电影《黑镜》中的社会信用评价照进现实，这是一种怎样的体验呢?
《黑镜》中人们通过AR人脸识别，可以看到对方的实时评分。你的形象、身份、社会信用都会通过AR识别的方式展现出来，你的打分将马上对对方会产生影响，将决定他能不能乘坐某样交通工具，会不会受到其他人欢迎等。
剧中的女主想要借助跟高分的人的打分迅速提升分数，为此她特意练习了一个演讲，以讨好自己并不喜欢的对象。结果长途跋涉的路上遇到了许多意外，被扣了分，因为扣分带来的不便带来一系列的连锁反应，在一趟旅途之中分数掉到了谷底，而最终连购票的资格都被取消。
而目前，《黑镜》中的个人信用体系将照进现实。中国计划到2020年建立起社会信用体系，给14亿人打分，同时利用面部识别等系统跟踪所有人的行为。假如你分数下降，生活将会出现许多不便。最近已经有一批人因为某些问题被列入失信人名单，不能购买飞机票和高铁票，不能买房子，孩子也无法就读私立学校。
社会信用系统照进现实，会对我们的生活带来什么改变呢?智能相对论分析师柯鸣认为，随着AR人脸识别、机器深度学习技术的发展，传统的信用模式已经难以适应新时代下的发展，新的信用模式必然呼之欲出。
BAT巨头们如何布局社会信用系统？
社会信用体系是以相对完善的法律、法规体系为基础，以建立和完善信用信息共享机制为核心，以信用服务市场的培育和形成为动力，以信用服务行业主体竞争力的不断提高为支撑，以政府强有力的监管体系作保障的国家社会治理机制。
对于BAT而言，对于社会信用系统的布局确实也成为了当下企业竞争的一大发力点。
阿里巴巴承认，他们会根据用户购买产品的类型对用户进行评估。一个一天花十小时打游戏的人会被认为是游手好闲，而经常网购尿不湿的人则可能已为父母，被认为更有责任感。
阿里巴巴的芝麻信用体系
而分数等级会演变成待遇等级，评分达到650分，就能免押金租车，还能更快捷地入住酒店;超过700分的人，可申请新加坡签证而无需提供在职证明等。
腾讯最近也上线了“腾讯游戏信用分”功能，用于维护游戏环境。最重要的是它一定程度上限制了玩家消极游戏。
其实，这种类似的信用评分体系还有很多，比如高德地图会为你的一次出行打分，某些餐厅或电影院也尝试会员评分制度……
而如果将这些信用评分制度融合到一起，扩大到整个社会，其最大的优势就是能有效地划分体系下的人群，不仅能督促人们培养好的行为习惯，还能有针对地为人们提供更好的服务。而新技术的发展似乎给个人信用体系带来了“新的春天”。
生物识别呼唤新的个人信用使用方式
个人身份识别是个人信用体系建立的前提。随着近年来生物识别的不断进展，在大数据的机器学习以及人工神经网络的深度学习上实现了突破。所谓深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。
在以往的系统个人信用模式中，征信机构主要通过采集消费者的证件号码和姓名对消费者身份进行识别如美国征信机构采用社会保障号对消费者身份进行识别，我国人民银行征信系统采用包括证件类型、证件号码、姓名在内的三项标示，并在征信报告查询时引入其他问题对消费者身份进行识别。
目前，随着生物识别技术的发展，其识别过程的安全可靠性使得个人信用系统识别方式不断改进。加上互联网金融对风控的强制要求和反欺诈中对身份识别的 " 刚需 "，生物识别技术在一些新型金融机构的业务应用中已取得较好的进展。
其中，人脸识别配合传统的密码及短信验证等方式，自带活体检测的效果可以有效地避免个人信息泄露所造成的金融诈骗事件，也为个人信用体系的安全性提供了保障。
AI加持后的信用体系，能全方位评价一个人吗？
显然，AI加持后的个人信用体系似乎变的更加让人信赖了。但是，大数据所体现出来的“用户画像”真的能够全方位的评价一个自然人吗?
人工智能推动下的社会信用系统，它不仅仅是作为一个社会推动者，其最终可能会变得非常严格。芝麻信用技术总监李应云也曾表示，在SCS系统下，可以通过购买来判断一个人。
芝麻信用技术总监李应云将这些看作是积极的事态发展，鼓励一个人对自己的生活和消费习惯承担更大的责任，以便获得一个积极的公民评分，即成为“值得信赖的”。
然而，用大数据检测用户行为是有失偏颇的。如何定义人们的日常行为?人们做许多事情可能基于不同的原因，如果情况不理解，就会存在被误解的可能。
即使是一个只有少数数据点的基本SCS系统，也可能描绘出一幅非常不准确，不完整的图片。比如，你可能正在玩游戏10个小时，如果算法说你闲着，这可能会错过你玩这些游戏的原因。也许你是一名工程师，你正在测试他们。但系统认定你为闲人，而这却是你的工作。
因而，这就不得不谈及大数据环境下的构建诚信体系中的问题。智能相对论分析师柯鸣总结了目前人工智能加持下的社会信用体系建设，发展了目前依然存在以下问题：
1.较高难度的大数据获取
随着社会的基础信息搜索和信息共享机制的改变，大数据难以完全支撑有所信息的获取。比如，以水电煤气为代表的基础信息、个人社保公积金以及教育、住房、司法系统尚未完全联网，底层数据缺乏;另一方面，支付、社交等信息依然呈现出彼此封闭和割裂的状态，互联网巨头拥有着大量的用户数据，这使得一般数据获取的成本大大提高。
2.大数据模型可行度存疑
个人信用的大数据获取模型必须建立在数据有效、充分抓取的基础上，这需要实际应用中的不断修正和检验。而在实际落地过程中，由于应用时间较短，缺乏历史数据的参考，目前的大数据模型依然存在着数据不足、缺乏检验等问题，在落地过程中依然需要时间。
3.网络大数据应用范围过窄
从目前来看，用户数据大部分来自于互联网，这在实际应用中把较少使用或不曾使用网络服务的群体排除在外，比如老年群体以及偏远地区群里等。而这在大数据评估的过程中会存在着忽略此类群体的情况，不利于刻画社会群体的“用户信用画像”。
总之，AI加持下的大数据信用系统确实能够完善社会信用体系，但是大数据能够收集个人日常失信行为，但并不是说这些失信行为就要被公布于众，哪些行为需要公布，哪些不能公布，这都要有一个准绳。
此外，在个人诚信档案使用中也应该分领域，比如有些领域可以阅读完整的信用档案，有些领域则不能阅读完整档案，需要对阅读权限进行分级，可以建设一套与之相应的信用评级系统。
社会信用体系的建设仍然有很长的路要走，当《黑镜》中的AR评分照进现实，个人信用的评估一定会再步入一个新的台阶。
智能相对论：深挖人工智能这口井，评出咸淡，讲出黑白，道出深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。
A5创业网 版权所有
