圣母大学艾哈迈德·阿巴斯教授团队近期发布一项针对面部识别准确性的对比研究。该试验招募四千名参与者，系统评估了商业及开源算法与人类判断的差异。数据显示，当前顶尖人脸识别AI的性能已媲美人类专家，但算法决策逻辑仍属黑箱。研究指出，人机判断的一致性主要受观察者种族、识别对象种族及个人天生识别能力影响，其中天赋较高的人类与AI判定结果一致率可高出至少百分之十五。尽管人工智能优势显著，研究亦暴露出其固有缺陷。不同算法模型间存在分歧，且在训练样本不足的族裔群体中准确率大幅降低，该数据偏差源于计算机视觉领域长期的技术积累瓶颈。在司法与安防领域广泛部署的人机协同流程中，机器初筛后由人类定夺，但研究人员警示，社会常过度聚焦算法偏见，却低估了人类视觉认知的局限性与误判风险。援引新泽西州相关司法先例，学者强调在技术深度融合背景下，必须同步建立算法透明度审查与人类认知误差评估机制，以平衡技术创新与隐私、公平及司法安全之间的张力。