研究院发布了2024年科学报告。其研究涵盖广泛的数字相关主题，其中一些主题直接适用于生物识别和数字身份提供商。关于可持续和复原力社会的研究项目（RP）正在探索以及合成数据集如何暴露真实身份，而实验室更关注人工智能的 RP 则着眼于语音检测技术和在面部识别中。
探索法学硕士在生物识别任务中的应用前景
该实验室使用 ChatGPT 进行的实验检验了其执行生物识别相关任务的能力，“重点是面部识别、性别检测和”。
在评估中，实验室能够绕过人工智能的防护措施，防止回答有关敏感数据的直接提示。结果表明“ChatGPT 识别并以相当高的准确度区分两个面部图像。此外，实验结果表明在性别检测方面表现出色，并且在年龄估计任务方面具有合理的准确性。”
简而言之，ChatGPT 可以进行面部识别并关联很好。
研究探讨合成数据集是否泄露真实的生物识别信息
对于 Idiap 对合成数据集的研究，该实验室设计了“一种简单而有效的成员推理攻击，以系统地研究现有的合成人脸识别数据集是否泄漏了用于训练生成器模型的真实数据中的任何信息。”
换句话说，它着眼于算法是否用于生成保留他们接受训练的任何真实生物识别数据。
Idiap 表示，这项研究“展示了合成人脸识别数据集中的隐私陷阱，并为未来生成负责任的合成人脸数据集的研究铺平了道路。”
公平分配比赛分数有助于解决 FRT 中的偏见
在研究基于深度学习的面部识别系统中的人口统计偏差时，Idiap 提出了一种方法“规范面部识别模型的训练，通过对匹配分数的分布施加约束。”
它说，该系统尊重预先定义的分配，并惩罚跨组分配的错位。 “该方法在不影响识别精度的情况下提高了人脸识别模型的公平性，并且在推理过程中不需要额外的资源。”
公平性是 RP 中反复出现的主题，它还着眼于如何在大型语言模型中保持文化多样性，以及如何在没有足够数据的情况下微调基础模型以增加人口数量。
人工智能素养是新学习方法的一部分
然而，大部分研究都是针对新兴领域的。一项引人入胜的研究探讨了人工智能素养，并为 12 种“定义能力”制定了计划。
报告称：“人工智能素养已成为一个重要概念，不仅对技术人员而言，对公众而言也是如此。” “考虑到这些技术的多学科潜在用途和影响，理解生成人工智能涉及算法和工具的技术方面，以及背景、道德和法律方面的考虑。我们引入了基于能力的 GenAI 素养模型，由 12 种能力定义，从基础 AI 素养到即时工程和编程技能，再到”。
文章主题
||||||
