現代計算機視覺技術完全有能力給我們展示只有在電影中才能看到的那種技術超能力。我們可以將視頻加載到人工智能系統中，并告訴它放大低分辨率的幀，通過一點訓練和一些巧妙的算法，我們可以使它“增強”圖像進行識別。

[[399612]]

這聽起來可能沒什么大不了。但想想特斯拉在駕駛輔助功能中使用的相同技術可以用于無數目的，從癌癥檢測到統計照片中的大量物體，我們使用計算機視覺進行一切工作。這就有些可怕了。

沒有什么能阻止一個聰明的開發人員訓練人工智能系統從擊鍵或手指移動中推斷文本。這很可怕，我們稍后會解釋原因。

首先，值得一提的是，自2017年以來，計算機視覺已經取得了長足的進步，當時的人工智能仍然犯了一些簡單的錯誤，例如烏龜被識別為步槍(rifle)。

今天的計算機視覺系統可以用非常少量的數據做出令人難以置信的推斷。例如，研究人員已經證明了計算機只需基于人工智能的打字生物特征識別和心理學家開發的自動化壓力檢測系統進行敲擊分析。

研究人員甚至訓練人工智能模仿人類打字。因此，我們可以開發更好的工具來幫助我們學習拼寫、語法和其他交流技巧。簡單來講，我們正在教人工智能系統從我們的手指運動中做出大多數人做不到的推斷。

想象一下，開發能夠分析手指運動并將其解釋為文本的系統并不困難，就像唇讀器將嘴的運動轉化為文字一樣。我們還沒有見過像這樣的人工智能產品，但這并不意味著它不存在。

那么可能發生的最壞情況是什么?

現在的互聯網無處不在，“肩部沖浪”對于計算機安全是最大威脅之一。也就是說，竊取某人密碼最簡單的方法就是看著他們輸入密碼。這就是為什么大多數密碼輸入屏幕在你鍵入密碼時會隱藏密碼，但你永遠不知道誰可以看到你的屏幕。

大多數人沒有能力確定你到底按了哪個鍵，或者你在屏幕上敲了什么數字。當我們知道自己在做什么時，我們的手指移動速度驚人，而且我們的手眼協調性非常好。但是AI可以在這些微小的動作上進行訓練，而在數據充足的AI世界里幾乎什么都有可能。

從理論上來說，對于一個擁有足夠資源的開發人員來說，開發一個既可以在AI芯片上運行(比如許多旗艦智能手機上的芯片)也可以連接到基于云技術的模型應該很簡單。它將讓世界上幾乎任何人都能夠“看到”其他人在手機和鍵盤上鍵入的內容。

如果該技術被壞人利用，后果不堪設想。所以科技公司和政府必須參與其中，此類技術必須嚴格把控，讓它們用在該用的地方。