人工智能（AI）已经广泛并且深入地介入人类的生活，其中的人脸识别技术更是渗透和应用于各个领域，比如：司法、刑侦（刑事鉴识）、电子护照及身份证、金融和保险业的自助服务、IT和网络的安全保护等。AI能介入刑事鉴识，监控录像功不可没。过去是举头三尺有神明，现在是举头三尺有监控。监控是对人和物的特征和行动的录像记录，但需要人工和AI去辨识。警方利用的人脸识别技术中既有直接人脸辨识，也有间接人脸辨识。
因为按照目前的人脸识别技术，即便有完整的正面图像，AI识别有时也会看走眼，更不用说没有头部和正面图像出现的画面，所以在很多案件的侦查过程中，还需要警方以人工方式来进行进一步的人物识别。人脸识别即人脸图像匹配与识别，是把提取到的人脸图像的特征数据与数据库中存储的特征模板进行搜索匹配，并设定一个阈值，当相似度超过这一阈值，就会确认匹配。
基于深度学习算法的AI系统可综合运用运动跟踪、人脸检测、人脸识别、大规模人脸检索等技术，借助大数据平台，实现实时视频或离线视频的动态人脸识别、分析和处理，对嫌犯和在逃人员进行筛选、锁定。当采集到的面部信息与后端数据库进行比对，并确认达到阈值后，系统就会发出警告信息。
按照这个原理，在刑事鉴识中需要AI具有非常精确的比对率，否则就有可能引起误检和漏检，而误检率和漏检率也是评判AI是否靠谱的两个重要标准。误检是把无当有，如临床上AI把一张图片上的致密影像判定为肿瘤，这种误检当然会造成误诊，而在刑事案件中的误检会冤枉和误伤好人，并且会放走真正的嫌犯。漏检则是影像中有真正的嫌疑人但未检出。
如果在监控视频的快速检索中出现了嫌疑人的影像，但被AI漏掉了，会让整个案件无解，即使有其他证据，也无法形成闭环的证据链来对嫌疑人定罪。
当然，AI的发展可以避免其短板，如对数据做某种更大范围的分布假设，但是这一方面可能造成误检，另一方面也无法保证不满足该假设的样本能被正确分类或预测。因此，AI也不可能把误检率和漏检率降到零。因此，需要AI和人工结合进行刑事鉴识。同样，在医疗、消费等其他领域，如辨别产品的真伪等，也需要两者结合。即便是有规律可循的AI人脸识别，也会犯错。
原因在于，人脸具有类似性，即便个体之间存在差异，但所有人的面部结构都相似，容易让AI误判。此外，人脸还有易变性，除了随年龄增长而出现的面部特征改变外，还可以因为脸部的各种表情而导致同一人有不同的面部特征差异，而且从不同角度观察，人脸的视觉图像也相差较大。再加上光照条件差异（如白天和夜晚，室内和室外等）、一些遮盖物（如口罩、墨镜、头发、胡须等）遮脸，人脸识别也难以准确地识别和匹配个体。
2018年美国公民自由联盟（ACLU）在一次测试中使用亚马逊的人脸识别系统Rekognition，后者将535名美国国会议员中的28人误判为罪犯，错误率达到5.2%。但是，亚马逊回应称，其软件的设计本意是辅助人类工作，造成误判的原因是ACLU在测试中使用了错误的设置，将识别阈值定为80%。
一般在警方工作中建议阈值不低于99%，阈值下调就会误检出更多的嫌疑人，反之则会漏掉一些嫌疑人，因此这不是Rekognition的错。
尽管如此，2019年5月14日，美国旧金山城市监督委员会还是以8票对1票通过一项法令，禁止城市工作人员购买和使用人脸识别技术。旧金山成为美国第一个禁用人脸识别系统的城市。后来，美国马萨诸塞州的萨默维尔市也宣布禁止当地警方和市政部门使用面部识别软件，成为美国第二个禁止使用人脸识别技术的城市。
在企业、住宅安全和消费等方面应用人脸识别，人脸识别引起了很多争议和质疑，比如，担心隐私泄漏。当人脸识别技术越来越普及时，如上班、进小区、取厕纸、点餐、结账、住酒店等都要刷脸，人脸识别的负面作用也进一步显现。清华法学院教授劳东燕在去年北京地铁要装人脸识别门禁时，就明确反对，今年她所在的小区想要推行人脸识别系统，她依然坚定抗争，并告诉大家人脸识别和隐私保护的关系。
人脸识别依赖的是每个个体的生物特征，而这些生物特征算得上是“人体密码”。与传统数字密码不同，生物特征是人无法改变的生理特征，这也意味着，人脸识别技术应用存在相应的风险。如果操作不当，或者被有心人采集、出售、应用，甚至被拿来冒名身份，不仅对个体毫无安全可言，对整个世界秩序的后果也不堪设想。
今年6月，国家新一代人工智能治理专业委员会发布《新一代人工智能治理原则》，提出对人工智能治理的框架和行动指南，呼吁发展“负责任的人工智能”，即技术的发展应该符合人类的价值观和伦理道德，避免误用，禁止滥用、恶用。