การฆาตกรรม Brian Thompson ซีอีโอของ United Healthcare ในมิดทาวน์แมนฮัตตันเกี่ยวข้องกับการใช้เทคโนโลยีจดจำใบหน้า (FRT) เพื่อระบุตัวฆาตกร แต่ความท้าทายกลับเป็นอุปสรรคต่อความสำเร็จ ภาพบางส่วนของผู้ต้องสงสัยที่ถ่ายได้จากระบบเฝ้าระวังขั้นสูงและกล้องวงจรปิดกว่า 15,000 รายการ (รวมถึงจากภายในรถแท็กซี่และโดรน) ทั่วนิวยอร์กซิตี้ (NYPD) ไม่สามารถจับภาพใบหน้าของผู้ต้องสงสัยได้ทั้งหมด ซึ่งจำกัดประสิทธิภาพของเทคโนโลยี ในการแยกตัวตนของผู้ต้องสงสัย
หลังจากผ่านไปห้าวันและไม่ประสบความสำเร็จในการระบุตัวผู้ต้องสงสัยโดยใช้ FRT ทาง NYPD ได้เผยแพร่ภาพถ่ายเพิ่มเติมที่ระบุว่าเป็นผู้ต้องสงสัยในการขอข้อมูลจากสาธารณะอย่างชัดเจนที่สุด
ภาพถ่ายเหล่านั้นนำไปสู่การบอกกล่าวต่อสาธารณะว่าผู้ต้องสงสัยดูเหมือนชายคนเดียวกันกับที่ถูกพบเห็นในร้านแมคโดนัลด์ในเมืองอัลทูนา รัฐเพนซิลเวเนีย ห่างจากนิวยอร์กซิตี้ประมาณ 200 ไมล์ ชายคนนั้นซึ่งมีชื่อว่า Luigi Mangione ถูกตำรวจท้องที่ควบคุมตัวทันที และในที่สุดก็ถูกตั้งข้อหาฆาตกรรมทอมป์สัน
“ภาพนั้นถูกพบเห็นหลายครั้งมากกว่าการฆาตกรรมโดยเฉลี่ยของคุณ” อดีตเจ้าหน้าที่ตำรวจฟิลาเดลเฟียและศาสตราจารย์ด้านกระบวนการยุติธรรมทางอาญาที่ The Citadel Sean Patrick Griffinบอก เดอะนิวยอร์กไทมส์วันจันทร์.
ที่ครั้งกล่าวเสริมว่า “ในท้ายที่สุด มันเป็นการแจกจ่ายภาพถ่ายธรรมดาๆ ไม่ใช่เทคโนโลยีจดจำใบหน้าที่ซับซ้อน ซึ่งนำตำรวจไปหาชายที่ถูกตั้งข้อหาในเหตุกราดยิงที่ทำให้เสียชีวิต … สำหรับผู้เชี่ยวชาญ คดีนี้ถือเป็นเครื่องเตือนใจว่า – แม้ว่าเทคโนโลยีการจดจำใบหน้าจะมีความซับซ้อนมากขึ้น การเผยแพร่ภาพถ่ายและการพึ่งพาสาธารณะในการจดจำใบหน้ายังคงมีบทบาทสำคัญในการสืบสวน”
นักอนาคตนิยมนิตยสารไบต์ พูดว่า-AI ไม่สามารถจับ CEO Killer ได้สำเร็จ-
แต่แม้ว่า NYPD จะมีภาพใบหน้าของผู้ต้องสงสัยที่ชัดเจน มันก็จะมีประโยชน์ก็ต่อเมื่อใบหน้าของผู้ต้องสงสัยอยู่ในฐานข้อมูลอาชญากรรม, ฐานข้อมูลไบโอเมตริกซ์ของกระทรวงยานยนต์แห่งนิวยอร์ก, สำนักงานสืบสวนกลางแห่งสหรัฐอเมริกา (FBI) ฐานข้อมูล Next Generation Identification (NGI), ระบบระบุตัวตนไบโอเมตริกซ์อัตโนมัติ (IDENT) ของกระทรวงความมั่นคงแห่งมาตุภูมิ หรือระบบระบุตัวตนไบโอเมตริกซ์ (DBIDS) ของกระทรวงกลาโหม
ในขณะที่เทคโนโลยีการจดจำใบหน้าถูกนำมาใช้กันอย่างแพร่หลายโดยหน่วยงานบังคับใช้กฎหมายเพื่อระบุผู้ต้องสงสัย แต่บทบาทในการระบุ Mangione นั้นไม่ได้ผล แต่อาจไม่ใช่เพียงเพราะข้อบกพร่องของเทคโนโลยีเท่านั้น ปัญหาทางกฎหมายและความเป็นส่วนตัวและข้อจำกัดการเชื่อมต่อฐานข้อมูลของรัฐบาลกลางและระหว่างรัฐอาจมีบทบาทเช่นกัน
อย่างเป็นทางการ NYPD กล่าวว่าเครื่องมือจดจำใบหน้าหลักจัดทำโดย- อย่างไรก็ตาม แผนกรับทราบถึงการใช้เครื่องมืออื่นๆ เพื่อวัตถุประสงค์เฉพาะ และเผชิญกับคำวิจารณ์เรื่องการขาดความโปร่งใสและการกำกับดูแลที่ครอบคลุมเกี่ยวกับเทคโนโลยี AI
FaceCompare Plus ของ DataWorks ให้การเปรียบเทียบทางสัณฐานวิทยาของภาพใบหน้าสองภาพเคียงข้างกัน โดยไม่จำเป็นต้องใช้ระบบจดจำใบหน้าเต็มรูปแบบ แต่ขอย้ำอีกครั้งว่ารูปถ่ายของ Mangione จะต้องอยู่ในฐานข้อมูลของ NYPD หรือฐานข้อมูลของรัฐและรัฐบาลกลางอื่น ๆ จึงจะเป็นประโยชน์
“ชาวอเมริกันส่วนใหญ่อาจเชื่อว่าหน่วยงานบังคับใช้กฎหมายมีภาพลักษณ์ของทุกคนในสหรัฐอเมริกา นั่นไม่เป็นความจริงเลย”ซีอีโอ ดอนนี่ สก็อตต์ คืออ้างโดยซีเอ็นเอ็น- “หากเขาบังเอิญไม่ใช่ชาวนิวยอร์กที่ไม่เคยถูกจับกุมมาก่อน เป็นไปได้ว่าเขาจะไม่อยู่ในฐานข้อมูลอาชญากรรมหรือคลังภาพมักกะโรนีของพวกเขา”
สกอตต์เน้นย้ำอีกว่า “รัฐนิวยอร์กไม่สามารถเข้าถึงฐานข้อมูล DMV เพื่อวัตถุประสงค์ในการบังคับใช้กฎหมายตามกฎหมายได้ มันต้องการความร่วมมือและการแบ่งปันข้อมูล รวมถึงเหตุผลและความเต็มใจของหน่วยงานที่เกี่ยวข้องจึงจะได้รับอนุญาตให้แบ่งปันสิ่งนั้นได้ตามกฎหมาย”
ในทำนองเดียวกัน NYPD และหน่วยงานบังคับใช้กฎหมายอื่นๆ ทั่วประเทศ ไม่สามารถเข้าถึงฐานข้อมูลของกันและกันได้ทันที อย่างน้อยที่สุดก็สามารถเข้าถึงฐานข้อมูล DMV ของรัฐทั้งหมดได้ รัฐหนึ่งไม่มีสิทธิ์เข้าถึงคลังภาพ DMV ของรัฐอื่น
สำนักงานสืบสวนกลางแห่งสหรัฐอเมริกา (FBI) ดำเนินการดังกล่าว และยืนยันว่าตนมีส่วนเกี่ยวข้องในการสืบสวนคดีฆาตกรรมทอมป์สัน ขณะร่วมมือกับ NYPD หลังเหตุการณ์ดังกล่าวเกิดขึ้นนอกโรงแรมแห่งหนึ่งในแมนฮัตตัน FBI ช่วยในการตามล่าหาผู้ต้องสงสัยโดยใช้ประโยชน์จากทรัพยากรของตนเพื่อติดตามเบาะแสและระบุตัวผู้กระทำผิด ไม่ทราบว่าความพยายามของ FBI ส่งผลให้มีภาพถ่ายในฐานข้อมูลตรงกันหรือไม่
FBI สามารถเข้าถึงฐานข้อมูลทางอาญาของหน่วยงานบังคับใช้กฎหมายของรัฐและบันทึก DMV แต่การเข้าถึงนี้ได้รับการควบคุมและควบคุมโดยกฎหมายของรัฐบาลกลางและของรัฐ โดยมักจะผ่านข้อตกลงความร่วมมือ
FBI ดำเนินการเครือข่ายบริการข้อมูลความยุติธรรมทางอาญา (CJIS) ซึ่งรวมถึงระบบต่างๆ เช่น ศูนย์ข้อมูลอาชญากรรมแห่งชาติ (NCIC) หน่วยงานบังคับใช้กฎหมายของรัฐและท้องถิ่นป้อนข้อมูลและเข้าถึงข้อมูลเกี่ยวกับ NCIC และ FBI สามารถใช้ข้อมูลนี้เพื่อการสืบสวนได้
เครือข่าย CJIS ยังเชื่อมต่อฐานข้อมูลของรัฐและท้องถิ่นกับ FBI ซึ่งช่วยให้สามารถแบ่งปันข้อมูลข้ามเขตอำนาจศาลได้
สำหรับบันทึก DMV นั้น FBI สามารถเข้าถึงบันทึกเหล่านี้เพื่อการสืบสวนได้ โดยมักจะผ่านทางพระราชบัญญัติคุ้มครองความเป็นส่วนตัวของผู้ขับขี่ ซึ่งอนุญาตให้เข้าถึงดังกล่าวเพื่อวัตถุประสงค์ในการบังคับใช้กฎหมายที่ชอบด้วยกฎหมาย FBI สามารถขอข้อมูล DMV ระดับรัฐ ซึ่งรวมถึงข้อมูลใบขับขี่และทะเบียนยานพาหนะผ่านระบบโทรคมนาคมเพื่อการบังคับใช้กฎหมายแห่งชาติ
การเข้าถึงมักขึ้นอยู่กับข้อตกลงระหว่างหน่วยงานบังคับใช้กฎหมายของรัฐและเอฟบีไอ รัฐต่างๆ จะดูแลรักษาฐานข้อมูลของตนเองแต่ให้สิทธิ์การเข้าถึงแก่ FBI เมื่อจำเป็นต้องมีการสอบสวน ภายใต้ระเบียบการที่จัดตั้งขึ้น การเข้าถึงยังได้รับการตรวจสอบอย่างใกล้ชิดเพื่อให้มั่นใจว่าเป็นไปตามกฎหมายความเป็นส่วนตัว และการใช้ระบบเหล่านี้ในทางที่ผิดอาจส่งผลให้เกิดบทลงโทษที่สำคัญ
อย่างไรก็ตาม ในท้ายที่สุด มันเป็นภาพถ่ายบางส่วนของผู้ต้องสงสัยที่ NYPD เปิดเผยต่อสาธารณะผ่านสื่อ ซึ่งส่งผลให้ Mangione ถูกจับกุม ซึ่งหลังจากที่ NYPD ได้ทำเรื่องใหญ่เกี่ยวกับการสืบสวนของตน
Ray Kelly อดีตผู้บัญชาการ NYPD บอกกับ FOX Business ตั้งแต่เนิ่นๆ ว่าเขาเชื่อว่าผู้ต้องสงสัยจะถูกจับได้ “เร็วๆ นี้” และ “การจดจำใบหน้ามีประสิทธิผล และฉันหวังว่ามันจะถูกนำมาใช้ในกรณีนี้”
โจเซฟ เคนนี หัวหน้านักสืบของ NYPD กล่าวเสริมตั้งแต่ต้นในการสืบสวนว่า จนถึงขณะนี้ตำรวจยังไม่สามารถระบุตัวตนของเขาโดยใช้การจดจำใบหน้าได้ อาจเป็นเพราะภาพบางส่วนหรือข้อจำกัดเกี่ยวกับวิธีที่ NYPD ได้รับอนุญาตให้ใช้เทคโนโลยีดังกล่าว
แม้ว่าการจดจำใบหน้าจะพัฒนาไปอย่างมาก แต่ระบบสมัยใหม่ยังคงประสบปัญหาในการจัดการกับความท้าทายทั้งหมด เช่น หน้ากากอนามัย หมวกไหมพรม หรือภาพบางส่วนซึ่งมีระดับความสำเร็จที่แตกต่างกัน
ระบบจดจำใบหน้ายังคงเผชิญกับความท้าทายที่สำคัญเมื่อวิเคราะห์ภาพบางส่วนที่ถูกบดบังด้วยหน้ากากหรือหมวกไหมพรม ในขณะที่ระบบขั้นสูงสามารถมุ่งเน้นไปที่คุณสมบัติที่มองเห็นได้ เช่น ดวงตา คิ้ว และโครงร่างใบหน้า ความแม่นยำจะลดลงเมื่อส่วนใหญ่ของใบหน้าถูกซ่อนไว้ ประสิทธิภาพขึ้นอยู่กับปัจจัยต่างๆ เช่น ความละเอียด คุณภาพของภาพ และอัลกอริธึมที่ใช้
ระบบบางระบบที่ได้รับการฝึกอบรมสำหรับสถานการณ์ดังกล่าวมีอัตราการจดจำที่ดีขึ้น โดยใช้ประโยชน์จากโมเดล AI ที่ดึงเบาะแสเพิ่มเติมจากข้อมูลที่จำกัด อย่างไรก็ตาม อัตราความสำเร็จมักจะยังคงต่ำกว่าอย่างเห็นได้ชัดเมื่อเทียบกับรูปภาพที่ไม่มีสิ่งกีดขวาง การศึกษาที่ดำเนินการระหว่างการแพร่ระบาดของโควิด-19 พบว่าความแม่นยำลดลงตั้งแต่ 5% ถึง 50% ขึ้นอยู่กับระบบและความครอบคลุมของใบหน้า
หลายระบบได้รับการอัปเดตเพื่อรองรับใบหน้าที่สวมหน้ากากโดยเน้นไปที่ลักษณะที่มองเห็นได้ เช่น ดวงตา คิ้ว และหน้าผาก และบางบริษัท เช่นและ Huawei อ้างว่าเทคโนโลยีของพวกเขามีความแม่นยำ 90% -95%-
ระบบขั้นสูงที่ใช้การทำแผนที่ 3 มิติและการถ่ายภาพอินฟราเรดสามารถข้ามข้อจำกัดบางประการของการจดจำ 2D แบบดั้งเดิมได้ และโมเดล AI บางรุ่นที่ได้รับการฝึกด้วยชุดข้อมูลขนาดใหญ่ รวมถึงใบหน้าที่สวมหน้ากาก จะทำงานได้ดีกว่าโมเดลที่ได้รับการฝึกฝนในชุดข้อมูลที่ไม่ปกปิด
การจับคู่ตามคุณลักษณะจะใช้อัลกอริธึมในการวิเคราะห์ส่วนต่างๆ ของใบหน้าที่มองเห็นได้ (เช่น ดวงตา หน้าผาก) และเปรียบเทียบกับฐานข้อมูล โดยอาศัยคุณลักษณะเฉพาะ เช่น รูปร่างของดวงตาหรือคิ้วเป็นอย่างมาก อย่างไรก็ตาม ยิ่งคุณลักษณะที่มองเห็นได้น้อยลง ความแม่นยำก็จะยิ่งต่ำลง ระบบส่วนใหญ่พบว่าประสิทธิภาพลดลงอย่างเห็นได้ชัดเมื่อปิดบังใบหน้ามากกว่า 30% ถึง 50%
ฟทสระบบมักประสบปัญหากับมุมหรือการบดบังที่รุนแรง เนื่องจากภาพบางส่วนทำให้เกิดความไม่แน่นอน เทคนิคขั้นสูง เช่น การทำท่าทางให้เป็นมาตรฐานหรือการวิเคราะห์หลายช็อต (การรวมภาพบางส่วนหลายภาพเข้าด้วยกัน) สามารถช่วยบรรเทาปัญหาเหล่านี้ได้
แบบจำลอง AI โดยเฉพาะโครงข่ายประสาทเทียมแบบหมุนวน (CNN) ได้แสดงให้เห็นถึงความมุ่งมั่นอย่างมากในการระบุบุคคลที่มีใบหน้าที่ถูกบดบังบางส่วน โมเดลเหล่านี้ได้รับการออกแบบให้เน้นไปที่ลักษณะเฉพาะของใบหน้าที่ยังคงมองเห็นได้ เช่น ดวงตา คิ้ว และหน้าผาก พวกเขายังสามารถใช้เบาะแสและรูปแบบตามบริบทจากชุดข้อมูลที่ฝึกฝนเกี่ยวกับใบหน้าที่ถูกปิดบังบางส่วน
อย่างไรก็ตาม อัตราความสำเร็จขึ้นอยู่กับขอบเขตของการกีดขวาง คุณภาพของภาพ และความทนทานของชุดข้อมูลการฝึกอบรม โมเดลที่ล้ำสมัยได้รับความแม่นยำสูงกว่า แต่ยังคงเผชิญกับความท้าทายภายใต้แสงที่ไม่ดี การเคลื่อนไหว มุมที่รุนแรง หรือสิ่งกีดขวางที่สำคัญ
Generative Adversarial Networks (GAN) สามารถมีประสิทธิภาพสูงในการช่วยเหลือการจดจำใบหน้าสำหรับใบหน้าที่ถูกบดบังบางส่วนโดยการสร้างใหม่หรืออนุมานส่วนที่ขาดหายไปของใบหน้าโดยสร้างการประมาณที่เป็นไปได้ตามข้อมูลการฝึกอบรม การสร้างใหม่นี้ช่วยให้ระบบจดจำอื่นๆ สามารถวิเคราะห์การแสดงใบหน้าที่สมบูรณ์หรือใกล้เคียงสมบูรณ์ได้
อย่างไรก็ตาม แม้ว่าระบบที่ได้รับการปรับปรุง GAN จะสามารถปรับปรุงอัตราการระบุตัวตนได้ แต่ความถูกต้องแม่นยำนั้นขึ้นอยู่กับคุณภาพของข้อมูลการฝึกอบรมและระดับของการบดบังใบหน้าของบุคคล GAN ยังเผชิญกับความเสี่ยงในการแนะนำสิ่งประดิษฐ์หรือผลบวกลวงหากนำไปใช้ในทางที่ผิด
จำนวนระบบจดจำใบหน้าที่แน่นอนที่ใช้ CNN ในการบังคับใช้กฎหมาย แม้ว่าจะระบุได้ยากเนื่องจากลักษณะที่เป็นกรรมสิทธิ์และการใช้งานที่หลากหลาย อย่างไรก็ตามผู้ให้บริการรายใหญ่ชอบ--, และใช้อัลกอริธึมที่ใช้ CNN ในระบบที่หน่วยงานบังคับใช้กฎหมายทั่วโลกนำไปใช้อย่างกว้างขวาง
ในขณะที่ Clearview AI ใช้ CNN เพื่อวิเคราะห์จากแหล่งข้อมูลสาธารณะ แม้ว่าจะมีรูปภาพบางส่วนหรือคุณภาพต่ำ แต่ก็ไม่ทราบว่าภาพถ่ายจำนวนมากของ Mangione ที่พบในโซเชียลมีเดียและแหล่งข้อมูลสาธารณะออนไลน์อื่นๆ หลังจากที่เขาถูกระบุตัวนั้น จะรวมอยู่ในฐานข้อมูลหรือไม่ หรือ CNN ของรูปภาพนั้นหรือไม่ จะสามารถระบุตัวเขาได้ว่าเป็นคู่ที่เป็นไปได้
โดยรวมแล้ว แม้ว่า FRT มีความก้าวหน้าในการจัดการกับความท้าทายมากมาย แต่ประสิทธิภาพอาจแตกต่างกันอย่างมากขึ้นอยู่กับระบบและบริบทเฉพาะ
ในขณะเดียวกัน การอภิปรายเกี่ยวกับการจดจำใบหน้าและกรอบการแบ่งปันข้อมูลยังคงดำเนินต่อไปในบริบทที่กว้างขึ้นของเทคโนโลยีการบังคับใช้กฎหมายและการอภิปรายเรื่องความเป็นส่วนตัว โดยเรียกร้องให้มีกฎระเบียบและการฝึกอบรมที่เข้มงวดมากขึ้นเพื่อจัดการกับข้อกังวลด้านความเป็นส่วนตัวและสิทธิพลเมือง
ความพยายามในการออกกฎหมายหรือควบคุมการจดจำใบหน้าในสหรัฐอเมริกายังคงเป็นที่ถกเถียงกันอยู่ สมาชิกสภานิติบัญญัติและกลุ่มผู้สนับสนุนบางรายผลักดันให้มีข้อจำกัดหรือห้ามการใช้งานบางอย่างที่เข้มงวดมากขึ้น โดยอ้างถึงข้อกังวลด้านความเป็นส่วนตัวและอาจนำไปใช้ในทางที่ผิด ในทางกลับกัน คนอื่นๆ สนับสนุนให้มีการบูรณาการที่ดีขึ้นและการใช้เทคโนโลยีนี้เพื่อความมั่นคงของชาติและการป้องกันอาชญากรรม แม้ว่าสิ่งนี้มักจะพบกับการต่อต้านที่เน้นความเป็นส่วนตัวเช่นกัน
หลังจากการฆาตกรรมของทอมป์สันและการที่ FRT ไม่สามารถระบุตัว Mangione ได้ คาดว่าการอภิปรายนี้จะยิ่งดังขึ้นจากทั้งสองฝ่าย เจ้าหน้าที่บังคับใช้กฎหมายของรัฐบาลกลางหลายคนแสดงออกมาเป็นการส่วนตัวว่าพวกเขากังวลว่าจะมีการลอกเลียนแบบ โดยเฉพาะอย่างยิ่งเมื่อได้รับการสนับสนุนจากภาครัฐจากฝ่ายขวาและซ้ายในระดับที่น่าประหลาดใจ - ชนชั้นสูงปะทะคนตัวเล็ก - สำหรับสิ่งที่ Mangione ทำ “ความขุ่นเคืองแบบย้อนกลับนี้” ดังที่เจ้าหน้าที่คนหนึ่งบรรยายไว้ “น่าหนักใจจริงๆ ฉันคาดหวังว่าจะมีการตอบสนองทางการเมืองที่ทำลายข้อจำกัด” ในการใช้การจดจำใบหน้า “ก้าวไปข้างหน้า”
หัวข้อบทความ
----------
