Yüz Tanıma Sistemi Nasıl Çalışır?

[™ Admin]

Yüz Tanıma Sistemi Nasıl Çalışır?

Yüz tanıma Parmak izinin yerini alabilecek tartışmalı ve neredeyse her zaman mevcut olan teknoloji

İPhone'lar ve Snapchat filtrelerinden havalimanı check-in'lerine ve akıllı kapı zillerine kadar, yüz tanıma, onu çevreleyen kaygı gibi günlük hayatımıza girdi. İki Amerikalı yetişkinden biri, genellikle bilgisi dışında bir kolluk kuvvetleri yüz tanıma veri tabanında bulunurken, yalnızca bir avuç şehir teknolojinin nasıl kullanıldığını düzenler. Ve tüketiciler, teknolojiyi sorguladıklarında bile istekli bir şekilde tercih ediyorlar: Endüstrinin 2022 yılına kadar 9.6 milyar dolara ulaşacağı tahmin ediliyor. 

Yüz tanımanın uzun geçmişi - ve yakın zamanda ki başarısızlıklar

Yüz tanımanın kamu bilincine ani patlaması, hava durumu kadar durdurulamaz bir güç gibi görünmesine neden olabilir, ancak teknoloji hiçbir yerden çıkmadı. İlk yüz tanıma teknolojisi Fransız polis memuru Alphonse Bertillon tarafından bir asırdan fazla bir süre önce tartışıldı. 1800'lerin sonlarında Bertillon, suçluları fiziksel özelliklerine göre tanımlamak için bir yöntem geliştirdi. Her bir kişiye atanan endeks kartları 11 fiziksel ölçüm artı standart fotoğraf portreleri ve bir “sözel portre” içeriyordu. Bu erken biyometrik sistem vücudun bilgiye girmesini sağladı; geç eleştirmen Allan Sekula, “bedenin işaretlerinin metne dönüştürülmesiydi” diye yazdı. Teorik olarak, bu metin insanları insan hatasına daha az eğilimli tanımlama sürecini yaptı. Bertillon’un sistemi Fransa'da yaygın olarak kullanılmaya başlandı ve yakında ABD'ye yayıldı ve yerini daha hızlı ve daha güvenilir bir cetvel olana kadar kısa bir popülerlik kazandı: parmak izi.

Şimdi, insan yüzü Bertillon'un hayal bile edemeyeceği bir ölçekte kataloglanıyor. Georgetown Yasası'nın Gizlilik ve Teknoloji Merkezi tarafından yayınlanan bir rapor, kolluk kuvvetlerinin yüz tanıma teknolojisinin 117 milyondan fazla Amerikalı yetişkini etkilediğini tahmin ediyor. İç Güvenlik Bakanlığı, dört yıl içinde, giden uluslararası uçuşlarda tüm yolcuların yüzde 97'sini taramayı hedefliyor. 2017'den beri Facebook, fotoğraflardaki insanları etiketlemek için yüz tanıma kullandı ve her ay, bir Rus veri madenciliği operasyonu için bir bal kabı olabilecek veya olmayabilecek başka bir aptal fotoğraf filtresi uygulaması viral oluyor.

Yüz tanıma kullanımı neden şimdi bu kadar sık kullanılan bir sorun haline geldi? En açık cevap, Amazon'un yüz tanıma yazılım planını tercih ederseniz, teknolojinin yaygın olarak erişilebilir hale geldiği, 40 sent kadar düşük bir fiyata satın alınabileceği noktaya kadar iyileştirildiği, aerodinamik hale getirildiği ve ticarileştirildiği yönündedir. 1960'larda geliştirilen en eski otomatik yüz tanıma sistemleri, insan operatörlerin Bertillon’un ilk sisteminden farklı olarak bir bilgisayarın öğrenmesi için yüz özelliklerine manuel olarak girmesini gerektiriyordu. Bilgisayar bilimcileri artık bilgisayarlara yüzleri tanımayı öğretmeyi öğretebilirler.

9/11 saldırıları otomatik yüz tanıma için bir tür büyük patlama anıydı. Maine, Portland'daki havaalanı güvenliğinden geçen korsanlardan iki tanesinin Mohamed Atta ve Abdulaziz al-Omari'nin rezil gözetim kamera görüntüleri, birçok kişiye yüz tanımanın onları tanımlayabileceğini ve saldırıyı önleyebileceğini öne sürdü. Senato, Kasım 2001'de Dianne Feinstein'ın “bu kameralar yüz biyometrik sistemlerini kullanmadığı için güvenlik uyarılmadığı ve korsanların kanlı planlarını yapma konusunda serbest kaldıklarını” iddia ettikleri biyometri üzerinde bir duruşma düzenledi. erken yüz tanıma öncüsü olan Visionics için yüzde 300'den fazla yükseldi.

ABD'yi yabancı teröristlerden korumaya yönelik diğer çabalar gibi, yüz tanıma teknolojisinin de beklenmedik sonuçları oldu. Tampa, Florida'daki siviller üzerine yüz tanıma ilk gerçek zamanlı kolluk uygulamasını geliştiren Visionics, kameraları kentin her tarafına olağanüstü varantlarla suçlu bulma umuduyla yerleştirdi. FBI ve Gümrük ve Sınır Koruması gibi ajanslar teknolojiyi benimsediğinden, insanları tanımlamak için insan yanlılığını azaltacağının garantisi olmadığı anlaşılıyor. Teknolojinin sosyal etkilerini inceleyen Joy Buolamwini, yapay zeka araştırmalarındaki keskin çeşitlilik eksikliğinin bir sonucu olduğunu öne sürdüğü için yüz algoritmalarının siyah yüzleri yanlış tanımlama eğilimi konusunda farkındalığı artırıyor. Sonra bu teknolojilere kimin maruz kaldığı konusu var. Yüzde 80'i siyah olan Detroit, bazıları yüz tanıma teknolojisine sahip olan yüzlerce kameradan oluşan bir sistem kurduğunda, birçok sakin, siyah Amerikalıların uzun vadede adında benzersiz bir gözetime maruz kaldıklarında yeni bir bölüm olarak gördü. kamu güvenliği.

Üç şehir, otoriteler tarafından yüz tanıma teknolojisinin kullanımını yasakladı ve daha pek çoğu da aynısını yapmak için mevzuat düşünüyor. Detroit’in sistemi güçlü protestolarla karşılandı. Kupalar ve sürücü belgelerinin yetkililer tarafından rutin olarak aranması, sivil özgürlük grupları tarafından “sürekli bir kadro” olarak değerlendirildi. Çin'in Uygur azınlığını bastırmak için yüz tanıma teknolojisini kullanma konusundaki incelemeleri, ABD'de benzer bir şeyin olabileceğinden korkma Belki de yüz tanıma, tekno-şüpheci anımızda sembolik bir son saman haline geldi. Yine de metrikler, gittikçe artan sayıda insanın, teknolojik rahatlığın cazibesine direnmeye istekli veya belki de sadece isteksiz olduğunu söylüyor.

Bir bilgisayar bir yüzü tanımayı nasıl öğrenir

1994 yılında, Dr. Joseph Atick, New York'taki Rockefeller Üniversitesi'ndeki ofisine takıldı. Bilgisayarların bir gün biyolojik bilgiyi - bir yüz, özellikle de - insan beyninin görsel bilgileri işleme biçimi gibi işleyebileceğini ve bunun gerçekleşmesi için kod yazma ekibiyle uzun geceler geçirdiğini teorize etmişti. “Uzun bir başarısızlık gününden sonra sabah 4 gibi bir şeydi. Sadece işleri düzeltiyorduk, sonra derlemek için bilgisayara gönderiyoruz ”diyor Atick. Bacaklarını germek ve tuvaleti kullanmak için takım arkadaşlarıyla ofisten ayrıldı. Odaya geri döndüklerinde, bilgisayar teneke gibi sesiyle onları adlarıyla selamladı. "Bu belirleyici bir andı," diyor Atick. Her ne kadar Atick’in yazılımı onu tanıdığından beri teknoloji 25 yıl daha gelişmiş olsa da, temel ilkeler aynı. Dünyanın en büyük biyometrik teknoloji sağlayıcılarından biri olan NEC Corporation of America'dan Atick ve Benji Hutchinson, bize bir bilgisayar yüz tanıma öğretmek için gerekenleri gösteriyor.

1. “Bir yüz, insanlar olarak tanıdığımız en önemli modeldir” diyor Stick. “Annelerimiz, kardeşlerimiz.” Ama bir yazılım bu görüntüyü henüz bir kişi olarak görmüyor.

2. Eğitimsiz bir yazılım için, bir yüz görüntüsü sadece bir demet pikseldir, bu daha sonra her noktada ışığın ve gölgenin yoğunluğunu ve yönünü temsil eden bir dizi sayısal değere dönüştürülür. Oradan, yüz özelliklerine karşılık gelen desenleri tanımaya başlayabilir: bir göz yuvası, bir çene çizgisi veya bir burun.

3. Eşsiz bir yüzün nasıl tanımlanacağını öğrenmek için yazılım, genellikle 68 tanesinden belirli bir yer işaretine bakmak üzere eğitilir. Bu veri noktalarının düşmesi her insan için benzersizdir, tıpkı bir parmak izi gibi - araştırmacılar ve bilim adamları buna “yüz izi” diyorlar. Cilt dokusunu haritalayan ve kataloglayan Yüzey Dokusu Analizi gibi diğer tanımlama yöntemleri, çizgileri tanımlamak için benzer bir süreci izler, gözenekler veya kırışıklıklar.

4. Şimdiye kadar, yazılım bir yüzü tanıyabilir, ancak sadece kişi doğrudan kameraya baktığında. Ya kişi kafasını çevirirse? Ya aşağı bakıyorsa? Yazılım, açılı açılı yüzün "dönüm noktası" verilerini alıp ölçeklendirip döndürerek farklı yönlere sahip yüzlerin görüntülerini ayarlamayı öğrenebilir.

5. Atick ve meslektaşları yüz tanıma algoritmalarını elle yazarlardı. Bugün, süreç makine öğrenimi tarafından yönlendiriliyor, ancak “insanlar hala dahil oluyor” diyor Hutchinson. “Laboratuvar teknisyenleri daha fazla görüntü besleyerek teknolojiyi daha doğru hale getiriyorlar.” Özel şirketler artık doğruluklarının nasıl ya da böyle bir şekilde çarpabileceği konusunda çok fazla anlayışa sahip olmadan kendi yüz tanıma sistemlerini oluşturabilirler.

6. Yazılım sadece eğitim verileri kadar güçlüdür. "Gördükleri tek şey belirli bir insan sınıfı ise," örnek dışı "sınıfında hata yaparlar," diyor Atick. Birçok yüz tanıma sistemi, büyük ölçüde beyaz ve erkek olan veri kümeleri üzerinde eğitim almıştır. Hutchinson, “Bazı demografik verilerde Ar-Ge'ye çok fazla yatırım yapmadığımız diğerlerinden daha düşük hata oranları görüyoruz” diyor.

Kolluk kuvvetleri neden teknolojiye daha bağımlı hale geliyor?

İki yıl önce, Arapahoe County Şerif’in Bürosu müfettişi Jim Hills sabah çalışma rutinini değiştirdi. Bilgisayarını sabah 6'da açıp Denver, Colorado, metro bölgesindeki büyük kutu mağazalarından e-posta patlamaları bulurdu - mağazanın güvenlik kamera görüntülerinden şüphelinin ekran kapısıyla birlikte yüksek hacimli hırsızlıkları detaylandıran suç bültenleri . Hills hızlıca bakacaktı, ancak bireyi çerçevede tanımadıkça, yapabileceği çok şey yoktu. Silin. Ancak 2018'in başlarında, departman yeni bir yüz tanıma yazılımı kullanmıştır. Şimdi, Arapahoe County sınırlarının ötesindeki mağazalardan sorumlu yöneticiler, genellikle doğrudan Hills'e ulaşıyor.

Yüz tanıma yazılımı, New York Polis Departmanı ve FBI dahil olmak üzere ülke çapında yerel ve federal kolluk kuvvetleri tarafından yaygın olarak kullanılmaktadır. Ancak teknolojinin doğruluğu ve gizlilik ve kötüye kullanıma yatkınlıkla ilgili sorular hakkındaki endişeler, bir düzineden fazla eyalet ve şehir yasama organının yazılımın kullanımını çeşitli derecelerde yasaklamasına neden oldu. Şu anda Colorado'da böyle bir yasa yok ve Denver'ın güneydoğusunda ağırlıklı olarak beyaz bir banliyösü kapsayan 790 kişilik bir ajans olan Arapahoe County Şerif Ofisi, departman çapında kullanım teknolojisini onayladı. Ofis, oto hırsızlığından saldırı gibi daha şiddetli suçlara kadar her şeye uyguluyor.

Arapahoe County programının kökenleri on yıldan fazladır. O zamanlar şerif ofisi, Colorado kolluk kuvvetleri arasında ilk başta yüz tanıma ile hiçbir ilgisi olmayan bir grup olan bir bilgi paylaşım konsorsiyumunun kurucu üyesiydi. Fikir, dedektiflerin diğer departmanlardan faydalı bilgiler bulmasını kolaylaştırmak için tutuklama kayıtları, kupa atışları ve diğer soruşturma belgeleri gibi merkezi bir veritabanı oluşturmaktı. Soruşturma birimini denetleyen Yüzbaşı Jared Rowlison, “Orada suç işleyen kişiler yargı ve sınırları umursamıyorlar” diyor. Geçen yıl, konsorsiyum veritabanını koruyan Lumen şirketi, yeni yüz tanıma yazılımını test etmek için şerif ofisine yaklaştı. Araştırmacı Hills, sürükle bırak fotoğraf arama özelliğine sahip ve maçın kalitesine göre sonuçların bir listesini üreten programın nasıl kullanılacağını öğrenmek için bir eğitime katıldı. O ilk gün, Hills'in bunu test etmek için bir vakası vardı - Planet Fitness spor salonunun otoparkından çalıntı bir araba. Spor salonu olası bir şüphelinin kaliteli güvenlik görüntülerini yakalamıştı; Hills, adamın ekran kapısını Lumen programına bağladı. Yüksek olasılıklı isabetler listesi, yakın zamanda Colorado'nun başka bir yerinde tutuklanan birisinin rezervasyon fotoğrafını içeriyordu. Hills departmanı çağırdı; ortaya çıktı, sadece bu ajans hala gözaltında adam değil, aynı zamanda Hills'in aradığı çalıntı arabada buldular. Hey, bu oldukça yasal, diye düşündü Hills.

O zamandan beri Hills, şerif ofisinde programın en iyi kullanıcılarından biri haline geldi. Hızlı bir şekilde, "hırsızlık hırsızlığı" denilen satışlar için iyi çalıştığını fark etti. bu davaları özetleyen suç bültenleri için sabah e-postası. Hills, yüz tanıma özelliğini kullanmaya başladığından beri 50'ye yakın kişinin çözülmesine yardımcı olduğunu tahmin etti. Başka bir vakada, Denver bölgesindeki Costco mağazalarında dolandırıcı gezgin çekleri 5.000 ila 20.000 dolar arasında para ödemiş olan bir erkek ve kadın vardı. Çift, sahte isimler kullanarak zincirde üyelikler açmıştı, ancak kimlik fotoğrafları gerçekti ve Hills görüntüleri yüz tanıma veritabanına taktı. Bir yönetici isabetlerden birini belirledi ve ücretler beklemede.

Hills'in bir meslektaşı olan araştırmacı Tara Young, geçen yıl programın soğumuş bir durumda çalıştığı durumlarda faydalı olup olmayacağı konusunda ona yaklaştı. Tuvalete gitmek için kalktığında cüzdanını kimin çaldığını neredeyse bilmediği biriyle randevuya giden bir kadın vardı. Polis, plakasını çalıştırma seçeneğine sahip değildi, çünkü otopark güvenlik görüntüleri çöptü. Bütün kadınlar onun ilk adı olduğunu biliyordu. Ama cep telefonunda yüzünün oldukça iyi bir resmi vardı. Young, görüntüyü yüz tanıma veritabanında çalıştırdı ve eminim bir hit aldı. Bir fotoğraf dizisi hazırladı ve kadın hemen adamı seçti. Hills, “İyi bir davaya sahip olmaktan, ancak devam etmek için yeterli bilgiye sahip olmaktan daha kötü bir şey yok” diyor Hills.

Rowlison yüz tanıma teknolojisi ve önyargıları ile ilgili endişelerin farkındadır. Departman, soruşturma sırasında toplanan fotoğrafları, FBI ve ICE gibi bazı şerif ofislerinden ve ehliyet fotoğraflarını veritabanlarına dahil eden federal ajansların aksine bir kupa çekimi veritabanıyla karşılaştırır. Şerif ofisi, sistemin sonuçları ne kadar güvenirse kullansın, tek bir isabetle tutuklama emri yazmaz. Rowlison, olası nedenin eşiğini karşılamak için daha fazla tanımlamaya ihtiyaç olduğunu söylüyor. “Bunun sadece bir soruşturmaya bir bulmacanın bir parçasını eklemeye yardımcı olacak bir araç olduğuna inanıyoruz.”

CEO, kamp danışmanı, lise yöneticisi ve radyolog, neden yüz tanımayı benimsediklerine dair

Pop Miller ve Cali Group CEO'su Jon Miller, CaliBurger adlı uluslararası bir burger restoranı zinciri işletiyor

Yaklaşık dört yıl önce burger restoranlarımıza kiosk koymaya başladık. Amaç, işgücü maliyetlerini azaltmak ve geliri artırmaktı - insanların kiosklara bir insanın siparişini aldığından daha fazla para harcadığını gösteren çok fazla veri var. Bir teori, insanların bir köşkte ekstra domuz pastırması veya bir çift burger sipariş etmesinin tuhaf olmamasıdır, çünkü çok fazla yemek siparişi ile ilişkili suçluluk olan bir kişiyle konuşmuyorlar. Ancak kioskları koyduğumuzda, sipariş süreleri 30 saniyeden bir dakikaya yükseldi ve bu da operasyonel sorunlar yarattı. Sahip olduğumuz en iyi fikir şuydu: Köşkün üzerine bir kamera yerleştireceğiz ve yüz tanıma kullanacağız, böylece bir kişi kiosk'a yürüdüğünde, geçmiş emirlerini görebilir ve aynı şeyi tekrar sipariş edebilirler. Domates ve marul olmadan özelleştirme sürecinden geçmek zorunda değiller. Sonra, insanların yüzlerini kullanarak ödeme yapabilmeleri için bir ödeme sistemi ekledik.

Temel olarak, kiosk'a ilk geldiğinizde, siparişinizi verir ve kredi kartınızı kaydırırsınız. Sonra sistem “Sizi hatırlamamızı ister misiniz?” Diye sorar. Kabul ederseniz, fotoğrafınızı çekeriz, adınızı ve telefon numaranızı isteriz, hepsi bu. İnsanların yüz tanımaya nasıl yanıt vereceğinden emin değildik, ancak yüzlerin ödeme için tüketici kabulü şaşırtıcı derecede yüksekti ve bence Apple’ın Face ID'sinin bununla çok ilgisi var. Kiosk ile etkileşime giren insanların yaklaşık yarısı yüz tanıma özelliğini kullanmak istiyor ve giriş yapmak için yüz tanıma özelliğini kullananların yüzde 80'i ödeme yapmak için yüzlerini kullanıyor. Her şey, rızası olmadan birisine biyometrik analiz yapamayacağınızı söyleyen tüm bu yasalara uygun olacak şekilde tasarlanmıştır. Kiosk'a doğru yürüdüğünüzde, yüzünüzü keseriz, böylece arkanızdaki hiç kimse yüz tanıma analizine tabi olmaz - kameraya en yakın yüzü seçmek için bir formül var. Sonra biyometriyi yüzünüzde yaparız ve geçmiş düzeninizi çekeriz. Ödeme yaptığınızda, kredi kartınızın kimliğini doğrulayabilmemiz için biyometriyi yine orada durduğunuzdan emin olmak için tekrar yapıyoruz. Kiosklarımız aslında işçilik maliyetlerini azaltmıyor - personelimizi yeniden konuşlandırıyoruz, böylece insanların emirlerini almak yerine misafirlerle etkileşime girebiliyorlar.

Carly Crowley, açık hava eğitim koordinatörü, Prescott, Arizona'daki Prescott Pines Kampı

Kamp danışmanı olarak çalışmaya başladığımda işler kesinlikle değişti. Yıllar boyunca, ebeveynlerin daha kişiselleştirilmiş bir deneyim yaşamak istediklerini gördüm, burada çocuklarına bir göz atmak için bir fotoğraf albümü aramak yerine, çocuklarının fotoğraflarını doğrudan onlara gönderen programlara veya bir sisteme sahipler. Waldo Photos, yüz tanıma uygulaması, bunu bizim için yapıyor. Burada sadece kameraların önünde olmak istemeyen kampçılarımız var. Bu yüzden fotoğrafçı “Ailen bu programa kaydoldu” gibi olmalı ve sonra “Ah, tamam” gibidirler. Daha büyük çocuklarla bir tür “Agh, annem kaydoldu. Bunun için mi ?! ”Ama küçük çocuklar tıpkı“ Hey! Resmimi çek! ”Kameranın önünde olmayı seviyorlar. Daha yaşlı olanlardan bazılarıyla müzakere ediyoruz ve “Tamam, bugün gülümseyen ve eğlenmek için en az üç fotoğrafa ihtiyacım var” diyoruz.

Waldo'yu kullanmaya başladığımızda, ebeveynler çocuklarını soran kadar telefon etmedi veya e-posta göndermedi. Bizimle iletişime geçtikleri tek zaman çocuklarının fotoğrafta mutsuz görünmesiydi. Çocuklarının eğlendiğinden emin olmak için çağırıyorlar. Bu olduğunda, kasten dışarı çıkıp çocuklarının bazı fotoğraflarını gülümseyerek çekerdik. Bazı fotoğrafların bağlamını açıklamak zor: Belki de sadece gülümsemiyorlardı, ama onlarla konuştuysanız harika vakit geçiriyorlardı.

Mike Matranga, güvenlik ve okul güvenliği genel müdürü, Texas City, Texas Texas City Bağımsız Okul Bölgesi

2018'de Santa Fe Lisesi'nde çekim yaptıktan sonra, amirimizden bir telefon aldım. “Eğitimciler olarak sizin gibi adamların verdiklerine karar vermemeliyiz” dedi. 2020 ve hala 20 veya 30 yıl önce kullandığımız taktik ve teknikleri kullanmaya çalışıyoruz ve bu sadece yanlış yöntem.

Öğrenciler okula kaydolduklarında, bilgilerini ebeveynlerinin iletişim bilgileri, adresleri, sağlıkla ilgili hususları ve fotoğraflarını içeren bir veri tabanına giriyoruz. Öğrencileri veri tabanına yalnızca veri tabanında olmamız için bir neden varsa, örneğin bir öğrenci alternatif bir okula atandıysa veya askıya alınmışsa veya yerel yasa uygulama bizi uyarırsa koyduğumuzu belirtmek önemlidir. Ayrıca okulun belirli bir bölgesindeki seks suçlularını ve ilçenin en çok arananlarını da dahil ediyoruz. Bilgiler, ilçe web sitesi gibi açık kaynaklardan gelir.

Birkaç ay önce, anonim raporlama uygulamamızdan bir ipucu aldık. Kampüsteki banyolarımızdan birinde silah tutan bir öğrencinin Snapchat fotoğrafı vardı. Öğrenciyi belirledik ve ertesi gün girerken ön kapıda onunla tanıştık. Öğrencinin yanında silahı yoktu ama silahı olduğunu ve onun olmadığını söyledi. Silahın sahibi olan öğrenci yoktu. Ertesi gün okula geri dönebileceğini biliyorduk, bu yüzden yüz tanıma yazılımını kameralarımıza sığdırmak için dışarıya taşıdık. Öğrenci okula yaklaştıkça, öğrenciyi hemen tanımlayan tüm idari personele ve kampüsteki milletvekillerimize bir mesaj gönderdi. Olay yerinde tutuklandı.

Teknolojiyi ilk kez kullandığımızda geçen yıl mezun olduk. Bu cesur bir ifade olabilir, ancak eminim ki ülkedeki en güvenli mezuniyet törenimiz vardı. Üç farklı kapıya yerleştirilmiş bir kamera sistemimiz vardı. Alternatif bir okula atandı ve içeri girmeye çalışan ders dışı etkinliklere katılmalarına izin verilmeyen bir öğrencimiz vardı ve hiçbir olay olmadan ona eşlik edebildik.

Amy Horner, Colorado'daki Centura Health için Radyasyon Onkolojisi ve Parker Adventist Hastanesi direktörü

Sağlık hizmetleriyle, özellikle hastane ortamında tıbbi hatalar büyük bir odak noktasıdır. Diyelim ki tedavi için bekleyen hastalarla dolu bir odamız var ve iki tane Bayan Smith var ve ikisi de meme kanseri hastası. İki adımlı doğrulama, personelimiz için çok rutin, bu yüzden o gün dikkatlerini dağıttıklarını ve doğru doğum gününü alamadıklarını varsayalım. Ortadan kaldırmak istediğimiz bu tür insan hataları. Bir hastaya radyasyon verildiğinde, onu geri almak oldukça zordur.

Bu teknolojiyi FDA onayından önce beta test ettik ve kullandığımızdan bu yana bir yıldan fazla bir süre geçti. Şimdi, CT taramaları için geldikleri ilk gün, tüm tedavi bilgilerini alıyor ve fotoğraflarını bir iPad'de alıyoruz. O günden itibaren her şey o fotoğrafla bağlantılı. Radyasyon tedavisi için geldiklerinde, kameranın önünde dururlar ve yüzlerini tararlar, daha sonra program kimliklerini doğrular ve hatta teknisyene tedavi sırasında hangi aksesuarlara ihtiyaç duyacaklarını söyler.

Hastalar buna bayılıyor. Doğrulandıkça konuşmaları devam ettirebilirler - “Ah hey, hafta sonun nasıldı?” “Harikaydı!” - ve hiçbir ritmi kaçırmayın.

Yüz tanımayı düzenleyen az sayıda yasa vardır. Bu yakında değişebilir.

Mayıs ayında, şehir amiri Aaron Peskin, San Francisco'yu ABD'de kolluk kuvvetleri ve diğer ajanslar tarafından yüz tanıma kullanımını yasaklayan ilk şehir yapan bir yasa tasarısı sundu. Haziran ayında, Somerville'in Boston banliyösünde benzer bir yasağı uygulayan ikinci, daha sonra üçüncüsü Oakland, her biri teknolojinin sivil hakları tehlikeye sokma eğilimini büyük bir endişe olarak gösterdi. Kaliforniya da dahil olmak üzere üç eyalet polisin vücut kameralarında kullanılmasını engelliyor. Şimdi, ülke çapında şehirlerde ve eyaletlerde bir düzineden fazla yasak var.

2018'de, teknolojinin yanıltıcılığını kanıtlamak için, Amerikan Sivil Özgürlükler Birliği, Ev ve Senato'nun her oturma üyesini yüzlerini 25.000 halka açık kupa çekimi ile karşılaştırarak Amazon'un Rekognition yazılımı aracılığıyla koydu. Yirmi sekizi, bazı milletvekillerini eyleme geçiren sahte pozitiflerle geri döndü. Henüz hiçbir federal düzenleme yapılmamasına rağmen, yüz tanımanın kullanımını ele alan on fatura - koridorun her iki tarafı tarafından da dikkate alınmaktadır.

Kaliforniya’nın 34. Kongre Bölgesi Temsilcisi Jimmy Gomez

Amazon Rekognition yazılımı tarafından yanlış tanımlanmış 28 kongreden biriydim. Şaşırmadım. Bir polis memuru tarafından kontrol altına alındığımda daha dikkatli olmam gerektiğini biliyorum. Ama iki veya üç işte çalışanlar için beni ilgilendiriyor, çekildiklerinde caddede araba sürüyorlar çünkü bazı kupa atışlarıyla eşleşiyorlar. İşlerini özlüyorlar, arabaları çekiliyor, su tutma ücretini ödeyecek paraları yok.

Hükümetin politikaları ve mevzuatı uygulamamasının bir nedeni, teknolojinin bu kadar hızlı ilerlemesidir. Cumhuriyetçiler ve Demokratlar, çoğu zaman hükümetin insanların yaşamlarına katılmasını istediğimiz yere katılmıyoruz. Cumhuriyetçiler bu teknolojinin muhafazakar göstericilere veya Amerikan vatandaşlarının kitlesel gözetimine karşı nasıl kullanıldığı konusunda endişeli. Demokratlar da bundan endişe duyuyorlar, ancak daha çok renk insanlarına orantısız olarak kullanıldığı gerçeği hakkında.

Matthew Feeney, Cato Enstitüsü, Gelişen Teknolojiler Projesi Direktörü

Birçok insan “Peki, bak, yanlış bir şey yapmıyorsan, sorun nedir?” Diyecektir. Endişeleniyorum, insanların yasal faaliyetlerde bulunmamaları gerektiğini düşünen bir tür gözlemci etkisi olacak çünkü bir çeşit yüz tanıma sistemi ile aranabileceklerini biliyorlar. Bu ciddi bir endişe kaynağı ve sadece protestolar veya dini azınlıklar için geçerli değil. Kürtaj kliniğine gidenler, silah kulüplerine gidenler için geçerlidir.

Yüz tanıma bir teknolojidir ve teknoloji tanım gereği iyi veya kötü değildir. Ben sivil bir liberterim, ama yüz tanıma konusunda rahat olabileceğim bir dünya bile görebiliyorum: Yasalara uyan vatandaşlar veritabanlarından itilmeli, aranabilir tek kişi şiddet suçları için olağanüstü emirleri olanlar olmalı - değil ülkedeki tek bir kolluk kuvveti bu koşulları yerine getirmeye yaklaşıyor.

Bütün bunlar nereye gidiyor? Potansiyel geleceğimize bir bakış

2017'de Çin'deki araştırmacılar, yüz tanıma teknolojisi için 900'den fazla patent başvurdu, ABD'deki sayının yaklaşık on katı. 200 milyon güvenlik kamerasıyla dolu bir ülkede ve hükümetin özel sektörün yapay zeka - teknoloji uzmanları, yüz tanımayı toplumun her alanına dahil etmenin yollarını önerdiler. Çin’in teknoloji sektörü fikirlerini ve yatırım dolarlarını tüm dünyaya yaymaya devam ettikçe, bu araçlar risklerle birlikte geliyor. Burada, teknoloji ve politika üzerine üç uzman bu uygulamaların çalışma, alışveriş yapma ve hatta öğrenme şeklimizi nasıl etkileyebileceğini hayal ediyor.

Patent CN109255739A

Bir sınıftaki öğrencilerin yüz ifadelerini ve hareketlerini toplayan ve analiz eden ve algıladığı davranışı “iyi” veya “kötü” olarak sınıflandıran bir teknoloji. Bu çeşitli davranışları ağırlıklandırdıktan sonra algoritma, her sınıfın toplam “öğrenme verimliliğini” hesaplayacaktır. .

Son 20 yılda, bilgisayar bilimlerinde öğrenmenin gerçekleştiğini gösterebilecek belirli yüz ifadelerini aramaya çalışan bir sürü araştırma yapıldı. Bir çalışma, ağzın kırışmasının veya kaşın çatlamasının öğrenme ile ilişkili olduğunu savunuyor. Belki de bu sistemler öğrencilerin göz kürelerini ve bakışlarını izler ve ağızlarının kırışmış mı yoksa kaşlarının çatlamış mı olduğuna bak. Ayrıca öğrencilerin hareketlerine - ya bedenlerinin sadece üst yarısına ya da bir sınıfta nasıl hareket ettiklerine de bakacak. Belki öğrenci hareketsiz oturuyor ve öne doğru bakıyorsa, sistem onu nişanlandığının bir işareti olarak kabul eder.

Eğitim gerçek zamanlı olarak geri bildirim üretmeye heveslidir; Bu verilerin, sıfırdan 100'e kadar bir “öğrenme göstergesi” ile, belki de sınıfta bir gösterge tablosu şeklinde öğrencilere ve öğretmenlere geri beslendiğini görebiliyordum. Ve eğer Orwellian iseniz, hangi sınıfların iyi olduğunu ve hangilerinin iyi olmadığını gösteren büyük, gerçek zamanlı bir gösterge panosu olan okul müdürü. Ayrıca, yöneticilerin öğrenciler üzerinde mümkün olduğunca çok veri noktası toplamaya çalıştığı bir eğitim sisteminde, sınıf performansı ile ilgili bu veriler muhtemelen öğrenci kayıtlarına eklenecektir.

Eski moda bir okulda, dikkat etmeyen öğrenciler oturmayı, cepheye bakmayı ve çok sıkılmış görünmemeyi bilirler. Öğrenciler bu sistemi oynamayı öğreneceklerdi. Aptal değiller - sadece doğru şekilde nasıl hareket edileceğini anlayacaklar: Hareket etmemeyi biliyorsam, hareket etmeyeceğim. Eğer kaşımı çatlatırsam, kaşımı çatlatırım.

Eğitimde bahsettiğimiz bir sorun, sınava öğretim yapan eğitimcilerdir ve bu da benzer bir fenomendir: Makine öğrencileri hareket ettirmek için beni cezalandırırsa, hareket etmeyiz. Eğer bir öğretmen olsaydım, öğrencilerimin yüzlerinde doğru ifadelerle doğru şekilde hareket ettiklerinden emin olurdum. Hepsini kendim koordine etmeye başlayabilirim: öğrencilere “Şimdi taşıyın. Sabit kal. Bu yüzü yap. ”

Patent CN109299973A

Tüketicileri tanımlamak ve hedefli reklamları onlara aktarmak için yüz tanımayı kullanan bir platform

Bir kiosk veya reklam panosundan veya bir alışveriş merkezinde reklamları olan 7 metrelik kutulardan herhangi biri olabilir. Siz onun yanından geçersiniz ve yüzünüzü toplar ve bir veritabanıyla karşılaştırır ve ardından billboard size özel reklamlar verir. İster dağ bisikleti, ister bastonla ilgilenme olasılığınız daha yüksek olup olmadığına, kim olduğunuza, yaşınız, geliriniz ve cinsiyetinize bağlı olabilir. Ya da nerede olduğunuzu ya da kiminle olduğunuzu. Belki de giydiğiniz renk veya günün saati veya başka bir reklam panosunun sizi gördüğü on konum. Ya da sadece yüzünüzün görünüşü ya da eğilimi: Üzgün görünüyorsunuz, böylece üzgün bir film izlemek istiyorsunuz. Eğer öforik iseniz, belki size büyük bilet bir öğe gösteriliyor ve daha fazla ayık olsaydınız akılsızca bulabileceğiniz bir satın alma gerçekleştiriyorsunuz. Herhangi bir veri noktası adil oyun olabilir.

Bazıları burada uğursuz bir şey olmadığını söyleyebilir. Her gün ortaya koyduğunuz bilgileri alıyorlar - bu sizin yüzünüz, bu bir sır değil - ve sizi istediğiniz ürünlere tam istediğiniz zamanda yönlendiriyor. İnsanları daha az rahat ettirebilecek şey, gücün asimetrisidir. Bir şey satın alırken seçimlerimize hakim olduğumuzu düşünmek isteriz, ancak durum böyle olmayabilir. Diyelim ki acelem var - hızlı ve sağlıksız bir yemek yeme ihtimalim daha yüksek. Ve eğer bu kalıp bir makine tarafından kullanılırsa, o kalıp gözlemleyen özel şirket gibi kendi yeme alışkanlığımın emrinde değilim demektir. Fırsatçı bir anlaşma için birini hedefleyen yazılımı hayal etmek zor değil: farklı insanlara zihinsel durumlarına göre farklı ürünler, hatta aynı ürün için farklı fiyatlar göstermek.

Birçok eyalette, bir devre mülk satın alırsanız, - yasa gereği - satın almayı yeniden değerlendirmek için birkaç gününüz vardır. Milletvekilleri, belirli satış taktiklerinin insanları nihayetinde kendi çıkarlarına hizmet etmeyecek şekilde davranabileceğini kabul ediyorlar. Ancak bu durumda, size bir şey satmaya çalışan, geçmişte nasıl davrandığınıza ve gelecekte nasıl davranabileceğinize dair tüm bu ayrıntılı verilere sahip olan bir kişiden bahsediyoruz - erişilemeyecek bile olabilir sen.

Bu sistem insanların uzun bir süre boyunca gittikleri yerleri izlerse, varsayımsal billboard şirketinin verilerini nasıl sakladığını da düşünebiliriz. Çoğu reklam şirketi, pazarlamaya çalıştıkları kişilerle ilgili utanç verici veya patlayıcı veriler toplamakla ilgilenmez, ancak bu tür bilgileri toplamaya başlar başlamaz, bunun etkisi olabilir - belki de birisiyle tespit edersiniz ' gelecekteki bir sigorta şirketinin bilmesini istemediğiniz bir hastalık için bir ilişkiye girmek veya bir kliniğe gitmek. Tüm bu bilgilere veri satın almak isteyen bir üçüncü taraf veya bir hükümet erişebilir.

Patent CN109829691A

Çalışanların yüz ve ses tanıma özelliğini kullanarak işe giriş ve çıkış yaptıkları delikli kart sistemi

Bu tür araçların hastane ve bakım evleri gibi yüksek güvenlikli yerlerde ve tarımda kullanıldığını gördük. Ayrıca Uber gibi şirketler tarafından uzak çalışanları doğrulamak için kullanıldığını gördük. Bir endişe, bu araçların işçilerin işlerini zorlaştırabileceğidir: Herhangi bir nedenle teknoloji mükemmel değilse, çalışanlar kilitlenir. Araştırmalar, yüz tanımanın, düşük ücretli sektörlerde çalışanların büyük bir bölümünü oluşturan daha koyu tenli insanlarla da çalışmadığını göstermiştir. ABD'de, özellikle tarımda, göçmenlik statüsü ile ilgili endişeler var. Birisi belgelenmemişse ve bu sistemler işe giriş için yüz tanıma gerektiriyorsa, işçiler merak ederler, Bu bilgilerin yasaya veya göçmenlik yaptırımlarına dönüştürülmediğini nasıl bilebilirim? Kolluk kuvvetleri işyerlerinde bulunabilir - perakende ortamlarında, hırsızlık olduğunda polis olay yerine çağrılır - böylece biyometrik veriler potansiyel olarak açığa çıkabilir.

Hong Kong'daki protestocular yüz tanımayı nasıl önlüyor?

Fotoğrafçı Chien-Chi Chang, Hong Kong'da devam eden demokrasi yanlısı protestoları ele alırken, dünyanın dört bir yanındaki şehirleri biberleyen CCTV kameralarının protestocular tarafından nasıl yok edildiğini ve tahrip edildiğini fark etmeye başladı. Hong Kong'daki polisin suç çözmede yüz tanımayı kullandığı biliniyor, ancak protestolar devam ederken, pek çok kişi yetkililerin de eylemcileri tanımlamak ve hedeflemek için teknolojiyi kullandığından şüpheleniyor. Protestocular, bazen lensleri parçalayarak veya plastik örtü ile kaplayan kameralara yaratıcı şekillerde zarar verir. Çoğu zaman, bir protestocu bir gözetleme kamerasını yok ederken, diğeri onu bir şemsiye ile koruyacak, Hong Kong'da birçok kişinin korktuğu bir teknolojiye karşı bir fiziksel engel daha.

Bunu nasıl devre dışı bırakabilirsiniz?

 

[Φ politika]

Avrupa Birligi "Yüz Tanima"uygulamasinin yasaklanmasi  icin önerge  verdiler.Her ne kadar güvenlik gücleri icin yararli yanlari varsa bile bunun kötüye kullanilabilme potansiyeli oldugu görüsü hakim.

 

saygilarla