คู่ของการศึกษาใหม่เกี่ยวกับอคติอัลกอริทึมใน Face Biometrics ทั้งคู่แนะนำว่าการขาดความหลากหลายในชุดข้อมูลจะต้องได้รับการแก้ไข การวิจัยเกี่ยวกับความไม่สมดุลของการแสดงออกแสดงให้เห็นถึงวิธีที่จะทำให้ปัญหาดีขึ้น แต่ผู้อธิบายจากสถาบันทัวริงเรียกร้องให้มีการเพิ่มขึ้นอย่างหลีกเลี่ยงไม่ได้ในการเพิ่มจำนวนการรับรู้ใบหน้า
การศึกษาเชิงวิชาการเกี่ยวกับ 'การแสดงออกทางสีหน้าเป็นช่องโหว่ในการจดจำใบหน้าOpen University of Catalonia, Autonomous University of Madrid
การขาดการแสดงออกที่หลากหลายสามารถสร้างช่องโหว่ด้านความปลอดภัยนักวิจัยแนะนำส่งผลกระทบต่อคะแนนการจับคู่ที่ส่งคืนโดยระบบการจดจำใบหน้า
กระดาษสร้างจากงานก่อนหน้าของพวกเขา 'เรียนรู้การเป็นตัวแทนใบหน้าที่ตาบอดอารมณ์'ซึ่งอธิบายถึงความไม่สมดุลระหว่างการแสดงออกทางสีหน้าในชุดข้อมูลการฝึกอบรมและกำหนดไว้เพื่อลดความสำคัญของ "ข้อมูลทางอารมณ์" ใน Biometrics Face
เพื่อแก้ปัญหานี้พวกเขาแนะนำวิธีการที่แตกต่างกันสองวิธีสำหรับอัลกอริทึมเพื่อเรียนรู้“ การเป็นตัวแทนใบหน้าที่ตาบอดอารมณ์” หนึ่งที่พวกเขาเรียกว่า "sensitivenets" เกี่ยวข้องกับการเรียนรู้ discriminator และ "onverarial onlyizer เพื่อลดข้อมูลการแสดงออกทางสีหน้า" ในอีกด้านหนึ่ง“ การเรียนรู้ที่จะไม่เรียนรู้” ใช้ตัวจําแนกการแสดงออกทางสีหน้าที่ผ่านการฝึกอบรมมาก่อนเพื่อหลีกเลี่ยงพื้นที่ที่วิเคราะห์
สำหรับการทดสอบช่องโหว่นักวิจัยใช้รูปแบบการจดจำใบหน้าสามแบบและการแสดงออกทางสีหน้าของฐานข้อมูลอารมณ์, cohn-kanade ขยาย, celeba และ ms-celeb-1M ซึ่งทั้งหมดมีแนวโน้มที่จะมีการแสดงออกที่เป็นกลางและมีใบหน้าที่มีความสุขมากกว่าที่ SAD
พวกเขาพบว่าในขณะที่การแสดงออกทางสีหน้าไม่ส่งผลกระทบต่อการจับคู่เชิงลบหรือ imposters มันสามารถลดประสิทธิภาพของการเปรียบเทียบของแท้ได้มากถึง 40 เปอร์เซ็นต์ “ หน่วยแอ็คชั่นใบหน้า” จำนวนมากส่งผลกระทบต่อคะแนนการจับคู่ของแท้อย่างมีนัยสำคัญ
อย่างไรก็ตามสิ่งนี้สามารถเปลี่ยนแปลงได้ด้วยการใช้ชุดข้อมูลที่สมดุลมากขึ้นในแง่ของการแสดงออกทางสีหน้าและโดยใช้วิธีการลดอคติอื่น ๆงานวิจัยล่าสุดจากนักวิจัยสามคนของมหาวิทยาลัยมิชิแกนสเตต
Turing Institute เรียกร้องให้สังคมกลับมาควบคุมจากนักเทคโนโลยี
ผู้อธิบายโดยดร. เดวิดเลสลี่แห่งสถาบันอลันทัวริง 'การทำความเข้าใจอคติในเทคโนโลยีการจดจำใบหน้า'กล่าวถึงความเสี่ยงด้านสิทธิมนุษยชนที่อาจเกิดขึ้นที่เกี่ยวข้องกับการตรวจจับใบหน้าและเทคโนโลยีการรับรู้ (“ FDRTs”)
เลสลี่สรุปค่ายการรับรู้ใบหน้าและต่อต้านใบหน้าและบันทึกที่พบว่าไบโอเมตริกซ์ดูเหมือนจะอยู่ที่นี่ อย่างไรก็ตามความประทับใจของ“ การแพร่หลายที่เกิดขึ้น” ที่หลีกเลี่ยงไม่ได้ของการรับรู้ใบหน้าเป็นปัญหาคือเลสลี่กล่าว นี่เป็นเพราะการมุ่งเน้นไปที่การฟื้นฟูได้หลีกเลี่ยงการสนทนาที่สำคัญเกี่ยวกับ“ ข้อกังวลทางจริยธรรมขั้นพื้นฐานมากขึ้น” เนื่องจากเทคโนโลยีได้แพร่กระจายอย่างไม่สม่ำเสมอโดยมีปัญหาจากการช่วยให้โลกมีอคติและการเลือกปฏิบัติอย่างไม่เป็นสัดส่วน
ในท้ายที่สุดเขาส่วนใหญ่เข้าข้างสิ่งที่เขาเรียกว่า ณ จุดหนึ่งว่า เลสลี่ให้คำแนะนำสามข้อเป็นจุดเริ่มต้นขั้นต่ำสำหรับการฟื้นฟูการกำกับดูแลเทคโนโลยีสู่สังคม (ตรงข้ามกับการกำกับดูแลตนเองในทางปฏิบัติ); กลไกการกำกับดูแลที่แข็งแกร่งเพื่อความโปร่งใสและความรับผิดชอบการรักษาความเป็นส่วนตัวที่แข็งแกร่งการรับรองและการประกาศแจ้งการแจ้งเตือนและมาตรการลดอคติการออกแบบการเลือกปฏิบัติและการเปรียบเทียบที่เกี่ยวข้อง
หัวข้อบทความ
ความแม่นยำ-ความโปร่งใสอัลกอริทึม-การระบุไบโอเมตริกซ์-ไบโอเมตริกซ์-การวิจัยทางชีวภาพ-ชุดข้อมูล-การรับรู้อารมณ์-จริยธรรม-การจดจำการแสดงออก-การจดจำใบหน้า-สถาบันทัวริง
