根據由公開信的公開信，開發生物識別技術和人工智能算法必須消除其人口偏見並使方法透明的系統。Anyvision為了回應美國國家標準與技術研究院（NIST）的呼籲公眾評論其提議的方法評估用戶對AI系統的信任。
NIST在AI系統的信任並呼籲評論作為刺激該主題辯論的努力的一部分。
由首席執行官阿維·戈蘭（Avi Golan）簽署的Anyvision的信，標題為“清除人口偏見，同時提高面部識別的透明度”，強調了了解用例以評估用戶在系統中應放置多少信任的重要性。戈蘭描述了歐盟最近朝著AI規定的行動，將遠程生物識別識別分為“高風險”，以試圖在用例中提供清晰度。
Golan解釋說：“這些是理解和分類AI的正確方向的步驟，因為據了解，AI提供了重大收益，包括提高速度，準確性，節省成本，欺詐檢測，醫療診斷和客戶體驗。” “與此同時，要解決其歷史弱點至關重要。因此，AI公司必須繼續從其算法中清除人口偏見，並對其方法論和用於開發其模型的培訓數據保持透明。不幸的是，與面部識別有關的大多數討論中缺少這種細微差別。”
他補充說：“這就是為什麼我們呼籲NIST來幫助定義和塑造有關面部識別和視頻監視的負責使用的討論，通過起草類似的準則（可以幫助組織，可以幫助所有條紋，安全，安全和道德上部署該技術的最佳實踐）。”
Anyvision進行了公平的面部識別挑戰作為歐洲2020年計算機視覺會議的一部分，並表示，前10名團隊的結果表明，通過適當的培訓數據可以減少甚至消除種族偏見，同時仍提供高度的生物特徵準確性。
戈蘭還提供了與來自世界各地的全球參與者和代理商合作的經驗中獲得的Anyvision的見解，並表達了公司與NIST和領先的學者和非政府組織合作的願望，以草擬了減少偏見的準則和最佳實踐。
Anyvision在領導者中排名在所有五個類別組中在NIST的生物識別驗證準確性基準為3月。
文章主題
準確性|人工智慧|演算法|Anyvision|生物識別識別|生物特徵偏置|生物識別技術|生物識別研究|數據集|面部識別|nist|研發|訓練
