最大的公众信心负责执法使用面部识别,我们鼓励执法实体是透明的使用技术和描述这个用在常规透明度报告。这些报告应该显示如果和面部识别技术是如何被使用的细节已经实施的保障措施来保护公民的隐私权和公民权利。

这种类型的报告可以帮助平衡公共安全和公民权利问题,并帮助使有效的执法监督和问责制使用面部识别技术。AWS将继续参与决策者、公民社会和当地社区团体,我们的执法客户帮助定义应提供这些报告以及他们如何。

5。应该有注意到视频监控和面部识别技术一起使用在公共或商业的设置。

有担心面部识别技术及其潜在应用与视频监控在公共或商业的设置。在许多情况下,这已经被解决的州的法律调节摄像机的使用在公共或商业场所,如购物中心和餐厅。AWS支持使用,可见通知在这些前提视频监控,包括面部识别,在使用。

AWS还支持建立一个国家立法框架覆盖面部识别通过视频和摄影监控公共或商业楼宇,我们鼓励更深层次的公开讨论,讨论现有的视频监控的法律是否应该检查和更新。我们的观点是,面部识别技术和视频/照片监测应该由相同的通知框架。

标准化考试

AWS一直是,并将继续支持并致力于投资开发的标准化测试方法,寻求提高精度从面部识别技术通过消除偏见。

技术标准,制定明确的标准和测试方法是一种行之有效的方法来解决在软件设计问题,我们相信他们在这里同样适用。AWS鼓励和支持独立的标准人脸识别技术的发展等实体的国家标准与技术研究所(NIST),包括NIST的努力和其他独立和公认的研究机构和标准组织支持基于云的面部识别软件的开发测试。我们与NIST和其他利益相关者提供我们对这一努力的直接援助。我们也支持成员的学术团体建立独立的和值得信赖的标准,标准和评估协议在面部识别服务。我们鼓励其他组的技术行业,政府和学术界支持和参与这些项目。我们也邀请研究人员对这些主题感兴趣申请AWS机器学习研究资助,与我们在这个空间是许多研究项目资助。

前进

新技术不应该被禁止或谴责,因为它潜在的滥用。相反,应该有开放的,诚实的,认真的对话各方以确保适当技术应用,不断提高。AWS投入大量资源来确保我们的技术是高度准确,减少偏见,包括使用训练数据集,反映了性别、种族、种族、文化和宗教的多样性。我们也致力于教育客户的最佳实践,并确保不同的观点在我们的技术开发团队。我们将继续与合作伙伴在工业,政府,学术界,和社区团体对这个话题,因为我们坚信,面部识别是一个重要的,甚至是关键,工具对商业,政府和执法部门使用。

——迈克尔•彭克,副总裁,全球公共政策,AWS