მთავარი წაღებები
- სახის ამოცნობის ალგორითმები უკეთესად კითხულობს სახეებს ნიღბებით.
- ახალი კვლევა აჩვენებს შეზღუდვებს, თუ როგორ შეუძლია ალგორითმს სახის ნიღბის წაკითხვა, როგორიცაა ნიღბის ფერი და ფორმა.
- ექსპერტები ამბობენ, რომ სახის ამოცნობის ინდუსტრია აქტიურად მუშაობს სახის ნიღბების ალგორითმებში ჩართვაზე.
ბევრ ინდუსტრიას სჭირდებოდა პანდემიასთან შეგუება, მათ შორის სახის ამოცნობის ინდუსტრია. ექსპერტები ამბობენ, რომ ტექნოლოგია ნელ-ნელა უკეთესდება სახის ნიღბების მქონე ადამიანების ამოცნობაში.
სტანდარტებისა და ტექნოლოგიების ეროვნული ინსტიტუტის (NIST) მიერ გამოქვეყნებული ახალი ანგარიში გვიჩვენებს COVID-19 პანდემიის დაწყების შემდეგ შექმნილი სახის ამოცნობის 65 ახალი ალგორითმის შედეგებს, ასევე 87 ალგორითმს, რომლებიც წარმოდგენილი იყო პანდემიამდე. მოხსენებამ გამოავლინა, რომ პროგრამული უზრუნველყოფის დეველოპერები უკეთესად ავითარებენ ალგორითმებს, რომლებიც ამოიცნობენ ნიღბიან სახეებს, თუნდაც ისეთივე ზუსტი, როგორც სახის ამოცნობის ჩვეულებრივი ალგორითმები.
"მიუხედავად იმისა, რომ პანდემიამდელი რამდენიმე ალგორითმი კვლავ რჩება ყველაზე ზუსტი ნიღბიანი ფოტოების ფარგლებში, ზოგიერთმა დეველოპერმა წარადგინა ალგორითმები პანდემიის შემდეგ, რომლებიც აჩვენებდნენ მნიშვნელოვნად გაუმჯობესებულ სიზუსტეს და ახლა ერთ-ერთი ყველაზე ზუსტია ჩვენს ტესტში", - ნათქვამია მოხსენებაში..
რა აღმოაჩინა კვლევამ
შესწავლა იყო მეორე ტიპის კვლევა, რომელიც ჩაატარა NIST-ის მიერ იმავე მონაცემთა ნაკრებით, რომელიც მიზნად ისახავდა სახის ამოცნობის ალგორითმების და მათი სიზუსტის ტესტირებას სახის ნიღბების თანდასწრებით. ანგარიშის ავტორებმა გამოიყენეს 6,2 მილიონი ფოტო და გამოიყენეს სხვადასხვა ციფრული ნიღბის კომბინაციების სიმულაცია ამ სურათებზე.
მეი ნგანი, მოხსენების თანაავტორი და NIST-ის კომპიუტერის მეცნიერი, განუცხადა Lifewire-ს სატელეფონო ინტერვიუში, რომ სახის ნიღბების არსებობამ არსებითად დააბრუნა სახის ამოცნობის ტექნოლოგია დაახლოებით ორი-სამი წლის წინ.
"შეცდომის კოეფიციენტი არის 2.5%-დან 5%-მდე, შედარება, ვიდრე უახლესი ტექნოლოგია იყო 2017 წელს," თქვა მან.
NIST-ის წინა მოხსენება, რომელიც გამოქვეყნდა ივლისში, უყურებდა სახის ამოცნობის ალგორითმების მუშაობას, რომლებიც წარმოდგენილი იყო 2020 წლის მარტამდე, სანამ ჯანდაცვის მსოფლიო ორგანიზაცია გამოაცხადებდა გლობალურ პანდემიას. ამ პირველმა კვლევამ აჩვენა, რომ პანდემიამდელი ალგორითმების შეცდომის მაჩვენებელი 5%-დან 50%-მდეა.
იმ შემთხვევაშიც კი, თუ ეს ალგორითმები უკეთესად კითხულობენ ნიღბიან სახეებს, უახლესმა კვლევამ აჩვენა, რომ ზოგიერთი ფაქტორი გავლენას ახდენს შეცდომის სიხშირეზე, როგორიცაა ნიღბის ფერი (მუქ ნიღბებს, როგორიცაა წითელი ან შავი, აქვს შეცდომის მაღალი მაჩვენებელი) და როგორ არის ფორმის (მრგვალი ნიღბის ფორმებს აქვთ შეცდომის დაბალი მაჩვენებელი).
Ngan-მა თქვა, რომ ალგორითმები იყენებენ სხვისი სახის ხილულ ნაწილს, როგორიცაა თვალების ირგვლივ და შუბლის მიდამოები, რათა ამოიცნონ სახის თვისებები, ვიდრე თავად ნიღაბი წაიკითხონ.
სახის ამოცნობისა და სახის ნიღბების მომავალი
Ngan-მა თქვა, რომ აშკარაა, რომ დეველოპერებმა მნიშვნელოვანი გაუმჯობესება გააკეთეს სახის ამოცნობის ალგორითმებით, როდესაც საქმე ეხება სახის ნიღბებს.
"აშკარად არის საჭირო სახის ამოცნობის სისტემები, რომ იმუშაონ სახის ნიღბების ტარების შეზღუდვის პირობებში", - თქვა მან. „იმ საქმის გათვალისწინებით, რასაც ჩვენ ვაკეთებდით და ჩვენი ბოლო კვლევის შედეგებიდან გამომდინარე, ჩვენ ვხედავთ, რომ სახის ამოცნობის ინდუსტრია აქტიურად მუშაობს სახის ნიღბების ჩართვაზე თავის ალგორითმებში.“
ვინაიდან ტექნოლოგია იხვეწება, ეს ნიშნავს, რომ უფრო ადვილი იქნება ისეთი რაღაცეების გაკეთება, როგორიცაა ჩვენი ტელეფონების განბლოკვა სახის ნიღბის ტარების დროს, მაგრამ არსებობს სხვა შედეგები, როდესაც საქმე ეხება სახის ამოცნობის ამ გზით განვითარებას.
უამრავმა კვლევამ აჩვენა, რომ სახის ამოცნობა ფართოდ გავრცელებულია არასწორი ადამიანის იდენტიფიკაციისთვის და რასობრივი მიკერძოების გამო. NIST-ის 2019 წელს ჩატარებულმა კვლევამ აჩვენა, რომ სახის ამოცნობის ტექნოლოგია არასწორ იდენტიფიცირებას ახდენს შავკანიან და აზიელ ადამიანებს 100-ჯერ უფრო ხშირად, ვიდრე თეთრკანიანებს.
მაშინაც კი, თუ ტექნოლოგია უკეთესდება სახის ნიღბების კითხვისას, შეცდომის პროცენტი - რაც არ უნდა მცირე იყოს - მაინც შეიძლება იყოს შეშფოთებული პირის არასწორ იდენტიფიკაციასთან დაკავშირებით, რომელიც ატარებს სახის ნიღაბს.
მიუხედავად იმისა, რომ NIST-ის უახლესი მოხსენება აჩვენებს, რომ ალგორითმები უკეთესდება სახის ნიღბის ამოცანის შესრულებაში, ნგანმა თქვა, რომ მხოლოდ დრო გვიჩვენებს, ნამდვილად არის თუ არა ეს ის ადგილი, სადაც სახის ამოცნობის მომავალი მიდის პანდემიის დროს.
"შესაძლოა, ველოდოთ შეცდომების შემდგომ შემცირებას, ან შესაძლოა დეველოპერებმა იპოვონ შეზღუდვები უნიკალური ინფორმაციის ოდენობაზე უნიღბოს რეგიონში," თქვა ნგანმა.
