深度学习图像识别在近10年发展迅猛，在生活的方方面面服务着用户，然而，技术所带来的问题值得我们深究，本文将以卷积神经网络（CNN）的角度出发分析并研讨问题。

当程序员将模型初步搭建后，就需要训练集和测试集来对模型进行评判，以CNN为例，需要大量的图片用作数据集，而这些图片能够带来非常多的法律问题。在人脸识别中，排除部分自愿将照片贡献用于数据集的人之外，可以通过网络，甚至是当场去街上拍摄照片供模型进行训练，甚至将这些照片作为数据集共享给其他人。人们在无意之中就成为了数据流供他人随意使用。从程序员的角度来说，我们应该避免使用非法的数据集，改用网络上那些公开说明可以广泛使用的训练集。

当模型训练完正式上线又会带来层出不穷的问题。当今人脸在线识别系统被广泛应用，学校、办公楼等打卡都十分依赖，但是如果当我们只将人脸识别作为唯一的工具的话，如果模型的准确率没有那么高，就可能产生误判的结果。这就有了美国Uber事件的产生。当人工智能没有识别出用户的时候，如果也不存在什么途径可以证明用户的身份，那么用户究竟还是不是他本人呢？因此我认为需要添加多种渠道来辅助人脸识别，比如虹膜识别，或用实体卡来验证身份。归根到底，这还是识别率不高的后果，训练出更好的模型才是最有效的方法。

从伦理角度来说，人工智能是不能被滥用的。以基于CNN的面部表情识别为例，之前有新闻报导教室中摄像头加入人工智能检测学生面部表情，检查上课是否专心；或是在工位上安装摄像头检查工作时的状态。我认为这些例子中过度侵犯了个人隐私，将一个个人化为一个框，将他们的状态转化为一个数字，若是被截图发送给网络，他们的照片会不会成为别人下一个训练集中的数据呢？

人工智能是一项优秀的技术，技术本身是无对错的，技术服务于人，也取决于人对技术的态度。我认为在深度学习图像识别方面，乃至整个深度学习、机器学习，都应该在保证合法的前提下，尽可能提高效率与准确率。更值得被注意的是需要被合理的使用，来达到事半功倍的效果。