Шта је технологија препознавања лица и какве нам невоље ствара?

Присутна је свуда као техника која је користи за присмотру и надзор, али и даље представља нерешено политичко, законско и морално питање. Шта је технологија препознавања лица? Технологија препознавања лица почела је нагло да се шири. Можете је пронаћи на друштвеној мрежи „Фејсбук“, кад означавате фотографије са прослава годишњица матуре, венчања и летњих забава у канцеларији. Компаније „Гугл“, „Мајкрософт“, „Епл“ и многе друге уградиле су их у апликације које омогућавају прављење албума фотографија људи који излазе заједно. Технологија се користи да би потврдила ваш идентитет на аеродромима и да бисте откључали мобилни телефон. Треба да потврдите свој идентитет да бисте подигли 1.000 фунти из банке? Нема проблема. Само погледајте у камеру.

Технологија се појављује на сваком месту у свако време. Желите да видите ко је испред улазних врата? Звоно на вратима ће вам рећи ако сте преузели фотографију лица особе која се налази на вашем кућном прагу. Остали системи се користе да би уочили особу која је нестала или да би ухватила забушанте на радном месту. Наравно, не смемо да заборавимо и оглашиваче. Захваљујући технологији препознавања лица билборди вам могу приказати огласе на основу процене вашег пола, година и расположења.

Све неодољиво подсећа на Великог Брата.

Да ли се технологија користи у надзорне сврхе?

Понекад. Рецимо, Кина користи технологију препознавања лица за расно профилисање и праћење и контролу ујгурских муслимана, што је наишло на међународну осуду. Камере прате пешаке који прелазе улице на недозвољеним местима, идентификују ученике на улазу у школу и прате да ли су пажљиви на часовима. Русија је, такође, прихватила технологију. Камере у Москви прате дешавања на улицама у потрази за сумњивим лицима, а планира се и опремање полицајаца наочарима које ће имати исте могућности.

Постоје извештаји који наводе да се у Израелу технологија користи да би се тајно пратили Палестинци који су дубоко ушли на Западну обалу. У међувремену, у Британији, Лондонска полиција и полиција Јужног Велса испробава технологију да би пронашла одређене људе међу навијачима на фудбалским и рагби утакмицама, на градским улицама, комеморацијама и музичким фестивалима.

Продавнице су увелико почеле да инсталирају технологију да би одвратиле или ухватиле лопове. Следеће године технологија ће дебитовати на Олимпијским играма у Токију.

Како је успела свуда да стигне?

Главну улогу у процесу одиграо је напредак на трима технолошким пољима: на пољу великих података, конволутивне неуронске мреже и моћне графичке процесорске јединице (GPU). Захваљујући Инстаграму, Фејсбуку, Гуглу и многим другима, на интернету се налазе милијарде фотографија људских лица које су окупљене у огромне скупове података. Сви ти скупови фотографија користе се за обучавање дубоких неуронских мрежа, окоснице савремене вештачке интелигенције, да би открила и препознала лица. Тежак и досадан рачунарски посао обавља се у графичким процесорским јединицама, која представљају супер-брза интегрисана кола чији је задатака графичка обрада. Међутим, цео процес представља много више од нове и заводљиве технологије. Посебно током последњих десет година, системи за препознавање лица почели су да се користе свуда, а подаци коју су тако прикупљени помогли су компанијама да усаврше своју технологију.

Како ради?

Прво, рачунар мора да научи шта је лице. То се може постићи обучавањем алгоритма, обично дубоке неуронске мреже, на огромном броју фотографија на којима се налазе лица. Сваки пут, алгоритму се приказује слика, да би одредио где се налази лице. У почетку је мрежа прилично неспретна и подсећа на припиту особу која покушава да магарцу прикачи реп. Пошто се поступак понови неколико пута, алгоритам напредује и коначно савлада процес уочавања лица. Та фаза се назива детекција.

За њом следи друга, која се назива препознавање. Поступак се може обавити на неколико начина, а најуобичајенији је коришћење друге неуронске мреже. У њу се убацују низови слика лица, а она, после многобројних циклуса, учи како да разликује лица. Неки алгоритми мапирају лице, мере размак између очију, носа, усана и слично. Други мапирају лице користећи много апстрактнија својства. У сваком случају, мрежа избацује вектор за свако лице, односно, низ бројева који јединствено одређују особу у скупу људи који представља базу за обучавање.

Што се тиче употребе уживо, софтвер функционише на видео-запису у реалном времену. Рачунар прегледа фрејмове видео-записа који је направљен на местима где има највише гужве, као што су улази на фудбалске стадионе. Прво проналази лица у фрејму и прави вектор за свако лице. Вектори лица се тад упоређују са векторима лица оних људи који су на попису за надзор. Свако поклапање које прође претходно постављену границу се рангира и приказује. У британским полицијским снагама, типична граница износи 60%, али може се поставити и више да би се избегли случајеви погрешног поклапања. То није једини случај у коме полиција користи технологију. Ако приведу сумњиву особу, полицајци могу да поставе њену фотографију у систем и претраже надзорне камере да би могућег починиоца пратили до места убиства.

Колико је прецизна?

Најбољи системи су задивљујући. Тестирање које је недавно обављено утврдило је да су, генерално, у раздобљу између 2014. и 2018. године, системи за препознавање лица постали 20 пута бољи у проналажењу подударања у бази података која садржи 12 милиона фотографија портрета. Стопа грешке се смањила са 4% на 0,2% у истом периоду, а све захваљујући дубокој неуронској мрежи. Сматра се да су мреже покренуле „индустријску револуцију“ у препознавању лица.

Међутим, такви задивљујући резултати постигнути су у идеалним условима, односно где се јасне и оштре слике непознате особе упоређују са исто тако квалитетним фотографијама лица у бази података. У стварном свету, слике могу да буду замућене или лоше осветљене, људи могу делимично да буду окренути од камере, могу да имају мараму преко лица или да буду много старији него на референтној фотографији. Све то утиче на прецизност.
У тестирању је откривено да технологија има великих проблема са близанцима јер их чак и најбољи алгоритми не разликују.

Шта је са дискриминацијом?

Дискриминација већ одавно оптерећује алгоритме за препознавање лица. Проблем се јавља кад се неуронске мреже обучавају на различитом броју фотографија лица у различитим групама људи. Дакле, ако се систем обучава на једном милиону фотографија које приказују мушкарце белце, али има мање жена и људи другачије боје коже, биће мање прецизан код препознавања њихових лица. Мања прецизност значи да ће бити више погрешних препознавања и потенцијално ће већи број људи бити заустављен и испитан. Рецимо, прошле године је систем за препознавање лица компаније „Амазон“ погрешно идентификовао 28 чланова конгреса као људе који су претходно били ухапшени. Међу њима је било највише црнаца и људи хиспанског порекла.

Полицијска тестирања су утврдила још неке недостатке. Систем се у Јужном Велсу блокирао и коначно пао кад је екран био препун људи, а лошије резултате је показивао кад је напољу било магловито или у касним поподневним часовима. Током 55 сати примене, систем је означио 2.900 потенцијалних поклапања од чега је погрешних било 2.755. Полиција је ухапсила 18 људи помоћу система, али не зна се колико је њих било оптужено. Проба система је показала још један изазов за систем препознавања лица, који су назвали „јагњад“. Не говоримо о малим домаћим животињама већ о особама на попису који су слични великом броју људи. Док је систем прегледао навијаче на рагби утакмици, уочио је једну жену са листе десет пута. Ниједна од уочених особа није била споменута жена.

Ко има технологију?

Технолошке фирме широм света је развијају, али Сједињене Државе, Русија, Кина, Јапан, Израел и Европа су лидери. Неке државе су је много лакше прихватиле од других. Кина има милионе камера које су повезане на софтвер за препознавање лица, а Русија се нада да ће проширити мрежу за надзор. У Европи је систем примењен у продавницама да би се уочили лопови, а у компанијама да би се надзирали запослени и посетиоци, али је њена употреба на јавним местима још у фази тестирања. У Америци, полиција користи препознавање лица да би претражила снимке надзорних камера у потрази за сумњивим особама, а не за прегледање група људи у реалном времену.

Шта каже закон?

Скоро ништа. У Британији не постоји закон који дозвољава полицији да користи систем за препознавање лица, нити влада има ставове о његовој употреби. Ситуација је хаотична јер полиција сама одлучује када и где је потребно користити технологију, као и шта се дешава са снимцима које направи камера.
Група Либерти захтева потпуну забрану коришћења технологије на јавним местима, тврдећи да нарушава приватност и приморава људе да се другачије понашају. Други проблем је листа за надзор. Иако је Виши суд, 2012. године, донео одлуку да је незаконито задржавати слике потпуно невиних људи, полиција непрестано проширује надзорну базу података од 20 милиона људи, међу којима већина никад није била осуђивана. Ипак, слике из базе података и друге које су прикупљене са друштвених мрежа, додају се листи за надзор и користе се у систему за препознавање лица. У приватном сектору, ситуација је још гора јер продавнице и компаније саме одлучују ко треба да буде на листи за надзори и деле фотографије са осталим фирмама. У Америци ситуација није ништа боља. Само пет држава има законе који се баве употребом система за препознавање лица у полицији. Док полиција у Сијетлу инсистира на коришћењу технологије, Сан Франциско је законом забранио.

Рачунарски факултет Рачунарски факултет 011-33-48-079