2月19日消息，美国军方正在资助一种便携式面部识别设备的研发，该设备能够识别1公里以外的人员。这相当于将近11个足球场。这项名为“远程技术中的高级战术面部识别（Advanced Tactical Facial Recognition at a Distance Technology）”的项目，于2016年开始。该系统的工作原型于去年年底进行了演示。据报道，虽然目前尚未公布这项技术何时正式面市但美国特种作战司令部（SOCOM）的研究仍在进行中。

该技术是由位于弗吉尼亚州阿灵顿的Secure Planet公司开发的。该公司在其网站上指出，“移动生物特征识别和识别系统为士兵和平民提供了关键保护，使他们能够在不断发展的高威胁环境中保持安全。”该公司补充说“我们致力于提供打造通往更安全星球的道路的创新方案。

该公司没有确切透露其技术的运作方式。即使使用最先进的人工智能，也要解决一个具有挑战性的问题，因为在相机上添加更长的镜头会增加振动带来的噪音。在这种距离下，大气湍流也会使图像失真，从而产生类似于炎热天气中的热闪光的效果。为了解决这个问题，可能会使用一个单独的神经网络来对扭曲的图像进行加密，以便获得可用于识别目的的面部数据。

同时，我们也不确定他们将如何部署这项技术。尽管最初是设计成手持式，但报道称其可以用于无人机。美国特种作战司令部的文档指出，可以为执法部门配备所述设备。

那么，人类和计算机在面部识别方面究竟有多精确呢？

大多数人十分擅长识别自己熟悉的人的脸，然而，上面列出的所有关键决策的任务却都不是识别一张熟悉的脸，而是验证陌生面孔的身份。

为了更好地理解这项任务究竟多有挑战性，你不如自己尝试一下：下面两张照片是否为同一个人？

人类VS机器

两组专业的面部识别专家。其中一组是国际专家，他们为法庭（检验员）提供法医分析报告，另一组人脸识别专家则会更快地做出决策，例如在审查签证申请的有效性或是法医调查时（评审员）。同时，也招募了一组天生拥有人脸鉴别能力的“超级识别员”，类似部署在London Metropolitan Police（伦敦警察局）的人脸识别专员团队。

首先要注意的是，人类群体的表现有一个清楚的排列顺序。学生整体表现相对较差，有平均超过30%的错误率，已然显示了这项任务的挑战性。

专业组在任务中的表现则好得多，平均出错率不到10%，且87个中有9个获得了这场测试的最高分。

有意思的是，那些超级识别员也表现得十分优秀，12个中有3个拿到了最高分。这些人并没有接受过专业训练或是有人脸识别决策的经验，这表明基于天生能力而挑选人群也是一个有希望的解决方案。

群体的智慧

所有组内的巨大差异。无论我们分析哪一组，其中的个体表现都跨越了整个测量值域-从随机猜测（50%）到完美的精确度（100%）。这种差异是会产生问题的，因为在法庭上，是由个人提供面部识别证据的。如果个体表现差异如此之大，那么我们怎么才能知道他们的决定是准确的呢？研究为这个问题提供了一个解决方案。通过对人类群体的应答取平均值，利用所谓的“群体智慧”法，能够获得近乎完美的精准度。团队表现也要比个体表现更容易预测。

也许最有意思的发现是在我们将人类与机器的决策结合起来的时候。

通过将一名检验员的回答与最先进的算法结合起来，就可能在这项测试中获得最完美的准确性，这比检验员或是最好的算法单独工作都要更好。这是一个及时的结果，因为正当澳大利亚推出全国人脸识别计划。这将使得警察机构能够利用人脸识别软件搜索大型的图像数据库。

重要的是，人脸识别技术这项应用并不是像边界自主控制系统那样是自动的，相反，该技术生成会生成如下的“候选列表”。为了使系统完全发挥作用，人类必须复审这些候选列表，已确定目标身份是否存在。