近日，英特爾和哥但斯克工業大學通過AI成功識別人臉，并在第12屆國際人機交互會議期刊上發表了成果。在這一研究中，他們在普通可見光圖像的模型基礎上，將數據替換為熱圖像進行了再訓練。

在日常生活中，很多采用可見光圖像的設備，在特殊的隱私要求下常常采用熱成像來替代。因為熱成像能夠模糊人體特征，例如眼睛的顏色或下頜輪廓。傳統看法上，熱圖像相比RGB圖像提供的信息不夠，不足以讓AI模型識別人臉特征。

但英特爾的研究給了否定的回答，研究團隊通過機器學習對熱成像進行剪切，提取面部特征并轉換為特征向量。最后，研究團隊采用利用可見光圖像來驗證可見光模型是否匹配熱成像。結果發現，用可見光圖像訓練的模型能夠很好的泛化到熱圖像應用中，成功率高達九成以上。理論上，隔著墻就可以進行辨認。

通過溫度來進行駭入是目前黑客研究的方向之一。2015年，一個以色列團隊就成功地利用溫度來操控兩臺物理隔絕的電腦，黑客利用電腦自帶的熱傳感器（防止電腦過熱），通過操控一臺電腦的溫度升降，近距離將熱量傳播到和它隔離的另一臺電腦上。只需要溫度升高1度，兩臺原本互相隔絕的電腦，就能夠通過類似摩爾斯電碼來的溫度傳導來進行通信。

幸運的是，通過“溫度”來竊取隱私的技術要求很高，普通黑客目前無法復制。不過現如今，我們不少的家居監控裝置都可能涉及私人或敏感數據，例如關于人體健康的生物體征信息。而之前人們普遍認為，熱圖像能夠在提供有用信息的同時保證個人隱私，經過這一研究，人們恐怕要重新考慮“溫度”的安全性。