Nhận diện khuôn mặt nơi công cộng là việc dùng camera và phần mềm AI để so khuôn mặt người qua lại với một danh sách đã có, nhằm tìm người bị truy nã, người mất tích hay kiểm soát ra vào. Lợi ích an ninh là có thật: tìm người nhanh hơn nhiều so với xem lại băng hình bằng mắt. Nhưng công nghệ này cũng có thể nhận nhầm, sai lệch theo nhóm người, và khi gắn khắp nơi thì biến mọi người đi đường thành đối tượng bị nhận dạng liên tục mà không hề hay biết.
Bài này phân tích hệ thống hoạt động thế nào, độ chính xác phụ thuộc vào đâu, những trường hợp nhận nhầm đã xảy ra, lập luận của hai phía, cách các nước đặt giới hạn, và tình hình quy định về dữ liệu sinh trắc học ở Việt Nam. Bài không hướng dẫn cách né tránh camera hay theo dõi người khác.
Hệ thống nhận diện khuôn mặt hoạt động thế nào
Một hệ thống nhận diện khuôn mặt có ba bước. Đầu tiên, phần mềm phát hiện vùng có khuôn mặt trong khung hình. Tiếp theo, nó chuyển khuôn mặt đó thành một dãy số đặc trưng, thường gọi là "mẫu khuôn mặt", phản ánh tỷ lệ và hình dạng các chi tiết. Cuối cùng, dãy số này được so với các mẫu trong cơ sở dữ liệu, và hệ thống trả về những người có độ giống vượt một ngưỡng nhất định.
Cần phân biệt hai cách dùng rất khác nhau. Xác minh một đối một là khi bạn đưa mặt vào máy để mở khoá điện thoại hoặc qua cổng kiểm soát sân bay: hệ thống chỉ trả lời câu hỏi "có đúng là người này không", người dùng biết và thường đồng ý. Nhận dạng một đối nhiều là khi camera quét đám đông và so với cả danh sách: người bị quét không biết, không đồng ý, và một lỗi nhỏ nhân lên theo số người đi qua.
Ngưỡng giống là chỗ quyết định nhiều nhất. Đặt ngưỡng thấp thì hệ thống báo nhiều trường hợp nghi ngờ, bỏ sót ít nhưng nhận nhầm nhiều. Đặt ngưỡng cao thì nhận nhầm ít nhưng bỏ sót nhiều. Không có ngưỡng nào hoàn hảo, và việc chọn ngưỡng là quyết định chính sách chứ không chỉ là thông số kỹ thuật.
Độ chính xác phụ thuộc vào đâu
Trong điều kiện phòng thí nghiệm với ảnh chụp thẳng, đủ sáng, các thuật toán hàng đầu hiện nay đạt độ chính xác rất cao. Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) thường xuyên chạy các đợt thử nghiệm độc lập và ghi nhận độ chính xác đã cải thiện mạnh trong khoảng một thập niên qua. Nhưng camera ngoài đường không cho ảnh như phòng thí nghiệm: góc nghiêng, ánh sáng kém, người đội mũ, đeo khẩu trang, chuyển động nhanh đều làm độ chính xác giảm.
Báo cáo năm 2019 của NIST về sai khác theo nhóm nhân khẩu học cho thấy nhiều thuật toán có tỷ lệ nhận nhầm khác nhau đáng kể giữa các nhóm tuổi, giới tính và màu da, dù mức sai khác ở các thuật toán tốt nhất nhỏ hơn nhiều. Nguyên nhân được cho là dữ liệu huấn luyện không cân bằng và chất lượng ảnh khác nhau. Điều này có nghĩa là rủi ro bị nhận nhầm không chia đều cho mọi người.
Còn một yếu tố ít được nhắc: chất lượng của danh sách so sánh. Nếu danh sách chứa ảnh cũ, ảnh mờ, hoặc người không còn bị truy nã, hệ thống sẽ đưa ra cảnh báo vô ích hoặc sai. Độ chính xác của cả hệ thống luôn thấp hơn độ chính xác của riêng thuật toán.
Những trường hợp nhận nhầm và bài học
Bắt nhầm người vì một kết quả khớp. Ở Mỹ đã có một số vụ người dân bị bắt giữ sau khi phần mềm nhận diện khuôn mặt chỉ ra họ là nghi phạm, rồi sau đó được xác định là nhầm. Một vụ được biết rộng rãi xảy ra tại thành phố Detroit năm 2020. Điểm chung của các vụ là kết quả của máy được coi như bằng chứng thay vì chỉ là gợi ý để điều tra tiếp.
Cảnh báo sai hàng loạt khi thử nghiệm. Một số đợt thử nghiệm camera nhận diện trực tiếp ở nơi công cộng tại châu Âu từng bị chỉ trích vì phần lớn cảnh báo là sai, khiến người vô can bị chặn lại kiểm tra.
Mở rộng mục đích dần dần. Hệ thống lắp để tìm tội phạm nghiêm trọng đôi khi được dùng thêm cho vi phạm nhỏ hoặc theo dõi người tham gia sự kiện đông người. Đây là hiện tượng "trượt mục đích" mà các tổ chức bảo vệ quyền riêng tư cảnh báo.
Bài học chung. Kết quả khớp chỉ nên là đầu mối cần người xác minh, không phải căn cứ duy nhất để hành động; phải có ghi chép ai đã tra cứu, vì sao; và người bị ảnh hưởng phải có cách khiếu nại.
Lập luận của hai phía
Phía ủng hộ: tìm người nhanh. Trong vụ trẻ lạc, người già lẫn đi khỏi nhà, nghi phạm nguy hiểm đang lẩn trốn, mỗi giờ đều quan trọng. Nhận diện tự động giúp rút ngắn thời gian rà soát từ nhiều ngày xuống vài phút.
Phía ủng hộ: răn đe và quản lý. Ở sân bay, nhà ga, sự kiện lớn, kiểm soát ra vào bằng khuôn mặt giúp giảm ùn tắc và ngăn người không được phép vào khu vực hạn chế.
Phía lo ngại: mất sự vô danh nơi công cộng. Xưa nay một người đi trên phố là vô danh với đa số người xung quanh. Khi mọi camera đều nhận dạng được, mọi hành trình đều có thể được ghi lại và ghép thành hồ sơ đi lại chi tiết.
Phía lo ngại: dữ liệu không thể thay. Mật khẩu bị lộ thì đổi được, khuôn mặt thì không. Một kho mẫu khuôn mặt bị rò rỉ gây hậu quả lâu dài cho người bị lộ.
Phía lo ngại: hiệu ứng tự kiềm chế. Khi biết mình bị nhận dạng liên tục, nhiều người có thể ngại tham gia hoạt động hợp pháp nơi công cộng. Đây là chi phí xã hội khó đo nhưng được nhiều học giả nhấn mạnh.
Cách các nước đặt giới hạn
Đạo luật Trí tuệ nhân tạo của Liên minh châu Âu xếp việc nhận dạng sinh trắc học từ xa theo thời gian thực ở nơi công cộng cho mục đích thực thi pháp luật vào nhóm bị cấm, chỉ cho phép trong một số ngoại lệ hẹp như tìm nạn nhân bắt cóc, ngăn chặn đe doạ khủng bố cụ thể, có sự cho phép trước của cơ quan tư pháp hoặc cơ quan độc lập. Việc thu thập ảnh khuôn mặt trên mạng một cách tràn lan để lập cơ sở dữ liệu nhận diện cũng bị cấm.
Ở Mỹ không có luật liên bang chung; một số thành phố đã cấm cơ quan công quyền dùng nhận diện khuôn mặt từ cuối thập niên 2010, trong khi một số bang có luật riêng về dữ liệu sinh trắc học cho phép người dân kiện doanh nghiệp thu thập trái phép. Nhiều nước châu Á triển khai rộng hơn cho quản lý đô thị và an ninh, với mức độ kiểm soát khác nhau.
Tại Việt Nam, dữ liệu sinh trắc học được xếp vào nhóm dữ liệu cá nhân nhạy cảm, với yêu cầu chặt hơn về sự đồng ý, mục đích xử lý và biện pháp bảo vệ theo quy định về bảo vệ dữ liệu cá nhân. Khung pháp lý này đã được nâng từ nghị định lên luật trong năm 2025. Doanh nghiệp, toà nhà, trường học lắp camera nhận diện cần tra văn bản hiện hành để biết nghĩa vụ thông báo, xin đồng ý, thời hạn lưu trữ. Người dân có thắc mắc về quyền của mình với dữ liệu khuôn mặt có thể hỏi luật sư trên AI Cố Vấn.
Những câu hỏi nên đặt ra trước khi một hệ thống được lắp đặt
Dù ủng hộ hay lo ngại, các chuyên gia về quản trị công nghệ thường gợi ý một bộ câu hỏi chung để đánh giá một dự án nhận diện khuôn mặt cụ thể, ở toà nhà, trường học, khu đô thị hay nơi công cộng:
- Mục đích là gì, được ghi rõ ở đâu, và có cách nào ít xâm phạm hơn đạt được cùng mục đích không, ví dụ thẻ ra vào hay camera thường không nhận dạng.
- Danh sách so sánh gồm những ai, ai được đưa người vào danh sách, và khi nào người đó được xoá khỏi danh sách.
- Ngưỡng giống được đặt thế nào, tỷ lệ cảnh báo nhầm đã được thử trong điều kiện thật ở chính địa điểm đó chưa.
- Khi hệ thống báo khớp, ai là người xác minh, và quy trình xác minh trước khi hành động là gì.
- Hình ảnh và mẫu khuôn mặt được lưu ở đâu, bao lâu, mã hoá ra sao, và ai được truy cập; có ghi nhật ký mỗi lần tra cứu không.
- Người bị ghi hình được thông báo thế nào, có thể hỏi dữ liệu của mình và khiếu nại ở đâu khi bị nhận nhầm.
- Có đánh giá định kỳ xem hệ thống có thật sự đạt mục đích ban đầu, hay đang dần được dùng cho việc khác.
Một dự án trả lời rõ ràng được các câu hỏi này thường đáng tin hơn một dự án chỉ nêu độ chính xác của thuật toán. Với người dân, đây cũng là những câu có thể hỏi ban quản lý toà nhà hay trường học khi thấy camera nhận diện được lắp mới.
Nguồn để đọc thêm
Danh sách ghi bằng tên tổ chức và loại tài liệu; bạn đọc tìm bản mới nhất.
- Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST), chương trình thử nghiệm thuật toán nhận diện khuôn mặt và báo cáo năm 2019 về sai khác theo nhóm nhân khẩu học.
- Liên minh châu Âu, Đạo luật Trí tuệ nhân tạo, phần các hành vi bị cấm và hệ thống sinh trắc học rủi ro cao.
- Cơ quan Quyền cơ bản của Liên minh châu Âu, báo cáo về nhận diện khuôn mặt trong thực thi pháp luật.
- Văn bản pháp luật hiện hành của Việt Nam về bảo vệ dữ liệu cá nhân, phần dữ liệu cá nhân nhạy cảm; tra trên cổng thông tin văn bản pháp luật.
- Các báo cáo của tổ chức xã hội dân sự quốc tế về quyền riêng tư, đọc kèm quan điểm của cơ quan thực thi pháp luật để có hai phía.
Khi gặp con số "độ chính xác 99%", hãy hỏi thêm: đo trong điều kiện nào, trên nhóm người nào, và tỷ lệ nhận nhầm khi quét đám đông hàng chục nghìn người là bao nhiêu.
Câu hỏi thường gặp
Nhận diện khuôn mặt nơi công cộng có chính xác không?
Trong điều kiện ảnh tốt, các thuật toán hàng đầu đạt độ chính xác rất cao theo thử nghiệm độc lập. Ngoài đường, góc nghiêng, ánh sáng kém, khẩu trang và chuyển động làm độ chính xác giảm. Khi quét đám đông lớn, một tỷ lệ sai nhỏ vẫn có thể tạo ra nhiều cảnh báo nhầm.
Mở khoá điện thoại bằng khuôn mặt có giống camera nhận diện ngoài phố không?
Không giống. Mở khoá điện thoại là xác minh một đối một, bạn chủ động và đồng ý, dữ liệu thường nằm trên máy. Camera ngoài phố là nhận dạng một đối nhiều, người đi đường không biết và không đồng ý, nên rủi ro về quyền riêng tư lớn hơn nhiều.
Vì sao thuật toán nhận nhầm một số nhóm người nhiều hơn?
Nguyên nhân chính được cho là dữ liệu huấn luyện không cân bằng giữa các nhóm tuổi, giới tính, màu da, cùng với chất lượng ảnh khác nhau. Báo cáo của NIST năm 2019 ghi nhận sai khác này ở nhiều thuật toán, dù các thuật toán tốt nhất có mức sai khác nhỏ hơn. Vì vậy rủi ro bị nhận nhầm không chia đều.
Châu Âu có cấm nhận diện khuôn mặt không?
Đạo luật AI của châu Âu cấm cơ quan thực thi pháp luật dùng nhận dạng sinh trắc học từ xa theo thời gian thực ở nơi công cộng, trừ một số ngoại lệ hẹp có cho phép trước. Việc thu thập tràn lan ảnh khuôn mặt trên mạng để lập cơ sở dữ liệu cũng bị cấm. Các ứng dụng khác bị quản lý theo mức rủi ro.
Ở Việt Nam, dữ liệu khuôn mặt được bảo vệ thế nào?
Dữ liệu sinh trắc học thuộc nhóm dữ liệu cá nhân nhạy cảm theo quy định về bảo vệ dữ liệu cá nhân, đòi hỏi sự đồng ý, mục đích rõ ràng và biện pháp bảo vệ chặt hơn. Chi tiết nghĩa vụ của tổ chức thu thập cần tra văn bản hiện hành. Khi có tranh chấp, có thể hỏi luật sư trên AI Cố Vấn.
Nơi làm việc lắp camera nhận diện để chấm công có hợp pháp không?
Việc này liên quan tới dữ liệu cá nhân nhạy cảm nên thường đòi hỏi thông báo rõ mục đích, có sự đồng ý của người lao động và biện pháp bảo vệ dữ liệu phù hợp. Người lao động nên hỏi rõ dữ liệu được lưu ở đâu, bao lâu và ai được xem. Tình huống cụ thể cần đối chiếu quy định hiện hành.