研究机构发布了2024年科学报告。它的研究涵盖了广泛的数字相关主题，其中一些直接适用于生物识别技术和数字ID提供商。有关可持续和韧性社会的研究项目（RP）正在探索以及合成数据集如何暴露真实身份，而实验室更注重AI的RP则研究语音检测技术和在面部识别中。
探索LLM在生物识别任务中的有希望的应用
该实验室的Chatgpt实验检查了其执行与生物特征识别相关任务的能力，“重点是面部识别，性别检测和。”
为了进行评估，该实验室能够绕过AI的保障，以防止有关敏感数据的直接提示。结果表明“ chatgpt识别并以相当精确的方式区分了两个面部图像。此外，实验结果表明，在年龄估计任务中，性别检测方面的表现出色，准确性合理。”
简而言之，Chatgpt可以执行面部识别和相关很好。
研究查看合成数据集是否泄漏实际生物识别技术
对于IDIAP对合成数据集的研究，该实验室设计了“一种简单而有效的会员推理攻击，以系统地研究是否有现有的合成面部识别数据集泄漏了用于训练发电机模型的真实数据中的任何信息。”
换句话说，它查看算法是否用于生成携带他们接受过培训的任何实际生物识别数据。
Idiap说，这项研究“证明了合成面部识别数据集中的隐私陷阱，并为未来的研究铺平了有关生成负责任的合成面部数据集的道路。”
比赛得分的公平分布可以帮助解决FRT的偏见
IDIAP在研究基于深度学习的面部识别系统中的人口偏见时，提出了一种方法来“正规化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，该系统尊重预定义的分布，并惩罚了各组分布的不对准。 “该方法提高了面部识别模型的公平性，而不会损害识别精度，并且在推断过程中不需要额外的资源。”
公平性是RP的一个反复出现的主题，它也着眼于如何保持大语模型中的文化多样性，以及没有足够数据的微调基础模型如何增加人口统计学。
AI扫盲的一部分是一种新的学习方法
然而，大部分研究与新兴景观保持一致。一项有趣的研究涉及AI素养，并为十二个“定义能力”提出了一个计划。
它说：“ AI素养已成为一个重要的概念，不仅是专门从事技术的人，而且对公众来说。”鉴于这些技术的多学科潜在用途和含义，了解生成的AI涉及算法和工具的技术方面以及上下文，道德和法律考虑。我们介绍了基于能力的Genai素养模型，该模型由十二个能力从基础AI素养到促进工程和编程技能，再到。”
文章主题
|||||
