3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
| |||||||||||||||||||||||
雲端\物聯網\大數據
| ||
智慧傳輸技術與應用
| ||
2017年9月18日 星期一
‧ 2017\09\18\3S Market Daily 智慧產業新聞
．今年台灣監控業衰退15%！？
Amaryllo ATOM AR3S updated introduction
 |
施正偉
在我接觸的圈子，除了一位朋友，幾乎都跟我說，監控業今年衰退了。前一陣子，由一位朋友轉述，有媒體對海康威視說，今年台灣監控業衰退15%！
 |
| State of the Market: Video Surveillance 2015 | 2015-02-09 | SDM ... |
 |
| Can Netgear Become A Growth Stock? - NETGEAR, Inc. (NASDAQ:NTGR ... (Home surveillance camera) |
我問這位轉述的朋友，這數字有什麼根據？是從製造端的立場看？還是從通路端看？或是從專案市場看？抑或是整個監控的市場看？
我想向大家請教，台灣一年類比、網路攝影機各有多少裝置量？平均一個月各有多少量？網路攝影機中各解析度的分配比例又是多少？類比攝影機中「主流的」AHD、TVI、CVI各佔多少比例？720P、1080P的機種又各佔多少比例？「非主流的」類比攝影機又有多少量？
 |
| Global IR Camera Market share forecast to grow at 9.5% CAGR by 2023 | devesh billore | Pulse | LinkedIn |
再過來，一般行業與公共工程裝置量，又各佔多少比例？公共工程中，AHD、TVI、CVI的使用量有多少，高階如Speed Dome、2K、4K以上又佔有多少比例，若再以金額換算，所佔比例又是多少？
AHD、TVI、CVI的晶片模組，從台灣正式代理商取得的，比例有多少？從台灣裝配業者取得的比例有多少？從海康、大華、雄邁等引進的比例有多少？從大陸直接拉貨的比例又有多少？海康、大華一年的銷售量，佔台灣一年的銷售量比例又是多少？
這些數字如果都能完整取得，並清清楚楚的攤在陽光下，成長幾趴、衰退幾趴，就能讓人心服口服，否則光講是成長幾趴，衰退幾趴，是否有什麼意義？
最近有些朋友，想轉型走入ㄧ些利基性的影像應用市場，比方說機器人、醫療、所有相關機器視覺應用（含車載）、3D 列印應用、製程監測應用、環境監測應用……等。這些應用市場到底有多大？事實上 google 一下不難找，比要釐清上述台灣的那些數字要更容易多了。
 |
| The Future of Vision Systems is Bright | Automation World |
一個多月前，一位朋友就告訴我，他出貨給某製造領域的監測應用的攝影機，一個月少則500支，有時多則超過 1 K，已經出貨好幾個月了，預計至少可出貨到年底。我問他一支賣多少？
他語帶自豪又靦腆的說——「架五千摳娘娘！」我衝口回說：「你賺爆、賺裂啦……」這比那些396\390\380的工程商型號攝影機，根本是扣一千下來還有找五百，再多賺四千啊！！
我想巷子內的人，都看懂我在說什麼，而且看了這段不止跌破眼鏡，恐怕連目周仁都快打結。相比396\390\380的工程商型號攝影機，據說想盡辦法搭配各種戰鬥機種，甚至把八路DVR用4路價格來搭配賣，就是無法「起蹦」。
 |
| Zencam Company Presentation |
監控市場的應用需求在哪裡？有人願意花一支五千元的價格買攝影機，而且還買好幾K；但396\390\380工程商型號攝影機卻惦吱吱？「價格」在過去紅牌攝影機還沒出現的時候，這種遊戲可以說是市場的萬靈丹，但是時空背景不再！
對於工程商來說，這類396\390\380工程商型號攝影機，或許有一兩百元的成本獲利空間，但這類攝影機的Performance，或說性價比，卻沒有足以取代這一兩百元的驅動力。
而在系統整合商、工程商的立場上，不少人反應產品同質化，沒有太多價差，所以希望找到有特殊規格的產品。雖然不能說市場上沒這類產品，但許多這類產品還不夠成熟，於是拿這類396\390\380工程商型號攝影機去走網購，卻又陷入一波價格的廝殺，這才是目前監控市場存在的問題。
 |
| Thermal Imaging Market Size & Share | Global Industry Report, 2020 |
真的沒商機了嗎？實際上不是，前面所提監控與檢測應用的市場，就是一個很鮮明的例子。原本我也以為，這些監測市場，就像工業攝影機般，只是做那些電子場品的製程檢測，早就有人「點痣做記號」。
這些工業監控與檢測應用的市場，空間仍非常的大。舉例食品業的製程，對於原物料的檢測、製程中的瑕疵品控制，利用影像來監測的比例仍相當低。
再過來，我在很多的業務拜訪中，都提到國外目前許多的案例，也經常在3S Market上報導，比如智慧停車場、智慧路燈、智慧路標，甚至是相關智慧零售……等。這些都是整合性的應用市場，都能帶來很多附加價值的應用，當然就能帶來比純器材買賣，更豐厚的利潤。
 |
| Blog Commentary By Futuresource Consulting Analysts |
怎麼做才能爭取到這些商機？我在上一篇《物聯網目前面臨的市場情勢是怎樣，廠商又如去開拓屬於自己的商機？》，就提到了垂直產業鏈的深度結合，以及橫向異業的產業鏈聯合的觀點做法。而有廠商也確實這樣做，也開始得到一些成果。
至於用價格來當衝量的武器是否還管用？市場做法都沒有絕對的對錯，只能說從每個階段性的結果來驗證了。
．沃爾瑪如何利用人工智慧、物聯網和大數據提升業績？
Big Data, Big Opportunities
《福布斯》網路版日前撰文，介紹了沃爾瑪如何藉助人工智慧、物聯網和大數據三項當下流行的先進科技提升銷售業績。
以下為原文內容：
儘管沃爾瑪的歷史可以追溯到1962年，但從利用機器學習、物聯網和大數據，轉變零售模式，和客戶體驗所取得的成效來看，它卻走在行業前列。
最近幾年，這家零售巨頭領導整個行業，充分利用科技構建自己的業務，為客戶提供更好的服務。這都得益於它大量的專利申請、美國第二大線上零售商的地位，以及對零售科技和創新的大舉投資。
O2O引領創新沃爾瑪實驗室客戶體驗工程副總裁勞倫·迪塞戈(Lauren Desegur)說：「我們本質上是創造了一個橋樑，透過機器學習來加強購物體驗。我們希望確保客戶在網上和店內的體驗能夠無縫銜接。」
雖然沃爾瑪在零售行業的死對頭或許是亞馬遜，但它卻可以同時利用線上上和線下觸角——該公司既擁有1.1萬家實體店，還可以提供線上購物體驗——開發各種零售技術來提升銷量和客戶滿意度。
沃爾瑪很早就使用RFID技術追蹤庫存，而且還在矽谷設立了一個名為《8號店》(Store No. 8)的孵化器，《對創業公司進行孵化和投資，並與風險投資家和學術機構共同開發自己的專有機器人、虛擬現實和增強現實、機器學習和人工智慧技術。》
沃爾瑪最近還在店內設立了《自提塔》(Pick-up Tower)，這種尺寸為16x8英尺的自助裝置可以非常方便地放在門店入口處，以便消費者取回線上訂單。使用者還可以直接掃描線上訂單的條形碼，之後便可在45秒內看到自己購買的商品出現在傳送帶上。目前為止，使用者對這些“自提塔”的反饋非常積極，因為這比傳統的自提方式更加便利。
除此之外，沃爾瑪還希望透過「掃描購物」(Scan and Go Shopping)技術，來改進使用者體驗。藥店和貨幣服務領域的客戶，也可以使用沃爾瑪的應用來處理結賬流程，以便加速進出店面的速度。
 |
如果今後進一步發展，還可以像Amazon Go概念店一樣，利用電腦視覺、 感測器和機器學習來徹底取消收銀臺。另外，沃爾瑪已經使用機器學習，來優化配送路徑。
不喜歡排隊?沃爾瑪可以藉助臉部辨識技術尋找和評估心懷不滿的消費者，從而對其營運過程產生重要影響。藉助機器學習技術透過臉部表情，辨識排隊人群的不滿情緒，從而派遣更多收銀員前去處理結賬事宜，並最終分析消費者購物習慣的變化趨勢。
2015年，沃爾瑪還透過測試，透過這項技術來尋找和避免盜竊事件的發生。
用標籤監控產品使用狀況接下來呢?根據沃爾瑪提交的專利檔案，他們下一步似乎準備，將物聯網標籤整合到產品中，以便監控產品使用狀況，從而在必要的時候，自動替換產品，還可以監控是否過期或產品召回資訊。
這些技術將依賴藍芽、條形碼無線電和RFID等技術，而且可以為沃爾瑪提供海量資料，包括使用產品的時間，以及產品在家中存放的地點。這些資料有助於製作個性化廣告，並擴大交叉銷售機會。
如果你的冰箱裡安裝了標籤閱讀器，便可掃描裡面的所有產品，然後在需要補充或快要過期時向你發出提醒。此外，RFID系統還可以監控你購買洗衣粉的次數，並預測可能的剩餘量。這些資訊可以新增到你的購物列表中，然後幫助沃爾瑪分析使用者行為。
儘管已經提交專利，但沃爾瑪究竟會佈署哪些技術，並將其應用在所有使用者身上，目前還有待觀察。但有一件事情是確定的，沒有理由認為沃爾瑪會在短期內，會放慢機器學習、物聯網和大數據的佈署速度，畢竟這的確可以提升他們的業績，也確實可以改進使用者體驗。
．當人臉變成新的指紋，核心社會法則正被推倒重建
Part 1: New facial recognition technology takes surveillance to the next level
 |
ifanr
本文由張震、邱陸陸、項文虎 編譯 ，來源為《經濟學人》，發佈於機器之能（微信公眾號：almosthuman2017），轉載請聯繫 jqzn@jiqizhixin.com。
中國政府他們國家，將在北京市所有公租房，推廣人臉辨識技術，用以查獲保障房違規轉租現象。去年，海淀金隅翡麗小區開始推行「人臉辨識」門禁系統。截至目前，已累計查處違規轉租轉借 117 起。在中國已有多種應用的「刷臉」會成為新一代 iPhone 的螢幕解鎖手段，亞馬遜、微軟等巨頭，都在使用雲服務提供人臉辨識。
臉，是大自然的傑作。四個月大嬰兒即可辨識臉部表情，懂得非語言交際信號，比如微笑、生氣。豐富的臉部特徵也是形成複雜人類社會的關鍵。如今，科技正迅速趕上人類研讀臉孔的能力。
滲透中的臉部辨識技術
曠世公司總部大廳，攝影機眨眼功夫即可辨識出訪客。有些照片會被顯示在一面，叫做「天網」的電視牆上。某幅畫面中，一群工作人員正在電梯口等待，每個人的臉部都被一個白框鎖定，同時標有每個人的名字。曠視 CEO 印奇說：「這有助於抓住壞人。」
即使印先生想要思考這項技術所帶來的影響，他也不會有這個時間，因為曠視正在忙於構建一個視覺計算的「大腦」。2011 年成立以來，曠視一直在快速發展。目前服務全球 300,000 多家公司和個人用戶，已經成為該領域最大服務提供商之一。去年 12 月，曠視融資 1 億美元，估值近 20 億美元。這也意味著曠視成為人臉辨識領域第一家估值超過 10 億美元的獨角獸。
該領域的供應商通常銷售臉部辨識硬體和軟體，同時將這些人臉數據與其他更大的數據結合起來。儘管市場不大（樂觀估計，市場規模約在幾十億美金左右），但是，這項技術正滲透到更廣闊的商業環境中，因為臉部辨識準確性正在迅速提升，這與語音辨識類似，準確率都從百分之幾提升到近乎 100%。「大多數人都低估了 95% 的準確率和 99% 的差別——99% 意味著改變遊戲規則。」著名 AI 學者吳恩達，曾這樣評價語音辨識。
更重要的是，手機即可進行臉部辨識，就像 Echo 具有語音辨識功能。數以百萬計的中國人已經透過智慧手機上的「刷臉」功能來授權支付。
9 月 12 日，蘋果將推出新款 iPhone，外界猜測其技術可透過準確辨識用戶的臉部來解鎖，即使在光線暗淡的環境中。幾周前，三星推出的新款 Galaxy Note 也有類似功能，但沒有那麼複雜。
將臉部辨識技術分為這兩類是有意義的：底層功能與應用。曠視屬於前者，類似企業還有中國的商湯科技、俄羅斯的 NTechLab，以及亞馬遜、IBM 和微軟，他們都將人臉辨識作為一種雲服務。
客戶可以上傳一批圖片和名字，再利用這些數據訓練算法，曠視用戶即可辨識特定人群。企業也可以將這項服務，結合到自己的產品中，例如，控制線上賬戶訪問。
曠視和商湯的服務，很大程度上依賴海量的優質數據。他們可以訪問中國政府儲存的 7 億公民的圖像數據庫（每個人在 16 歲的時候都會有一張身份證照片）。實際上，政府機構也是很有價值的客戶。
數以億計的監控攝影機，也將很快地融入人臉技術。在深圳，人臉辨識可以被用來捕捉亂穿馬路的人；在北京，市政當局已經這項技術辨識公廁裡偷紙的人（這套系統還規定，每個人在 9 分鐘內只能取走 60 釐米的紙張。）
技術的商業應用，也是雲計算服務的內容之一。9 月 1 日，螞蟻金服第一次在實體店佈署「微笑支付」系統：在杭州肯德基 KPRO 綠色餐廳，顧客可以通過注視螢幕來結賬。小麥便利店也宣稱將使用臉部掃描，檢測分析店內顧客的行為。此外，幾家銀行已經允許用戶（比如招商銀行）使用臉部辨識技術在 ATM 上開戶。
如今，人臉辨識技術正變得更好、更便宜，也正在廣泛普及開來。
相比之下，西方已經遠遠落後了。儘管一些行業很早開始使用基本的臉部辨識技術，例如賭場用來趕走名聲不好的賭徒，但基本上只有大型公司（謹慎地）使用這項技術。
Facebook 發展最快。透過用戶標記的朋友照片，Facebook 算法能夠在其他的照片中，認出相同的人物。Google 利用這項技術，自動將用戶上傳的圖片進行歸類。亞馬遜雖然在發展智慧音箱，但下一代的 Echo Look 會配有一個攝影機，外界猜測它將具有人臉辨識的功能。
其他公司正在試水。捷藍航空和其他航空公司，正在尋找匹配乘客臉部與護照照片的新方案，旨在取消登機牌這一流程（百度已經和北京機場達成這一方面的合作）。
Lloyds 也不是唯一一家，準備向中國學習的西方銀行，他們都希望能夠用戶可以「刷臉」登錄賬戶。Uber 在印度要求司機在換班前自拍一張，以此減少未註冊司機頂替上崗的現象。晶片製造商英偉達，已經計劃在新的加州總部，啓用人臉辨識應用。
這也有助於提升產品銷量。例如，攝影機可以辨識忠誠顧客和 VIP 成員，為他們提供特別服務。系統還可以覺察顧客臉上不滿情緒，派出員工進行有效的干預。據稱，全球最大的零售商沃爾瑪，正在開發一套人臉辨識系統，以此改善顧客服務體驗。
意料之中的是，這項服務也大大促進了反向的產業發展。例如，以色列初創公司 D-ID 已經開發出一種軟體，工具處理後的圖像，無法被人臉辨識算法偵測，但是肉眼觀之，其與原始圖片看起來一樣。
然而，這些安全應用並不會阻止人臉辨識的大規模應用。曠視的印奇認為，臉部辨識技術會成為一種商品。這也是他把眼光放得更遠的原因。
公司的電腦視覺大腦，正邁向解決更複雜的任務，例如，解釋人類的行為和辨識特定物體。長遠來看，印奇希望他的公司能夠發展成為一家「算法工廠」，為電腦視覺服務提供各樣模組化產品。
創建臉部、治癒與希望
Graig Venter 最近一次刺激到公眾的行為，是他發佈了一項根據人們的基因數據，預測人的長相的工作。
在本週發表在《美國國家科學院院刊》(Proceedings of the National Academy of Sciences) 上的一篇論文中，Venter 博士和他的同事們，描述了這個被他們稱之為「基於表現型的基因組識別」的過程。該小組從不同年齡不同種族的 1061 名被試，進行了基因組測序。
他們還拍攝了被試者臉部的高分辨率、三維圖像，並記錄了他們眼睛和皮膚的顏色、年齡、身高和體重。這些訊息被用作「訓練集」，用來開發一種能夠根據基因，計算出人們長相的算法。
透過將這種算法應用於未知的基因組，研究小組能夠生成幾乎與真實照片相匹配的圖像，成功率 80%。(當測試僅限於單一種族的時候，成功率就降低到了不那麼的出眾的 50%，因為限定種族縮小了臉部的差異。) 大約一年前，使用同樣的算法，該公司開發了一個功能，根據母親的基因組預測她 20 歲時的樣子。結果可以與她在那個年齡的照片相比，並讓讀者自己判斷其相似性。
Venter 的預測只是基於相對較少的人群。透過機器學習技術，數據集越大，結果越好；與數以萬計的基因組結合，可以大大提高預測速度。
生物學家 Graig Venter ，是生物公司 Human Longevity 的老闆。這家位於聖地亞哥的，旨在建造世界上最大的基因組數據庫的公司。上世紀 90 年代末，Graig 宣佈，國際上透過公共資助的項目，對人類基因組進行排序的組織方法是錯誤的，他開發了一種更便宜且更快的方法。
Human Longevity 已經收集了 45,000 個基因組，其中大部分來自於，參加了與特定身體特徵相關的，臨床試驗的實驗者。該公司利用機器學習工具分析這些數據，然後根據基因序列預測身體特徵。現在這項技術已經提高到，公司根本不需要看到一個人，就能生成他的照片。
從基因組中創建照片，有很多潛在的用途，尤其是在法醫科學領域。從罪犯遺留下來的任何遺傳物質 (如血液或精液) 中，也許可以重建罪犯的臉孔。
這將讓警察在謀殺、故意傷人和強姦案件中「看到」嫌疑犯的臉孔。它還可以幫助辨識，被燒傷或致殘到無法辨認的受害者。如果仍有合適的基因樣本留下，那些塵封的懸案可能會重見天日。
人臉不僅僅能表明身份，它還顯示了許多其他資訊，同樣能由機器讀取。這也帶來了一些其他益處。
Face2Gene 是 FDNA 公司開發的智慧手機應用。FDNA 公司是由 Moti Shniberg 和 Lior Wolf ，共同創立的一家位於波士頓公司。
Shniberg 之前從開發了一個，辨識上傳至社交媒體網站的照片中的，人的標記算法，被 Facebook 收購了。FDNA 應用程序允許醫生拍攝病人的照片，並將其上傳到互聯網（連同患者的身高、體重和臨床數據），讓 Face2Gene 的算法，從其在線上數據庫中索引，生成一份可能的疾病清單。該應用可以訪問 10000 種疾病的資訊；到目前為止，臉部辨識可以預測其中 2500 種。
每種診斷都會附帶一個，反映出應用程序正確的概率。程序還列出了任何已知的，會導致該疾病的基因突變，有助於分析患者的病情。FDNA 的首席執行官 Dekel Gelbman 估計，這款應用正被 130 個國家的醫生和研究人員使用。所有的患者數據經過了匿名化和加密，以保護隱私。
有了 Venter 博士的工作，為研究人員提供的數據池越深，它就越有價值。牛津大學的 Christoffer Nellaker 已經設立一個叫「米納發和我」的網站，健康和患病人士均可上傳自己的照片，授權相應研究使用他們的圖片。另外，他也成立了一個叫做 Minerva Consortium 的網路，鼓勵人工智慧研究人員共享數據。
國立人類基因組研究院的 Maximilian Muenke 、國立兒童健康系統的 Marius Linguraru ，以及同事們正在嘗試擴大研究。他們發表了一系列使用了臉部辨識算法的研究，這些算法使用了亞洲、非洲以及拉美人口的照片數據，辨識不同基因疾病，準確率高達 90% 以上。
在許多貧窮國家，辨識基因疾病的產前測試很昂貴，人們消費不起。比如，一個患有唐氏綜合症的嬰兒，通常在產前就可以檢測出（歐洲和亞洲），但是在貧窮國家，孩子不到一歲就無法診斷出唐氏綜合症。研究人員有意開發出一款，醫生透過智慧手機即可辨識最常見症狀的應用程序，減少這類悲劇的發生。
最後的防線
這些技術也造成了威脅。首先涉及隱私。相比指紋等其他生物特徵數據，人臉的一個巨大區別，就是它們能夠遠距離起作用。人們只要有手機就可以拍下照片，供人臉辨識程序使用。這意味著公民隱私，可能遭受更大的損害。
Venter 博士指出，基因組資訊必須被視為個人資訊，即使它展現出來不過是一個無意義的字母序列。他警告說，從人們目前在網上發佈的、來自 23andMe 等 DNA 檢測服務的有限的基因數據中，就能構建一張臉孔畫像。
這反過來又增加了，人們對將基因資訊，納入公共測序工作的抗拒，儘管這樣的工作，可以幫助人類整體對抗疾病的工作。如果可以用基因組來做臉部預測，那麼人們的外表，就可以與真實的在線照片相匹配。這可能意味著人們的基因序列，以及他們所有的基因缺陷，都可以在網上與他們的身份聯繫起來。
最近，史丹佛大學 Michal Kosinski 和 Yilun Wang 所做的研究表明，機器視覺透過分析人臉，可以推斷人的性取向。人類無法從臉部判斷的內容，並不意味著機器也分析不出來。
研究基於超過 35,000 張美國交友網站上，男女的頭像圖片訓練。論文作者利用深度神經網路，從圖像中提取特徵，利用大量數據，讓電腦學會辨識人們的性取向。
研究發現，同性戀男女傾向於具有「性別非典型」特徵、表情和「打扮風格」。理論上，男同性戀趨向於女性化，而女同反之。在研究中，人們還找到了一些其他的趨勢，如同性戀男人，有比直男更窄的下巴，更長的鼻子以及更大的前額；而同性戀女性相比「直女」趨向於有更大的下巴、更小的前額。
在「辨識同性戀」任務中，人類的判斷表現要低於算法，其準確率為在男性中 61%，在女性中 54%。當軟體辨識被測試者的圖片（每人五張圖片）時，準確率則顯著不同：男性 91% 準確率，女性 83% 準確率。研究人員在論文中寫道，廣義上，這意味著「人類面孔包含了，比人類大腦可以感知和解釋的，更多的性取向資訊」。
在那些視同性戀為犯罪的國家，一個能從臉部推斷出性取向的軟體讓人恐懼。
卡內基梅隆大學的 Alessandro Acquisti 談到，他曾展示過臉部辨識和在線上資訊，可幫助獲取個人的社會安全號碼（美國發給公民、永久居民、臨時（工作）居民的一組九位數字號碼，社會安全號碼主要的目的是為了追蹤個人的賦稅資料。）對於那些不想公開這一號碼的人員來說，無疑是個壞消息。
另外，臉部辨識技術也會讓不那麼暴力的歧視，變得普遍。
比如，雇主本來就可能會根據自己的偏見，來拒絕雇用某個人，而人臉辨識也許會讓這種偏見成為常態。再比如，這類系統可能會對那些非白色皮膚的人有偏見，因為用來訓練算法的數據集裡，大部分是白人面孔，這樣的算法不太適用於其他種族。在影響法院保釋和量刑決定的自動評估工具中，已經出現過這樣的偏見。
最終，持續的臉部記錄，和用電腦數據測量真實世界的小工具，可能會改變社交互動的本質。掩飾有助於潤滑日常生活的齒輪。
如果你的伴侶能發現，每一個強壓下去的哈欠，你的老闆能覺察每一絲惱怒的表情，婚姻和工作關係都會變得更真實，但也更不和諧。社交互動的基礎可能也會改變，從基於信任的一系列承諾，變成對風險和回報的算計，這些算計則源自於電腦對人們臉部資訊的解讀。人際關係可能變得更理性，但也變得更像交易。
逃不脫的未來
至少在民主國家，立法可以幫助改變利弊之間的平衡。歐洲監管機構，已在即將頒布的數據保護法規中，嵌入了一套原則，規定包括「臉紋」在內的生物資訊，屬於其所有者，使用這些資訊需要徵得本人同意。
然而，這類規定並不能改變發展的方向。隨著可穿戴設備的普及，攝影機只會越來越普遍。從太陽鏡到化妝，試圖欺騙人臉辨識系統的種種努力已被挫敗。
劍橋大學的研究表明，人工智慧可以重建偽裝之下的臉部結構。Google 已經明確表示不會將臉部資訊和身份匹配，擔心這會被非民主政權濫用。
其他的科技公司似乎沒那麼講究。亞馬遜和微軟都在使用它們的雲服務來提供人臉辨識，這項技術也是 Facebook 計劃的核心。政府不會想放棄自己的利益。
