不知是从什么时候开始，国内众多银行把人脸识别技术运用到了日常服务中。银行宣称，通过采集人脸图像，并与身份证照片进行对比识别，在业务办理过程中即可实现“以貌识人”，必要时客户点点头、眨眨眼、张张嘴，便可轻松完成，无需任何其他操作步骤。
笔者的父亲已经93岁高龄，对于他来说，这可并不像银行允诺的那样“轻松”。由于某些业务银行规定必须本人到场，笔者不得不把他专程送到银行，在那个所谓的“智能”终端面前，他老人家拄着拐杖，颤颤巍巍地站在那里，由工作人员指挥着，连续眨了三次昏花的老眼，终端也无法识别。最后找到经理，总算同意去柜台窗口办理业务。
对笔者80多岁的母亲，这一人脸识别过程简直就是一场灾难了。母亲患有严重的腰疾，出门必须坐轮椅，这一次是不得不去另一家银行。机器采集图像时，由于机器距离地面有一定高度，母亲必须得从轮椅上被扶起来，半搀半抱地对准摄像头；笔者和工作人员一边一个架着，好不容易才完成了采集，等这一通折腾完，她已经气喘吁吁。
这样的人工智能到底方便了谁呢？随着数字化的普及与渗透，越来越多的地方要求使用互联网来访问关键服务，不论是银行、社保部门还是政府，这对那些没有相应设备工具、不能负担数据或Wi-Fi服务、无法或不愿使用网络的人造成很大影响。众多服务被缺省设置为“数字化”，非网络用户因此面临边缘化的风险，从而对一定人群社会生活的基本权利产生了影响，我们将此称为“数字排斥”。
用更形象化的比喻来讲，如果我们把数字化进程比作一架战车，很多人会产生一个误解：人人都会上车，只是时间早晚。其实这样想会忽略一个极其严重的问题，就是许多人根本就上不了车，而是被彻底地甩在这辆战车之外。由此，数字化社会便产生一个失落的群体——“数字弃民”。
他们是如何被抛弃的呢？数字化排斥可被分为四大类：自我排斥、财务排斥、技能排斥以及地理位置排斥。
在诸如“这东西我就是学不会”的声称中可以看到自我排斥，它与厌恶变化和新事物有关，并且认为终身学习超出了自己的能力。由于技术总是在不断变化和发展，许多人可能会感到落伍，因此停止参与数字世界。例如，老年人很可能因为觉得年纪太大了，无法也不愿开始学习。
财务排斥所显示的数字鸿沟与付费能力有关。低收入人群无法为连接的前端成本、具有上网功能的设备和上网本身的持续成本支付费用。
技能排斥是指，一个人的技能和信心是其能否有效使用互联网的前提。对于某些社会群体来说，互联网过于复杂。他们不仅缺乏基本的数字技能，而且缺乏对互联网工作原理的理解。例如，仅仅是上网填表这样一件事情可能就会困住他们。而缺乏数字技能的人又往往没有机会获得支持，以帮助他们使用技术。
地理位置也会产生排斥。在偏远地区，宽带和移动基础设施较差（或根本没有），这意味着有些农村地区的人们面临着物理服务以及在线服务的双重受限。
新冠肺炎疫情使得数字排斥问题更加凸显。因流行病而实施的社会隔离迅速增加了人们在很多领域（从食物和服务到教育和办公）的互联网依赖。这使得那些无从获得网络服务的人更加与社会隔绝，例如，在社会上大多数人都转向互联网来保持社交联系的情况下，并非所有人都拥有这个机会。
在很多人都在尽情享受数字化带来的便利的情况下，我们忘记了那些受困于数字化、甚至为此变得寸步难行的群体：因不会或不方便上网而无法购买回家火车票的农民工，不用智能手机、无法出示健康码而被公交拒之门外的乘客，被打车软件变相剥夺了打车便利的非打车软件用户，不会操作App而无法挂号和就医的患者，未作人脸识别而导致无法领取养老金的老人等……
由此可见，少数被数字化排斥的群体，其排斥源是多种多样的，包括年龄、教育、残障、收入、失业、地理位置以及文化或语言等因素。而那些已经处于社会或经济劣势的人，被数字排斥的可能性会更高。必须意识到，数字排斥实际上是社会排斥之一种。而数字排斥也不仅限于无法访问手机和上网。成为合格的数字化使用者，光解决了上网问题还远远不够，尚需要足够水平的数字素养，以便识别何时需要信息，并具有查找、评估和有效利用在线系统的能力。
从这个意义上说，数字排斥要求社会采取一系列复杂的政策应对措施，这远远超出了仅仅增加硬件提供和支持水平就可以假设任何“沟壑”都可被“弥合”的程度。如果仅有一部分社会成员可以使用信息工具，例如在线学习、电子病历和电子政务服务，那么社会将朝着不平等方向倾斜。
在缺省设置上，有关服务的数字化应采取包容性方法，而不是强制性方法。比如，如果有人不能在线履行义务或觉得过分困难，则不应被强迫在线履行。对于相当一部分人，消除数字访问的特定物理或财务障碍，就足以使他们受益于数字包容。但是，从根本上，有必要消除更广泛的社会和经济障碍，以便为增加数字包容性而设计的干预措施创造出更有利的条件。
