美国可能很快扫描新移民的脸、虹膜、声音和DNA

如果通过，超过70%的移民申请者的个人信息将被输入国土安全部数据库。

OneZero的General Intelligence综合了本周最重要的人工智能和面部识别新闻。

根据国土安全部提出的新规定，国土安全部正在寻求每年扫描数百万人的脸、虹膜、声音和DNA。

这些规定意味着国土安全部将收集每年约600万移民的敏感数据，如虹膜扫描、掌纹和语音记录，其中包括14岁以下的儿童。如果这些规定如期生效，超过70%的移民申请者的个人信息将被录入国土安全部数据库，这取决于他们申请的是哪种移民身份。许多人还必须额外支付85美元的生物识别处理费。

国土安全部声称，从儿童那里收集数据，特别是他们的DNA，是为了通过核实儿童与运送他们穿越美国边境的成年人之间的关系来帮助打击边境上的人口贩运。

国土安全部的规定明确表示，通过移民过程获得的生物识别数据将被保存并与执法部门共享。

这些新规定将移民置于某种形式的算法监视之下。在执法数据库中，将没有被怀疑有任何不当行为的人作为算法在刑事调查中寻找匹配的可能终点。一张上传用于面部识别匹配的劣质图像可能会基于错误的搜索而使新移民受到怀疑。

像国土安全部和联邦执法部门使用的算法也容易在种族和性别界限上存在偏见，这意味着当对象不是白人和男性时，它们更有可能提供不正确的匹配。

这些生物特征测试不仅扩大了对移民的监控-它们的成本也高得令人难以置信。国土安全部表示，这一新举措每年可能耗资高达5亿美元，其中包括近1.6亿美元的新测试成本，以及一个将DNA提交给国土安全部进行测试和存储的新系统。

这些规定在60天内开放征求意见，之后国土安全部将对其进行审查并采取行动。

语言算法正在慢慢学会多任务处理。例如，在虚拟键盘上促进自动完成的相同算法可以用于回答基于段落的问题，或者将文本翻译成另一种语言。为了测试算法不仅擅长执行一项任务，还擅长执行多项任务，研究人员为多用途语言算法创建了一组57个任务。大多数模型都不是很好，但有一个明显的突出之处：OpenAI的新GPT-3算法比竞争对手得分更高，有时比随机机会高20%。

视频游戏角色可能看起来像是人工智能：他们可以在数字世界中四处走动，完成事情，并对玩家的行动做出反应。但通常情况下，他们只是按照剧本行事。微软采访了行业内17名专门从事人工智能的游戏开发人员，以找出为什么这种情况仍然存在。其中一个挑战是，很难在不同的难度设置下创建一个有趣的人工智能算法。一名开发人员表示，为了迎合技能较低的玩家，很难将算法训练成故意射击不佳，称这会混淆训练过程。

迈克尔·J·莱昂斯(Michael J.Lyons)是一个名为Jaffe的数据集的合著者，该数据集目前用于面部识别目的。对于他的数据集被列入凯特·克劳福德(Kate Crawford)和特雷弗·帕格伦(Trevor Paglen)上演的名为“挖掘人工智能”的艺术展，他写了一篇对抗性的回应。莱昂斯指控克劳福德和帕格伦将这些图像用于商业、非研究目的，并像面部识别算法一样利用数据集中出现的人的图像。