一个异常多样的研究人员说，他们创造了更好的人类种族识别系统。
有一些 辩论关于面部识别角色在种族和种族概况。在中国，为了 例子。
大多数不参与生物识别识别的人永远不会知道对AI种族认同的道德需求，更不用说找到完成任务的最佳方法的斗争。
在一项新的开放访问研究中纸，来自中国，伊拉克，澳大利亚和西班牙的八位科学家说，他们用现场编程的门阵列（FPGA）修补，并采用了一种新的卷积神经网络的方法，以将种族斑点精度提高到96.9％。
此外，团队能够显着减少取得成果所需的能量。
该实验使用了来自巴基斯坦，中国和俄罗斯的3141张照片（也许是近期历史上有民族主义冲突的三个国家）。根据本文的说法，面孔被用作识别种族的唯一因素。
使用了四个预训练的卷积神经网络模型 - Googlenet，Alexnet，Densenet和Resnet50进行比较实验网络。
硬件挑战是在图形处理单元和门阵列之间，两个并行体系结构。
数组自定义硬件实现的能力证明了比GPU或CPU的“核心”优势。
报告称，现场编程的门阵列最终提供了“更重要的节能”和更快的处理。
作者写道，当今种族和种族认可在人类计算机互动中提出了“重大”挑战。成功地使用“软生物特征识别”系统将简化搜索静止和视频图像的大量缓存的标识任务。
他们声称，基因片段可能导致跨种族融合的面部特征，使身体人类学家难以确定种族，这是一种敏锐的种族识别算法可以帮助解决的事情。
该法规还可以在靶向种族的医疗和药物基因组学领域中找到作用，在这些领域中，准确确定种族可以提供更好的护理。
这可能对某些雇主有帮助。例如系统可以“使用种族信息为雇主提供种族方便的服务，然后防止许多文化禁忌中存在的违规风险。”
但是，最终，最广泛的种族认可使命将是安全- 在边界站报告称，并部署在公共访问区域。
