Οι μάσκες προσώπου, αποτελούν μια από τις καλύτερες άμυνες που διαθέτουμε ενάντια στην εξάπλωση του COVID-19, αλλά η αυξανόμενη υιοθέτησή τους έχει ένα δεύτερο, παρεπόμενο αποτέλεσμα: το «σπάσιμο» αλγορίθμων αναγνώρισης προσώπου.

Η χρήση μασκών προσώπου που καλύπτουν επαρκώς το στόμα και τη μύτη, οδηγεί στην αύξηση του ποσοστού σφάλματος αναγνώρισης από τους πιο ευρέως χρησιμοποιούμενους αλγόριθμους αναγνώρισης προσώπου, με τα ποσοστά να κυμαίνονται μεταξύ 5% και 50%, σύμφωνα με μελέτη του Εθνικού Ινστιτούτου Προτύπων και Τεχνολογίας των ΗΠΑ (NIST).

«Με την άφιξη της πανδημίας, πρέπει να καταλάβουμε, πώς η τεχνολογία αναγνώρισης προσώπου έχει να αντιμετωπίσει και τα καλυμμένα πρόσωπα», δήλωσε η Μέι Νιάν, συγγραφέας της έκθεσης και επιστήμονας υπολογιστών του NIST. «Ξεκινήσαμε την έρευνα, εστιάζοντας στο πώς οι αλγόριθμοι που αναπτύχθηκαν πριν τον ερχομό της πανδημίας, επηρεάζονται δυνητικά από τα άτομα που φορούν μάσκες προσώπου. Κατά τη διάρκεια του καλοκαιριού, σχεδιάζουμε να δοκιμάσουμε την ακρίβεια των αλγορίθμων που αναπτύχθηκαν με τον παράγοντα «καλυμμένα πρόσωπα».

Οι αλγόριθμοι αναγνώρισης προσώπου, όπως αυτοί που δοκιμάστηκαν από το NIST, λειτουργούν μετρώντας τις αποστάσεις μεταξύ των χαρακτηριστικών στο πρόσωπο ενός ατόμου. Οι μάσκες μειώνουν την ακρίβεια αυτών των αλγορίθμων καταργώντας τις περισσότερες από αυτές τις δυνατότητες.

Η κατάσταση είναι ελαφρώς διαφορετική όταν χρησιμοποιείται διαφορετική τεχνολογία αναγνώρισης προσώπου (που διαθέτει για παράδειγμα το iPhone) αφού εκεί χρησιμοποιούνται αισθητήρες βάθους για επιπλέον ασφάλεια. Με τον τρόπο αυτό διασφαλίζεται ότι οι αλγόριθμοι δεν μπορούν να ξεγελαστούν αν κάποιος δείχνει στην κάμερα μια εικόνα και όχι ένα πρόσωπο (κίνδυνος που δεν συνυπολογίζεται στα σενάρια με τα οποία ασχολείται το NIST).

Συγκεκριμένα, σύμφωνα με την αναφορά του NIST, δοκιμάστηκε μόνο ένας τύπος αναγνώρισης προσώπου γνωστός ως «αντιστοίχιση one to one». Αυτή είναι η διαδικασία που χρησιμοποιείται σε περιπτώσεις όπως η διέλευση των συνόρων και ο έλεγχος διαβατηρίων, όπου ο αλγόριθμος ελέγχει αν το πρόσωπο του στόχου ταιριάζει με το εκάστοτε έγγραφο ταυτοποίησης. Αυτό είναι διαφορετικό από το είδος του συστήματος αναγνώρισης προσώπου που χρησιμοποιείται στη μαζική παρακολούθηση, όπου ένα πλήθος «σαρώνεται» με σκοπό τα πρόσωπα του πλήθους, να ταυτοποιηθούν με τα ήδη υπάρχοντα πρόσωπα μιας βάσης δεδομένων. Αυτό ονομάζεται «αντιστοίχιση one to many».

Παρόλο που η αναφορά του NIST δεν καλύπτει τα συστήματα «one to many», αυτά θεωρούνται περισσότερο επιρρεπή σε λάθη, σε σχέση με τους αλγόριθμους του συστήματος «one to one». Από αυτό συνάγεται, ότι εάν οι μάσκες προσώπου σπάνε συστήματα «one to one», είναι αρκετά πιθανό να σπάνε και τους αλγόριθμους του συστήματος «one to many» με την ίδια, αν όχι και με μεγαλύτερη συχνότητα.

Η αποτυχία των συστημάτων αναγνώρισης μπορεί να αποτελεί φυσικά ευχάριστη είδηση. Πολλοί έχουν προειδοποιήσει για τις επιπτώσεις της συγκεκριμένης τεχνολογίας στις πολιτικές ελευθερίες αλλά και για τις φυλετικές και σεξιστικές «προκαταλήψεις» αυτών των συστημάτων απέναντι σε όσους δεν είναι λευκοί άντρες.

Εν τω μεταξύ, οι εταιρείες που κατασκευάζουν τεχνολογία αναγνώρισης προσώπου, προσαρμόζονται γρήγορα σχεδιάζοντας αλγόριθμους που εντοπίζουν πρόσωπα χρησιμοποιώντας μόνο την περιοχή γύρω από τα μάτια. Ορισμένοι προμηθευτές, όπως η κορυφαία ρωσική εταιρεία NtechLab, λένε ότι οι νέοι αλγόριθμοί τους μπορούν να προσδιορίσουν άτομα ακόμα κι αν αυτά φορούν μπαλακλάβα. Ωστόσο, τέτοιοι ισχυρισμοί δεν είναι απολύτως αξιόπιστοι.

Το NIST αναφέρει ότι σκοπεύει να δοκιμάσει ειδικά διαμορφωμένους αλγόριθμους αναγνώρισης προσώπου για τους χρήστες μάσκας αργότερα αυτό το έτος, μαζί με τη διερεύνηση της αποτελεσματικότητας των συστημάτων one to many.

The verge

info-war.gr