分析實務 7.4。以臉部辨識的大規模應用說明深度學習的技術能力與隱私／倫理影響。
區分影像辨識與臉部辨識，並辨識大規模身分辨識系統的資料整合、用途與治理問題。
原書以中國的臉部辨識生態系、Sharp Eyes 與 Xiangyang 2017 年的公開展示案例說明此技術的應用範圍，同時明確提出隱私／倫理疑慮。
| 原書資訊 | 內容／數值 |
|---|---|
| Sharp Eyes | 原書描述的全國性監控專案 |
| Xiangyang example | 2017 年夏季 |
| 中國監視攝影機估計數量 | 2 億支 |
| 原書比較 | 原書稱約為美國的 4 倍 |
| 原書提及可連結的資料 | 醫療紀錄、旅行預訂、線上購物、社群媒體活動 |
臉部辨識的任務是辨識「哪一個人」，而非只辨識影像類別。系統把攝影機影像與參考臉部／資料庫比對；原書案例再延伸到多來源資料連結。
原書沒有提供辨識準確率、誤判率或經稽核的結果，因此不生成相關數字。
原書把此案例同時呈現為技術能力與治理問題：用途從安全／嫌疑人辨識延伸到公共行為監控時，隱私、比例原則、資料連結與問責會成為核心管理議題。
只根據原書 2 億、4 倍比較、2017 年案例與所列資料來源，分開整理技術能力與隱私／倫理問題；不要推測辨識準確率或目前部署規模。
問題： 若一個臉部辨識系統沒有公布誤判率，管理者能否只依涵蓋規模判定系統品質？
參考解答： 不能。涵蓋規模與預測／辨識品質是不同面向；原書未提供準確率，因此本案例不能據此推導可靠性。