一個異常多樣的研究人員說，他們創造了更好的人類種族識別系統。
有一些 辯論關於面部識別角色在種族和種族概況。在中國，為了 例子。
大多數不參與生物識別識別的人永遠不會知道對AI種族認同的道德需求，更不用說找到完成任務的最佳方法的鬥爭。
在一項新的開放訪問研究中紙，來自中國，伊拉克，澳大利亞和西班牙的八位科學家說，他們用現場編程的門陣列（FPGA）修補，並採用了一種新的捲積神經網絡的方法，以將種族斑點精度提高到96.9％。
此外，團隊能夠顯著減少取得成果所需的能量。
該實驗使用了來自巴基斯坦，中國和俄羅斯的3141張照片（也許是近期歷史上有民族主義衝突的三個國家）。根據本文的說法，面孔被用作識別種族的唯一因素。
使用了四個預訓練的捲積神經網絡模型 - Googlenet，Alexnet，Densenet和Resnet50進行比較實驗網絡。
硬件挑戰是在圖形處理單元和門陣列之間，兩個並行體系結構。
數組自定義硬件實現的能力證明了比GPU或CPU的“核心”優勢。
報告稱，現場編程的門陣列最終提供了“更重要的節能”和更快的處理。
作者寫道，當今種族和種族認可在人類計算機互動中提出了“重大”挑戰。成功地使用“軟生物特徵識別”系統將簡化搜索靜止和視頻圖像的大量緩存的標識任務。
他們聲稱，基因片段可能導致跨種族融合的面部特徵，使身體人類學家難以確定種族，這是一種敏銳的種族識別算法可以幫助解決的事情。
該法規還可以在靶向種族的醫療和藥物基因組學領域中找到作用，在這些領域中，準確確定種族可以提供更好的護理。
這可能對某些雇主有幫助。例如係統可以“使用種族信息為雇主提供種族方便的服務，然后防止許多文化禁忌中存在的違規風險。”
但是，最終，最廣泛的種族認可使命將是安全- 在邊界站報告稱，並部署在公共訪問區域。
