中評社北京2月5日電／不知是從什麼時候開始，國內眾多銀行把人臉識別技術運用到了日常服務中。銀行宣稱，通過采集人臉圖像，並與身份證照片進行對比識別，在業務辦理過程中即可實現“以貌識人”，必要時客戶點點頭、眨眨眼、張張嘴，便可輕鬆完成，無需任何其他操作步驟。
筆者的父親已經93歲高齡，對於他來說，這可並不像銀行允諾的那樣“輕鬆”。由於某些業務銀行規定必須本人到場，筆者不得不把他專程送到銀行，在那個所謂的“智能”終端面前，他老人家拄著拐杖，顫顫巍巍地站在那裡，由工作人員指揮著，連續眨了三次昏花的老眼，終端也無法識別。最後找到經理，總算同意去櫃台窗口辦理業務。
對筆者80多歲的母親，這一人臉識別過程簡直就是一場災難了。母親患有嚴重的腰疾，出門必須坐輪椅，這一次是不得不去另一家銀行。機器采集圖像時，由於機器距離地面有一定高度，母親必須得從輪椅上被扶起來，半攙半抱地對准攝像頭；筆者和工作人員一邊一個架著，好不容易才完成了采集，等這一通折騰完，她已經氣喘籲籲。
這樣的人工智能到底方便了誰呢？隨著數字化的普及與滲透，越來越多的地方要求使用互聯網來訪問關鍵服務，不論是銀行、社保部門還是政府，這對那些沒有相應設備工具、不能負擔數據或Wi-Fi服務、無法或不願使用網絡的人造成很大影響。眾多服務被缺省設置為“數字化”，非網絡用戶因此面臨邊緣化的風險，從而對一定人群社會生活的基本權利產生了影響，我們將此稱為“數字排斥”。
用更形象化的比喻來講，如果我們把數字化進程比作一架戰車，很多人會產生一個誤解：人人都會上車，只是時間早晚。其實這樣想會忽略一個極其嚴重的問題，就是許多人根本就上不了車，而是被徹底地甩在這輛戰車之外。由此，數字化社會便產生一個失落的群體——“數字棄民”。
他們是如何被拋棄的呢？數字化排斥可被分為四大類：自我排斥、財務排斥、技能排斥以及地理位置排斥。
在諸如“這東西我就是學不會”的聲稱中可以看到自我排斥，它與厭惡變化和新事物有關，並且認為終身學習超出了自己的能力。由於技術總是在不斷變化和發展，許多人可能會感到落伍，因此停止參與數字世界。例如，老年人很可能因為覺得年紀太大了，無法也不願開始學習。
財務排斥所顯示的數字鴻溝與付費能力有關。低收入人群無法為連接的前端成本、具有上網功能的設備和上網本身的持續成本支付費用。
技能排斥是指，一個人的技能和信心是其能否有效使用互聯網的前提。對於某些社會群體來說，互聯網過於複雜。他們不僅缺乏基本的數字技能，而且缺乏對互聯網工作原理的理解。例如，僅僅是上網填表這樣一件事情可能就會困住他們。而缺乏數字技能的人又往往沒有機會獲得支持，以幫助他們使用技術。
地理位置也會產生排斥。在偏遠地區，寬帶和移動基礎設施較差（或根本沒有），這意味著有些農村地區的人們面臨著物理服務以及在線服務的雙重受限。
|
