声音是独有的、先天的和不可变的生物识别标志之一，其他识别标志包括视网膜扫描、虹膜扫描和面部几何扫描。
随着技术的发展，公众也越来越关注隐私问题。例如，1990年代后期DNA证据被引入法律体系，引起了群众的关注。又比如1910年伊利诺伊州芝加哥市的克拉伦斯·希勒（Clarence Hiller）谋杀案的审判中引用了指纹鉴定证据，这也引起了非议。
如今，生物识别标志的使用在商界中无处不在。例如，指纹可用于解锁iPhone、访问笔记本电脑，并可能在不久的将来用来验证信用卡消费。许多企业使用生物识别数据来确保员工上班打卡的准确性或限制员工访问特定办公区域。
可以预见的是，提倡保护隐私的人士已经开始担心生物识别数据可能破坏匿名性或利用消费者获取经济收益。因此，美国各州和联邦立法机构正在考虑出台保护公众免受潜在伤害的法律。
为了应对DNA技术的潜在危险，美国各州及联邦立法机构出台了遗传信息非歧视法案（GINA）。在生物识别法领域，伊利诺伊州在2008年通过了生物信息隐私法案（BIPA），该法案规定，公司收集生物识别标志应征得客户许可，包括指纹和面部几何扫描。
此外，一些法院已经决定，面部几何技术将包括面部识别技术以及该技术在商业领域的应用。面部识别技术向我们展现了人工智能（AI）和生物识别数据的结合。
面部识别人工智能 Vs 对话式人工智能
将人工智能软件应用于面部几何数据，就可以快速地与在档面部数据匹配，从而实现面部识别的功能。例如，员工在进入办公大楼时可能会经过相机进行面部识别。
然后，该图像将通过人工智能与雇主的人力资源部门在档的面部几何数据进行比较。如果人工智能软件无法生成匹配项，则公司可以禁止该员工进入。可想而知，人工智能面部识别技术的未来可能性有多大，又对商界有多大的吸引力。
另一方面，对话式人工智能可以将一名员工的声音与另一种生物识别数据集相匹配，那就是源自之前该员工说话的录音样本。举例来说，进入大楼的员工会对着一个麦克风说话，例如，“早上好！我的名字是Joe Worker，来自会计部门。”同样，如果他的语音与在档的数据匹配，则允许进入——如果不是，则拒绝进入。
上面给出的简单示例只是探索人工智能和生物识别数据结合时的可能性的开始。然而，这些示例却已经足以说明个人在这两个场景中可以认同的隐私级别。
一些公司已经将面部识别人工智能吹捧为评估和回应人类情感的手段。但心理科学协会（Association for Psychological Science）最近的一项研究表明，支持此类说法的科学数据有限。
在对超过1,000项研究进行了两年的评估后，研究小组发现，情绪过于微妙，无法通过面部表情进行严格的情绪识别。然而，对话人工智能是独特的，因为它不仅能捕获和评估面部肌肉的运动，还可以仔细评估一系列代表情感和意图的线索——语言线索和有时出现的非语言线索。
降低风险
商界对风险并不陌生，因为如果没有风险，就没有生意可做。尽管如此，商界还是尽可能希望降低风险。企业有理由担心与使用生物识别数据相关的风险。那些担心此风险的企业可能选择支持对话式人工智能，而不是面部识别技术。这在最近几周一直是争议的核心。
伦敦大都会警察局（London’s Metropolitan Police）最近对其面部识别软件进行了测试。试验结果不太理想。80％的识别失败率促使那些监测该实验的埃塞克斯大学（University of Essex)的研究人员建议大都会警察立即停止使用面部识别技术。
从隐私角度来看，面部识别和对话式人工智能的各自独特之处是什么？首先，我们在任何地方都要露出脸来。一千个摄像头可以抓住你的一举一动，而你永远不可能在面部识别上造假。但是另一方面，你的声音受你的控制。你每次都是有意识的说话，而且你可以控制自己所说的话。在某种程度上，你还可以控制你说话的方式。
虽然你确实可以在自己不知情的情况下被录音，但你可以控制说话的内容和时间。最近几周，面部识别的公共和私人使用都受到了抨击。技术公司员工和承包商也可以从语音助理那里获得用户的录音，这件事情被揭发出来后也饱受非议。这两种方法都需要加以规范，用来满足基本的隐私保护要求。但从长远来看，人们更容易觉得，使用录音比面部识别技术更可控。
同时，如果共享数据意味着更加个性化的体验，并且提供服务的公司将共享数据的使用透明公开化，那么用户绝对赞成这种做法。由于语言和语调能传达38％的信息，语音界面越个性化，语音识别就越准确。如果正确实施该技术，信任和透明度将让语音识别变得可行，并被众多消费者所接受。
语音识别技术可以做其他技术不能做到的事情
面部识别软件对外声称可以利用明显和微妙的面部表情来确定人类的情绪状态，却遭到了质疑。但对话式人工智能却为预测人类行为提供了强有力的证据。
例如，一家公司与一家银行进行了一次试验，使用客户语音文件来确定一个贷款违约风险较低的群体。测试显示第一组受试者的默认违约风险率为6％。被确定为高风险的第二组受试者却表现出了27％的违约率。
技术对个人公民的偏见和隐私权
该领域的专家认为，面部识别软件中的错误率可能是程序员的偏见所致。计算机程序员的背景不同，他们独特的生活经历造就了不同的价值观与世界观。
总之，价值观在程序员编码的方式中起着潜移默化的作用。美国正义联盟的乔伊·布拉姆维尼（Joy Buolamwini）是研究这一现象的先驱。在她的研究中，她发现浅肤色的面部识别准确度高于深肤色。事实上，面部识别技术错误地将96％的深肤色女性识别为男性。
企业可能担心管理大量消费者数据风险高，消费者担心语音数据可以做些什么。此类情况下，对话式人工智能具有明显的优势。面部识别是一种被动技术。如果你的脸是可见的，它就会被捕获，因此支持保护隐私的人士和一些政府一直对其应用保持警惕。
使用语音识别技术也有类似的担忧。用户必须意识到他们的声音正在被分析，然后才能明确决定不发言。但在某些情况下他们确实有机会做出这样的决定。结合我们在语音识别技术中观察到的更高准确度（与面部识别技术相比），整体来看我们对语音技术的审查其实不严格。
从隐私的角度来看，这两种技术都有大量问题亟待解决。但语音识别技术提供了更加安全、一致的体验，这种体验通常比面部捕获更为温和。
联系客服
