向后看的窥视孔

用便携式摄像机捕捉生活的细节会很有趣，但我们是否应该被允许到处安装超视摄像头，记录你的家人、学生、员工甚至陌生人的所作所为？尝试在谷歌搜索“保姆摄像头”，结果会让你想马上撕开自己的泰迪熊玩具检查一下。你会看到许多毛绒玩具的眼睛被嵌入摄像头，书架上摆放的全是超视小精灵。市场对超视监视和安全的需求正呈现爆炸式增长。

我们一直都有保护自己的需求。恐惧能带来商机。安保公司利用人们心理的脆弱性，每年对门窗开关等最基础款的传感器（见图1-8）收取数百美元的费用。如果你能提供一种安全感，即使不是真正意义上的安全感，人们也是会买账的。

图1-8　门铃中的摄像头

注：门铃中的摄像头可以识别朋友、陌生人和送货员。

亚马逊通过收购Ring公司进入了这一领域，后者的行事方式有魄力、雄心勃勃，且主要依靠数据驱动。Ring公司主要生产配备摄像头和无线网的门铃，现在则生产配备摄像头的室内无人机，无人机可以在你家四处飞行、巡逻。这种心安需要付出多大代价呢？对亚马逊来说，10亿美元。对消费者来说，一套Ring装备会花掉你大约100美元，加上每年100美元的服务订阅费用，确保你的视频可以在亚马逊云端存储60天。

亚马逊以天文数字的价格购买Ring至少有两个动机：

·　年均价值数十亿美元的家庭安保市场已经准备好迎接数字颠覆，同时还有最具黏性的订阅收入来源之一；

·　它解决了价值数十亿美元的问题，即如何更安全地交付包裹，并减少盗窃现象。

大多数人白天都不在家，所以包裹经常被放在迎宾垫上或盆栽后面，这使得它们很容易被小偷盯上。如果发生这种情况，亚马逊通常会重寄一份，且费用由亚马逊支付。问题是，没有人知道原来的包裹到底去哪儿了。你的蛋白粉被送达后，是不是被邻居偷了？箱子是不是送错地址了？还是送货司机饿了，需要借助你的枸杞恢复能量？如果亚马逊能够记录下门口发生的事情，双方将会更加清楚错在哪方，这也就为这家全球最大的零售商解决了一个代价高昂的问题。再配上智能门锁系统这个亚马逊的关键产品，该公司的送货员就能打开你家大门，把包裹放在屋里面，这样包裹交付就变得更加安全了。

其他家庭安保公司，如Nest、Arlo和谷歌智能家居（Google Home），也在生产各种前门摄像头，这些摄像头可以识别人的移动，并记住预计会出现在你家的人的脸，将其与陌生人区分开。完善这一点不仅对邮递员有利，对你也有利。你可以设置“钥匙”，让遛狗员可以在工作日上午10点到下午3点之间进入你的家中，但如果他们不只是牵走了格洛米（Gromit）(22)，你就会收到通知。针对清洁工和保姆的不同规则也会被编程到锁里，他们在公寓的时长将被作为自动支付工资的标准。消防队员则可以随时进去！

相比于其他传统的安保系统，Ring还有其独到之处。当系统感知到入侵者时，大多数家庭装置会报警或呼叫其他安保服务。相比将信息传递到另一个州一位无所事事的员工办公室，不如请邻居通过Ring的社区应用程序查看镜头。如果算法认为某人看起来“可疑”或无法归类，你社区的每个人都可以检查嫌疑人，并标记该行为，以提醒其他人注意和评论。这就是邻里守望系统的2.0版。

当然，与简单的弹子锁不同，安保摄像头的算法并不是中立的。与所有超视应用程序一样，家庭安保设备程序员必须避免其本身及用户的偏见会授予公司、政府和执法部门不当的权力。

辩证地看待超视　科技公司正在让我们走进自我监控的陷阱

如图1-9所示，阿姆斯特丹的一个街道摄像头会统计所有经过的人和物，帮助城市规划者了解行人和自行车的流动。问题在于：这些人同意这种监视吗？谁能限制它？

图1-9　阿姆斯特丹的街道摄像头正在统计所有经过的人和物

智能语音助手Alexa正在我们家里监听，智能门铃Ring在我们的门上观察，亚马逊云服务（Amazon Cloud）提供人脸识别服务Rekognition，Kindle阅读器知道你读了什么书，亚马逊金牌服务（Amazon Prime）知道你买了什么东西，亚马逊云科技（Amazon Web Services）提供预测性大数据云分析，确定你下一步可能做什么。

自愿监控始于谷歌精准广告投放和亚马逊书籍、电影等推荐服务，但与可穿戴设备采集的关于你的活动、互动和兴趣的数据相比，这将是小巫见大巫。我们必须从法律上阻止公司或公司部门将所有这些不同的数据流联系到一起。这很困难，因为这些数据流中的许多数据是开放的，比如你的Venmo支付(23)和社交媒体帖子，其中包括位置信息和其他关于日常活动的信息。营销平台已经将你的特殊喜好和神经质结合起来，前者比如有冰激凌或环保清洁产品，并选择你最容易受到特定信息影响的时间，比如睡不好觉后或分手后，来促销自己的产品。

缓解对隐私问题的担忧的一个方法就是迫使相关公司解决这些问题。安德鲁·弗格森（Andrew Ferguson）是美利坚大学的法学教授，也是《大数据警务的兴起》（The Rise of Big Data Policing）一书的作者。他认为，我们应该针对公司使用用户隐私数据的方式进行立法，解决这些隐私问题符合亚马逊的最佳利益。亚马逊对自己关于Ring的许多选择都没有考虑清楚。缺少规则明确使用录像的时长、警方如何共享录像、如何管理滥用行为或违反服务条款的行为。所有这些风险都是可以明显预见的，必须提前阐明并解决。像这个大数据监管世界中的大多数科技公司一样，亚马逊没有在推出产品前采取积极的前端问责步骤。主动解决这些隐私问题和数据共享问题已经成为一个检验标准，若此操作具有透明度和较强的加密性，则具有竞争优势，就像苹果手机通过使用指纹或面部识别解锁所获得的优势一样。

关于个人隐私问题，我们不能寄希望于他人，只能自己想办法解决。如果你担忧无处不在的面部识别系统，可以考虑顺从风靡全球多个城市的反监视潮流：怪异的头发和妆容设计既能迷惑计算机视觉，同时还能吸引他人的注意力。布鲁克林艺术家亚当·哈维（Adam Harvey）创造了计算机视觉程序CV Dazzle，可以通过伪装解构面部连续性。这是一种“反人脸监测”技术。图1-10展示了一种计算机视觉迷彩妆。

图1-10　监视带来的次级效应：计算机视觉迷彩妆

所有新技术的出现都是这样运作的：每一次善意的进步，都会被动机邪恶者加以利用，然后会出现新的技术来弥补漏洞，抵消第一项技术的影响。这是一场算法军备竞赛。尽管如此，努力预测和预防危险还是很重要的。