Հիմնական տանողներ
- Դեմքի ճանաչման ալգորիթմներն ավելի լավանում են դիմակներով դեմքեր կարդալու հարցում:
- Նոր ուսումնասիրությունը ցույց է տալիս սահմանափակումներ, թե ինչպես կարող է ալգորիթմը կարդալ դեմքի դիմակը, օրինակ՝ դիմակի գույնն ու ձևը:
- Փորձագետներն ասում են, որ դեմքի ճանաչման արդյունաբերությունը ակտիվորեն աշխատում է դեմքի դիմակներն իրենց ալգորիթմներում ներառելու ուղղությամբ:
Բազմաթիվ ոլորտներ կարիք ունեն հարմարվելու համաճարակին, ներառյալ դեմքի ճանաչման արդյունաբերությունը: Փորձագետներն ասում են, որ տեխնոլոգիան կամաց-կամաց ավելի լավանում է դեմքի դիմակներ կրող մարդկանց ճանաչելու հարցում։
Ստանդարտների և տեխնոլոգիաների ազգային ինստիտուտի (NIST) կողմից հրապարակված նոր զեկույցը ցույց է տալիս դեմքի ճանաչման 65 նոր ալգորիթմների արդյունքները, որոնք ստեղծվել են COVID-19 համաճարակի սկսվելուց հետո, ինչպես նաև 87 ալգորիթմներ, որոնք ներկայացված են մինչ համաճարակը: Զեկույցը ցույց տվեց, որ ծրագրային ապահովման մշակողները ավելի լավ են մշակում դիմակավորված դեմքերը ճանաչող ալգորիթմներ, նույնիսկ դառնում են նույնքան ճշգրիտ, որքան սովորական դեմքի ճանաչման ալգորիթմները:
«Չնայած մի քանի նախահամաճարակային ալգորիթմներ դեռևս մնում են դիմակավորված լուսանկարներում ամենաճիշտը, որոշ մշակողներ ալգորիթմներ են ներկայացրել համաճարակից հետո, որոնք ցույց են տալիս զգալիորեն բարելավված ճշգրտություն և այժմ ամենաճշգրիտներից են մեր թեստի մեջ», - ասվում է զեկույցում:.
Ինչ է գտել ուսումնասիրությունը
Հետազոտությունն իր տեսակի մեջ երկրորդն էր, որն իրականացվել է NIST-ի կողմից նույն տվյալների բազայով, որը նախատեսված էր դեմքի ճանաչման ալգորիթմների և դրանց ճշգրտության փորձարկման համար դեմքի դիմակների առկայության դեպքում: Զեկույցի հեղինակներն օգտագործել են 6,2 միլիոն լուսանկար և կիրառել թվային դիմակների տարբեր համակցությունների մոդելավորում այդ պատկերների համար:
Մեյ Նգանը, զեկույցի համահեղինակ և NIST-ի համակարգչային գիտնական, Lifewire-ին տված հեռախոսազրույցում ասաց, որ դեմքի դիմակների առկայությունը հիմնականում հետ է բերել դեմքի ճանաչման տեխնոլոգիան մոտ երկու-երեք տարի::
«Սխալների մակարդակը գտնվում է 2,5%-ից մինչև 5%-ի սահմաններում՝ համեմատած 2017թ.-ի գերժամանակակից տեխնոլոգիաների հետ»,- ասաց նա:
Հուլիսին հրապարակված NIST-ի նախորդ զեկույցը դիտարկել է դեմքի ճանաչման ալգորիթմների կատարողականը, որոնք ներկայացված էին մինչև 2020 թվականի մարտը՝ մինչ Առողջապահության համաշխարհային կազմակերպությունը համաշխարհային համաճարակ հայտարարելը: Այս առաջին ուսումնասիրությունը պարզել է, որ այս նախահամաճարակային ալգորիթմների սխալի մակարդակը 5%-ից 50% է։
Նույնիսկ եթե այս ալգորիթմներն ավելի լավն են դառնում դիմակավորված դեմքեր կարդալու հարցում, վերջին ուսումնասիրությունը ցույց է տվել, որ որոշ գործոններ ազդում են սխալի մակարդակի վրա, օրինակ՝ դիմակի գույնը (կարմիր կամ սև դիմակներն ունեն ավելի բարձր սխալի գործակիցներ) և ինչպես է դիմակը: ձևավորված է (դիմակների ավելի կլոր ձևերն ունեն սխալի ավելի ցածր մակարդակ):
Նգանն ասաց, որ ալգորիթմներն օգտագործում են ինչ-որ մեկի դեմքի տեսանելի հատվածը, ինչպիսիք են աչքերի և ճակատի շրջանը, դեմքի հատկությունները ճանաչելու համար, այլ ոչ թե բուն դիմակը կարդալու համար:
Դեմքի ճանաչման և դեմքի դիմակների ապագան
Նգանն ասաց, որ ակնհայտ է, որ մշակողները զգալի բարելավումներ են կատարել դեմքի ճանաչման իրենց ալգորիթմների հետ, երբ խոսքը վերաբերում է դեմքի դիմակներին:
«Ակնհայտ է, որ դեմքի ճանաչման համակարգերի կարիք կա, որպեսզի գործեն դեմքի դիմակներ կրելու սահմանափակումների ներքո», - ասաց նա: «Հաշվի առնելով այն, ինչ մենք անում էինք և մեր վերջին ուսումնասիրության արդյունքները, մենք տեսնում ենք, որ դեմքի ճանաչման արդյունաբերությունը ակտիվորեն աշխատում է դեմքի դիմակներն իրենց ալգորիթմներում ներառելու ուղղությամբ»:
Քանի որ տեխնոլոգիան բարելավվում է, դա նշանակում է, որ ավելի հեշտ կլինի անել այնպիսի բաներ, ինչպիսին է մեր հեռախոսներն ապակողպելը դեմքի դիմակ կրելիս, բայց կան այլ հետևանքներ, երբ խոսքը վերաբերում է դեմքի ճանաչման այս ձևով առաջընթացին:
Բազմաթիվ ուսումնասիրություններ ցույց են տալիս, որ դեմքի ճանաչումը լայնորեն հաղորդվում է սխալ մարդու նույնականացման և ռասայական կողմնակալության համար: NIST-ի 2019 թվականի ուսումնասիրությունը ցույց է տվել, որ դեմքի ճանաչման տեխնոլոգիան սխալ է նույնականացնում սևամորթներին և ասիացիներին մինչև 100 անգամ ավելի հաճախ, քան սպիտակամորթներին։
Նույնիսկ եթե տեխնոլոգիան բարելավվում է դեմքի դիմակներ կարդալու հարցում, սխալի տոկոսը, որքան էլ փոքր լինի, կարող է մտահոգիչ լինել դեմքի դիմակ կրող անձի սխալ նույնականացման համար:
Թեև NIST-ի ամենավերջին զեկույցը ցույց է տալիս, որ ալգորիթմներն ավելի լավ են դառնում դեմքի դիմակների առաջադրանքը կարգավորելու հարցում, Նգան ասաց, որ միայն ժամանակը ցույց կտա, թե արդյոք դա իսկապես այն վայրն է, որտեղ դեմքի ճանաչման ապագան գնում է համաճարակի ժամանակ:
«Գուցե մենք կարող ենք ակնկալել սխալների հետագա կրճատումներ, կամ գուցե ծրագրավորողները կարող են սահմանափակումներ գտնել եզակի տեղեկատվության քանակի չդիմակավորված տարածաշրջանում», - ասաց Նգանը:
