اینگونه بود که کنترل چهره خود را از دست دادیم


دبورا راجی ، یکی از اعضای سازمان غیردولتی موزیلا و ژنویو فرید ، که به اعضای کنگره ایالات متحده در زمینه گزارش الگوریتمی مشاوره می دهند ، بیش از 130 مجموعه داده شناسایی چهره را که طی 43 سال جمع آوری شده است ، بررسی کردند. آنها دریافتند كه محققان با توجه به الزامات منفجر كننده داده های یادگیری عمیق ، به تدریج رضایت مردم را رد می كنند. این امر باعث شده است که عکسهای شخصی بیشتر و بیشتری از افراد بدون اطلاع آنها در سیستمهای نظارتی گنجانده شود.

این امر همچنین منجر به ایجاد مجموعه داده های بسیار سریعتر شده است: آنها ممکن است ناخواسته شامل عکس های خردسالان ، استفاده از برچسب های نژادپرستانه و جنسیت پرستی باشند ، یا از کیفیت و نور متناقضی برخوردار باشند. این روند ممکن است به توضیح تعداد فزاینده مواردی منجر شود که سیستم های تشخیص چهره از کار افتاده اند و عواقب نگران کننده ای مانند دستگیری های جعلی دو سیاه پوست در منطقه دیترویت در سال گذشته را به دنبال داشته است.

راجی گفت ، مردم در جمع آوری ، مستند سازی و تأیید اطلاعات شخصی در روزهای اول بسیار محتاط بودند. “آن زمان ما مورد توجه قرار گرفتیم. او همه رها شده است. ” “شما فقط نمی توانید یک میلیون نفر را ردیابی کنید. بعد از مدتی ، حتی نمی توانید وانمود کنید که کنترل را در دست دارید. “

تاریخچه داده های تشخیص چهره

محققان چهار دوره اصلی شناسایی چهره را شناسایی کرده اند که هر یک با تمایل روزافزون به پیشرفت فناوری تقویت می شود. مرحله اول ، که تا دهه 1990 ادامه داشت ، عمدتا با روشهای دستی فشرده و محاسباتی انجام می شد.

اما پس از آن ، با درک این نکته که تشخیص چهره می تواند به طور موثرتری نسبت به اثر انگشت چهره ها را ردیابی و شناسایی کند ، وزارت دفاع ایالات متحده 6.5 میلیون دلار در ایجاد اولین مجموعه مقیاس بزرگ داده های چهره سرمایه گذاری کرد. در طی 15 جلسه عکس در سه سال ، این پروژه 14126 تصویر از 1،199 نفر را به ثبت رسانده است. پایگاه فناوری تشخیص چهره (FERET) در سال 1996 راه اندازی شد.

در دهه بعد تحقیقات علمی و تجاری در زمینه شناسایی چهره افزایش یافت و مجموعه داده های بیشتری ایجاد شد. اکثریت قریب به اتفاق از طریق عکس برداری مانند FERET به دست آمد و رضایت کامل شرکت کنندگان را داشت. راجی می گوید ، بسیاری از آنها همچنین شامل فراداده های دقیق مانند سن و قومیت افراد یا اطلاعات مربوط به نور هستند. اما این سیستم های اولیه در تنظیمات واقعی دست و پنجه نرم می کردند و محققان را بر آن داشت تا به دنبال مجموعه داده های بزرگتر و متنوع تری باشند.

در سال 2007 ، انتشار مجموعه داده هایی با عنوان Faces in the Wild (LFW) دروازه های جمع آوری اطلاعات از طریق جستجوی وب را باز کرد. محققان بدون نگرانی در مورد رضایت ، بارگیری تصاویر را مستقیماً از گوگل ، فلیکر و یاهو آغاز کردند. LFW همچنین با استفاده از عکس های یافت شده با عبارات جستجو مانند “کودک” ، “صغیر” و “نوجوان” برای افزایش تنوع ، استانداردهای آرامش در شمول افراد زیر سن قانونی را کاهش داده است. این فرآیند ایجاد مجموعه داده های به مراتب بزرگتری را در مدت زمان کوتاه امکان پذیر کرده است ، اما شناسایی چهره هنوز با بسیاری از چالش های قبلی روبرو است. این امر محققان را بر آن داشت تا به دنبال روش ها و داده های بیشتری برای غلبه بر عملکرد ضعیف این فناوری باشند.

سپس ، در سال 2014 ، فیس بوک از عکس های کاربر خود برای آموزش یک مدل یادگیری عمیق به نام DeepFace استفاده کرد. اگرچه این شرکت هرگز مجموعه داده را منتشر نکرد ، نمایندگی فوق بشری سیستم ، آموزش عمیق را به روش واقعی تجزیه و تحلیل چهره ارتقا داد. راجی گفت ، این زمانی است که تأیید و برچسب گذاری دستی تقریباً غیرممکن شد ، زیرا مجموعه داده ها به ده ها میلیون عکس افزایش یافت. همچنین ، هنگامی که پدیده های عجیب و غریب واقعا شروع می شوند ، مانند برچسب هایی که به طور خودکار تولید می شوند و شامل اصطلاحات توهین آمیز هستند.


منبع: unbox-khabar.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>