به گزارش سئو بوی محققان آمریکایی با بررسی عملکرد الگوریتم های شناسایی چهره مورد استفاده نهادهای دولتی در آمریکا به این نتیجه رسیده اند که آنها قادر به شناسایی دقیق همه نژادها و جنسیت ها نیستند.
به گزارش سئو بوی به نقل از انگجت، تحقیقی که در این حوزه توسط مؤسسه ملی استاندارد و فناوری آمریکا صورت گرفته نشان داده است الگوریتم های شناسایی چهره که در سخت افزارهای اسکن صورت و محصولات مختلف امنیتی به کار گرفته می شوند، در مورد برخی نژادها و جنسیت ها عملکرد ضعیف تری دارند و بعنوان مثال در مورد برخی افراد به دشواری می توانند چهره یک فرد را با عکس گذرنامه وی تطبیق دهند.
در مورد برخی جنسیت ها و نژادها این ضعف در زمان تطبیق عکس یک جنایتکار با مجموعه گسترده ای از تصاویر یک پایگاه داده رخ می دهد و سیستم های تشخیص چهره نمی توانند با استفاده از عکس دریافتی، هویت آن فرد را از راه تطبیق عکس ها در پایگاه داده بیابند.
بیشترین میزان اشتباه این الگوریتم ها زمانی رخ می دهد که افراد مورد بررسی آمریکایی های آفریقایی تبار، آسیایی ها، آمریکایی های سرخ پوست بوده اند. همینطور میزان اشتباه در مورد زنان بیشتر از مردان بوده است.
بیشترین میزان اشتباه هم در مورد آمریکایی هایی رخ داده که اصالتاً اهل قفقاز بوده اند. در مورد زنان بیشترین اشتباه مربوط به زنان آمریکایی آفریقایی تبار بوده است. از هر پنج زن آمریکایی آفریقایی تبار، تطبیق انجام شده در مورد دو نفر از آنها اشتباه بوده است.
نکته جالب این است که الگوریتم های تشخیص چهره ای که توسط شرکت های آسیایی طراحی شده اند، در زمینه تشخیص چهره افراد آسیایی تبار و اهالی قفقاز عملکرد بهتری داشته و کمتر خطا کرده اند. به نظر می آید علت این مسئله دسترسی بیشتر و متنوع تر این الگوریتم ها به تصاویر اهالی این بخش از جهان باشد.
به گزارش سئو بوی به نقل از انگجت، تحقیقی که در این حوزه توسط مؤسسه ملی استاندارد و فناوری آمریکا صورت گرفته نشان داده است الگوریتم های شناسایی چهره که در سخت افزارهای اسکن صورت و محصولات مختلف امنیتی به کار گرفته می شوند، در مورد برخی نژادها و جنسیت ها عملکرد ضعیف تری دارند و بعنوان مثال در مورد برخی افراد به دشواری می توانند چهره یک فرد را با عکس گذرنامه وی تطبیق دهند.
در مورد برخی جنسیت ها و نژادها این ضعف در زمان تطبیق عکس یک جنایتکار با مجموعه گسترده ای از تصاویر یک پایگاه داده رخ می دهد و سیستم های تشخیص چهره نمی توانند با استفاده از عکس دریافتی، هویت آن فرد را از راه تطبیق عکس ها در پایگاه داده بیابند.
بیشترین میزان اشتباه این الگوریتم ها زمانی رخ می دهد که افراد مورد بررسی آمریکایی های آفریقایی تبار، آسیایی ها، آمریکایی های سرخ پوست بوده اند. همینطور میزان اشتباه در مورد زنان بیشتر از مردان بوده است.
بیشترین میزان اشتباه هم در مورد آمریکایی هایی رخ داده که اصالتاً اهل قفقاز بوده اند. در مورد زنان بیشترین اشتباه مربوط به زنان آمریکایی آفریقایی تبار بوده است. از هر پنج زن آمریکایی آفریقایی تبار، تطبیق انجام شده در مورد دو نفر از آنها اشتباه بوده است.
نکته جالب این است که الگوریتم های تشخیص چهره ای که توسط شرکت های آسیایی طراحی شده اند، در زمینه تشخیص چهره افراد آسیایی تبار و اهالی قفقاز عملکرد بهتری داشته و کمتر خطا کرده اند. به نظر می آید علت این مسئله دسترسی بیشتر و متنوع تر این الگوریتم ها به تصاویر اهالی این بخش از جهان باشد.