Sia Blasts การบิดเบือนการศึกษาการจดจำใบหน้าที่บิดเบือน

การอ่านบทความเกี่ยวกับการรับรู้ใบหน้าในสิ่งพิมพ์ผู้บริโภคอาจนำไปสู่การเชื่อว่าเทคโนโลยีนั้นไม่ถูกต้องและลำเอียงสูงขึ้นอยู่กับการอ้างอิงถึงการทดสอบและการศึกษาอย่างเป็นทางการและความคิดเห็นที่ชัดเจนของนักเคลื่อนไหวจำนวนหนึ่ง สมาคมอุตสาหกรรมรักษาความปลอดภัย (SIA) ได้ตีพิมพ์บทความเพื่อตั้งค่าการบันทึกโดยตรงโดยการกล่าวถึงการศึกษาที่อ้างถึงบ่อยที่สุดและอธิบายสิ่งที่พวกเขาหมายถึงจริงๆ

ในความเป็นจริงแล้ว Biometrics มีความแม่นยำสูงและอัลกอริทึมการค้าชั้นนำไม่ได้ให้ผลลัพธ์ที่มีอคติรัฐ SIA

“ ในความเป็นจริงหลักฐานที่สุดอ้างถึงโดยผู้สนับสนุนการห้ามเทคโนโลยีการจดจำใบหน้านั้นไม่เกี่ยวข้องไปแล้วล้าสมัยไม่มีความคิดหรือบิดเบือนความจริง” กลุ่มกล่าวในบทความแต่งโดยผู้อำนวยการอาวุโสของ SIA ด้านความสัมพันธ์ของรัฐบาล Jake Parker และอันดับหนึ่งคอมพิวเตอร์COO และที่ปรึกษาทั่วไป David Ray

2018การศึกษาเฉดสีเพศโดยนักวิจัย MIT Media Lab Joy Buolamwini ไม่ได้ประเมินการรับรู้ใบหน้าหรืออัลกอริธึมการจับคู่ไบโอเมตริกซ์เลย แต่เป็นอัลกอริทึมการวิเคราะห์ใบหน้าที่ติดฉลากทางประชากรศาสตร์ SIA ชี้ให้เห็น ผลลัพธ์ยังขึ้นอยู่กับอัลกอริทึมซึ่งตอนนี้ถือว่าล้าสมัยและถูกท้าทายโดย IBM ทันที แต่การศึกษามักเป็นประเด็นหลักในการสนับสนุนการโต้แย้งที่เผชิญกับไบโอเมตริกซ์ไม่ทำงานสำหรับผู้หญิงหรือคนที่มีผิวคล้ำ

ตัวอย่างของวิธีการนี้จัดทำโดยบรรณาธิการปรากฏในบริษัท เร็วเขียนโดยคู่หนึ่งของ Fellows ที่กองทุนป้องกันกฎหมาย NAACP

ในปีเดียวกันสหภาพเสรีภาพพลเรือนอเมริกัน (ACLU) เผยแพร่โพสต์บล็อกที่อธิบายการทดสอบซึ่ง Amazon Rekognition ถูกใช้เพื่อสมาชิกสภาคองเกรสที่ไม่ตรงกันโดยมีจำนวนบวกเท็จที่ไม่สมส่วนสำหรับคนที่มีสี SIA กล่าวว่าการใช้คะแนนความคล้ายคลึงกันที่ไม่เหมาะสมของ ACLU เป็นเกณฑ์และความเงียบในการจัดอันดับภาพที่ไม่เข้ากันและไม่ว่าจะเป็นผลบวกที่แท้จริงจะทำลายข้อสรุปของ ACLU หรือไม่ นอกจากนี้ SIA กล่าวว่า ACLU ได้ออกแบบและตีความการทดสอบเพื่อรองรับตำแหน่งที่แน่นอนและการออกกฎหมายของ Amazon อีกครั้งที่ดำเนินการด้วยเกณฑ์ความเชื่อมั่นที่สูงขึ้นและฐานข้อมูลขนาดใหญ่ส่งคืนการจับคู่เท็จเป็นศูนย์

การศึกษาของ FBI จากปี 2012 แสดงให้เห็นถึงความแตกต่าง 5 ถึง 10 เปอร์เซ็นต์ในการปฏิบัติงานไบโอเมตริกซ์สำหรับการจับคู่ภาพถ่ายของคนผิวดำ แต่ SIA ตั้งข้อสังเกตว่าในเวลาแทรกแซงการวัดความแม่นยำของอุตสาหกรรมได้เปลี่ยนจากข้อผิดพลาดต่อผู้สมัครนับพันเป็นข้อผิดพลาดต่อล้าน

สถาบันมาตรฐานและเทคโนโลยีแห่งชาติของสหรัฐอเมริกา (NIST)มองเข้าไปในปัญหาในรายงานที่เผยแพร่ในปลายปี 2562 ไม่นานหลังจากรายงานมาตรฐาน NIST Biometric และการทดสอบนำ Patrick Grother บอกกับการอัปเดตไบโอเมตริกซ์ว่าผลลัพธ์กำลังอยู่overgeneralized และตีความผิดโดยบางคนในสื่อ SIA สร้างจุดที่คล้ายกันโดยสังเกตอัลกอริทึมการรับรู้ใบหน้า (ซึ่งรวมถึงรัฐบาลส่วนใหญ่และซัพพลายเออร์บังคับใช้กฎหมายส่วนใหญ่) มีความแตกต่างทางประชากรที่“ ตรวจไม่พบ” นอกจากนี้ยังได้รับการค้นพบว่าสิ่งที่พบความแตกต่างนั้นมีความสำคัญเนื่องจากอัลกอริทึมที่ระบุการฉ้อโกงหนังสือเดินทางที่แท้จริงในกลุ่มตัวอย่างจากโซมาเลีย

การทดสอบ NIST อย่างต่อเนื่องได้เปิดเผยว่าในหมู่อัลกอริทึมการจดจำใบหน้า 20 อันดับแรกกลุ่มประชากรที่เลวร้ายที่สุดสำหรับการแสดงยังคงอยู่ที่ 99.7 ถึง 99.8 เปอร์เซ็นต์ที่แม่นยำที่สุดเท่าที่จะเป็นตัวตนที่ดีที่สุดและเพศชายผิวขาวเป็นประชากรที่มีอัตราการจับคู่ต่ำสุด

รักษาความสงบและทดสอบต่อไป

SIA ยอมรับข้อ จำกัด ของวิธีการทดสอบความถูกต้องของแต่ละบุคคลและรัฐสนับสนุนการวิจัยทางวิทยาศาสตร์เพิ่มเติมเกี่ยวกับความแม่นยำทางชีวภาพและความสอดคล้อง กลุ่มอ้างถึงการใช้การรับรู้ใบหน้าโดยกระทรวงความมั่นคงแห่งมาตุภูมิเพื่อตรวจสอบตัวตนของนักเดินทาง 77 ล้านคนจนถึงสนามบินและการข้ามพรมแดนและแสดงให้เห็นว่านโยบายควรมุ่งไปที่การส่งเสริมการปรับปรุงอย่างต่อเนื่องความแม่นยำทางชีวภาพและสร้างความมั่นใจว่า“ มีเพียงเทคโนโลยีที่แม่นยำที่สุดเท่านั้นที่ใช้ในแอพพลิเคชั่นที่สำคัญและใช้ในวิธีที่เหมาะสมและเหมาะสมซึ่งเป็นประโยชน์ต่อสังคม”

เมื่อเร็ว ๆ นี้กลุ่มทำคำแนะนำต่อรัฐบาลสหรัฐฯสำหรับขั้นตอนต่อไปและได้ชี้ให้เห็นว่ารัฐส่วนใหญ่ที่พิจารณาการห้ามหรือข้อ จำกัด อย่างกว้างขวางเกี่ยวกับการรับรู้ใบหน้าไม่ได้ออกกฎหมาย-