英国卫报消息，近日，由比尔盖茨投资的波士顿超材料公司 Evolv Technologies 将在公共场合采用新型人工智能快速身体扫描仪进行安检测试。据美国联邦通信委员会（FCC）发布的文件，该公司计划在华盛顿联合车站、洛杉矶联合车站和丹佛国际机场这三个地方对该扫描仪进行试用检测。目前，大多数机场安检站使用的身体扫描仪都是毫米波无线电频率，Evolv 的新设备也采用了相同的技术。
资料图
但不同的是，传统身体扫描仪扫描速度非常慢，而 Evolv 的新设备则可以在不到一秒的时间内完成扫描，并利用计算机视觉和机器学习检测到枪支弹药。
这可方便了车站乘客。使用了人工智能身体扫描仪之后，乘客们在过安检时无需用专门停下来接受检查，甚至都不用刻意减慢步伐。附近的安保人员可在计算机上看到来往乘客身上是否携带有可疑物品；若有，则该乘客实时图像中的可疑部分会被特别表示出来，否则，会显示“一切正常（all clear）”的标记。 Evolv 表示，该系统可在一小时内扫描 800 位乘客，他们身上携带的钥匙、硬币或者手机不会影响扫描结果。
“扫描的过程越快越好，这一点再怎么强调也不为过，” 圣地亚哥州立大学人工智能教授 Aaron Elkins 说道，“有些安检站还在使用金属探测仪，是时候要更新一下设备了。”
毫米波扫描仪可提高工作效率，是因为它能够同时识别金属制品和非金属制品（如3 D 打印抢和爆炸物）。但是，也有人对这种新工具提出了质疑，因为在它的监视之下，人们身着的衣物已无法起到遮身蔽体的作用，扫描仪直视人体外表，及其贴身物件，而使用旧式金属扫描仪则不用担心这个问题。
“我们的图片成像是不会按照解剖学去呈现人体所有部位的，所以，首先是不存在形成色情图片的问题，” Michael Ellenbogen，Evolv 首席执行官表示。“另外，系统也不会储存原始数据，或者如果有特殊情况确实需要保存某些数据，那也不会是专门针对个人的。”
Evolv 表示，安保人员不会知道扫描仪具体是在扫描那个地方。该系统采用固态微天线，当人们走过安检门时，固态微天线就能引导雷达波束对人们进行扫描并收集反馈信息。之后，这些信息会传入受过训练的人工智能系统，以识别身上携带的各种物品，包括枪支、自杀式爆炸背心甚至是刀具。同时，扫描仪还带有一个摄像头，能够在每一个人经过的时候自动给他们照相，以进行面部识别。
由于新型毫米波扫描仪比传统扫描仪速度更快、价格更便宜，因此这种新设备可能会使机场安检站发现可疑人员的几率大增。要知道，以前对机场进行全方位的安检还是比较困难的。
洛杉矶县、城交通局（ Los Angeles County Metropolitan Transportation Authority）主管 Alex Wiggins 表示，“交通枢纽的安全监测环节本来就比较薄弱，容易遭受到攻击；再加上近两年来，欧洲车站又连续发生几起大规模袭击事件，所以我们更得加大安检扫描力度，寻找一次性能扫描更多人，并且能探测出武器和危险爆炸品的扫描仪。”
FCC 制定的三个地点每天有超过 300,000 人接受扫描。丹佛国际机场表示，他们与Evolv 的安检合作尚在继续中。洛杉矶的试用检测会在 11 月份进行，持续大概 3-5 天，预计将会涉及到上千名乘客。
“我们想看看这个扫描仪的探测功能能有多准确，以及能检测出多大尺寸的武器和危险爆炸品。” Wiggins说道。
此前，Evolv 已获得 1180 万美元的投资，这其中包括来自前微软亿万富翁比尔盖茨的大力支持。近日，该公司又获得融资 800 万美元。
另外，和美国政府部门之间的亲密的关系也使 Evolv 获益匪浅。在美国国土安全部（DHS）的帮助下，它得以使自己的技术获得完善——据 FCC 此前发布的文件， Evolv 的新型扫描仪已于去年在 DHS 交通安全实验室（位于新泽西州）和 FBI 总部（位于维吉尼亚州匡提科）进行了测试。
但是真正有价值的是在公共场合进行测试， Elkins 说道。“一个高水平探测算法在实验室中可能会表现极佳，但到杂乱的真实世界中就不一定也同样好用了，”他说。“人们走过安检门时可能会手拿蛋卷冰淇淋、太阳镜或者背包等各种各样的物品。”
工作人员 Ellenbogen 承认，探测行李时可能会遇到问题。“我们正在观察，哪些物品需要分开检测，哪些不需要，”他说，“但我们的目标是，不管人们携带什么物品，他们在接受扫描时都能像平常一样自然地进行活动。”
另一个让 Wilkins 和 Elkins 担心的问题是如果一个普通人被误解携带了危险物品，安保人员该怎么解决。 “如果这样的情况发生次数太多，安保人员就会降低自己对危险的敏感程度，以后再看到可疑人员，就会直接让他们过去，那么新设备就不再管用了。” Elkins 表示。
不过，最大的问题还是让该设备大受欢迎的人工智能技术本身。
“和人类手动检测不同，利用算法进行检测可能存在风险——会有攻击者将机器学习算法反向工程化，这样，他们就能想办法让危险品在系统显示中隐藏起来，” 康奈尔大学计算机科学教授 Ari Juels 表示到。
“对策也是有的，只是现在研究人员还没找到。”