从来只见科技巨头抢占技术高地，没听说过谁主动放弃未来的。
然而，今日的美国，真的上演了这离奇、反常的一幕。
当地时间6月8日，IBM高调宣布不再提供任何人脸识别服务和人脸分析软件，正式退出这一市场。不仅如此，今后IBM也不会继续研发相关技术。
IBM的理由是「反对将技术用于种族歧视和大规模监视」。
但它真正的诚意有多少？
是谁让IBM放弃了大热的AI应用方向
IBM的这一决定来自于CEO 克里什纳（Arind Krishna）给几位美国国会议员的一封信。
从信中的内容来看，放弃人脸识别业务的举动，是IBM因黑人弗洛伊德之死，抗议种族主义的种种举措的其中之一。
IBM为了「自由」、「隐私」、「种族」这些美式政治正确议题拼了，至少从表面看是这样。
IBM告诉外媒，这个决策并不是心血来潮，而是经过了数个月的讨论，并与客户进行了持续沟通。另外，尽管IBM不再宣传、推销和更新这些产品，但它依旧会在有需求之时对现有的客户进行支持。
克里什纳并没有将AI全盘否定，他表示人工智能仍然是帮助执法部门保护公民安全的有力工具。 但他也强调，AI系统的供应商和用户有共同的责任对AI进行偏见测试（Tested For Bias），特别是执法过程中使用的AI，要有专门的审查评估制度。
最后，克里什纳还说，国家的政策还应鼓励和促进使用特定技术，如人体摄像机和现代数据分析技术。来提高警务透明度和问责制。
IBM 的这封信，是一个议政属性较强的信件。它除了谈到对相关技术的措施和态度，还呼吁国会通过相应的议案和政策来推动警务透明、人员就业等问题。
IBM的“顺水人情”
难道IBM就是这么深明大义，毅然放弃前景大热的AI技术？
当然不是。
据美国CNBC报道，一位知情人士承认，IBM 此举确有为了迎合美国当下对种族问题的强烈关注的因素，但同时，IBM 也有商业考量。
实际上人脸识别业务并没有为 IBM 带来重大的营收——换句话说，弃之并不可惜。
在人脸识别技术方面，IBM 虽然并不突出。在克里什纳的信中，他呼吁美国执法部门采用「更加透明」的技术，比如摄像头和数据分析系统。
数据分析系统对于IBM来说，是一项比人脸识别重要得多的业务。
另外，克里什纳在就任 CEO 之初时表示，IBM将专注于混合云和人工智能两大战略，尤其是在云计算方面。他强调称，IBM和Red Hat要把Linux、容器和Kunbernetes建立为新的混合云标准。
显然，在Arind Krshna的领导之下，IBM更为专注的是与微软和亚马逊等对手在云计算领域的战争——人脸识别技术属于二线业务。
外媒分析，IBM放弃的只是眼下它并不占优势，营收也有限的一块业务，长远布局不受影响。
精明的IBM这一手操作，既调整了业务，又迎合了美国民意。
但国际隐私组织（Privacy International）对IBM的声明十分不信任。
原因在于IBM推出了智能警务平台，并在世界多地投入使用，这个系统依赖闭路电视摄像机和警察部门的数据处理系统直接相连，仍然是一种监视手段。
此外，该组织认为IBM的公告模棱两可。公告中说要放弃「通用型」面部识别，让人高度怀疑这不会是IBM面部识别业务的终结，未来IBM可能会进行识别系统的定制化。
人脸识别在美国已成众矢之的
美国的人脸识别技术一直走在科技前沿，并且在商用层面早有动作。亚马逊早在 2016 年就推出了人脸识别软件 Rekognition，如今已经向美国大部分警察部门提供服务。
尽管如此，目前的人脸识别技术还不能够有百分百的准确性。
这背后的一个首要因素是美国的种族问题。
2018 年Joy Buolamwini和Timnit Gebru的研究首次揭示了商业人脸识别系统（包括 IBM 的）的缺陷：人脸识别针对黑人、女性的错误率高达 21%-35%，而针对白人、男性的错误率则低于 1%。
黑人女性有 20%~30%的概率被识别错误，产生误会。如果是在警用安保等场景下，后果可能会非常严重。这在美国是一个严重的政治问题。
除了对人种、性别的识别偏差外，人脸识别技术还因其在侵犯隐私方面的问题而受到抨击。
而最近黑人弗洛伊德之死，让人脸识别技术成了种族问题最新的替罪羊。
包括旧金山市在内，美国已经有多个地方公共部门禁用了人脸识别技术。
尽管如此，亚马逊等公司有用技术赚钱的需求，而美国警察也有实用技术的需求，因此多数州的警察部门仍然是人脸识别系统的大客户。
2019 年，亚马逊在股东会议否决了停止出售人脸识别技术的提案。后来在一次采访中，亚马逊CTO Werner Vogels称，技术无罪，我们无责任。
对于人脸识别技术的争议，IBM出了自己的答案：直接放弃，而不是继续研究改进。
IBM此举，是否会导致越来越多的美国科技企业放弃探索人脸识别技术？美国会不会最终全面禁用人脸识别呢？
参考链接
https://www.bbc.com/news/technology-52978191
— 完 —
